Маркетинговая атрибуция: на какие вопросы отвечает, а на какие — нет

Атрибуция — один из базовых инструментов маркетинговой аналитики. Она используется практически в любом бизнесе, где есть рекламные каналы и фиксируются конверсии. Даже самый простой подход вроде last click, который встроен в Яндекс.Метрику и используется по умолчанию во многих отчётах, — это уже атрибуция, то есть правило, по которому результат определённым образом распределяется между каналами. Или в пользу одного канала — в зависимости от выбранной модели.

Результаты атрибуции важны для бизнеса, но это лишь инструмент для решения одной задачи: понять, какие каналы эффективнее других и как лучше перераспределять бюджет. Несмотря на это, иногда от атрибуции ждут ответов на вопросы вне поля её компетенций — и очень зря.

В этой статье разберём, какие вопросы атрибуция действительно помогает решать, а какие находятся за пределами её возможностей, и почему это важно учитывать во время принятия решений.

Что такое маркетинговая атрибуция и где её границы

Маркетинговая атрибуция — это метод распределения конверсий между маркетинговыми касаниями внутри пользовательских путей, зафиксированных системами аналитики. Она отвечает на вопрос, кому засчитать результат, но не отвечает на вопрос, что именно повлияло на решение пользователя.

Из этого определения напрямую следуют её ограничения.

1. Атрибуция работает только с наблюдаемыми данными. В расчётах участвуют лишь те касания, которые удалось зафиксировать трекингом. Если часть взаимодействий не попала в данные, атрибуция не сможет их учесть и корректно рассчитать результат согласно своей логике. Базой для атрибуции всегда служит качественно собранная аналитика.
   
2. Атрибуция не доказывает причинность. Присутствие канала или касания в пользовательском пути означает лишь то, что пользователь с ним взаимодействовал, но само по себе не доказывает, что именно это взаимодействие вызвало конверсию.

При этом важно различать подходы. Атрибуция на основе правил не оценивает эффект исключения канала и просто распределяет кредит по заданной схеме. Некоторые data driven модели (например, марковская атрибуция) могут посчитать модельный эффект удаления канала: как изменится вероятность конверсии в рамках построенной модели, если канал исключить.

Такой расчёт полезен для сравнения каналов внутри данных, но его нельзя автоматически трактовать как доказательство причинного эффекта в реальном мире: он зависит от допущений модели и не заменяет эксперименты.

Подробнее про различия моделей атрибуции и их границы — в гайде.

3. Атрибуция не работает с контрфактами. Она не отвечает на вопросы о том, что произошло бы при других условиях, которых не было в данных: например, при ином уровне бюджета, другом распределении трафика или альтернативной последовательности касаний.

Даже когда data driven модели пересчитывают вклад каналов внутри своей логики, они опираются на уже наблюдавшиеся пути и допущения модели. Атрибуция не сравнивает фактический результат с альтернативным сценарием и поэтому не заменяет методы, основанные на контроле и эксперименте: например, инкрементальность и A/B-тесты с контрольной группой.

Что показывает маркетинговая атрибуция на самом деле

Маркетинговая атрибуция работает с уже произошедшими пользовательскими путями. Она не меняет данные и не добавляет в них новую информацию. Её задача — распределить конверсии между каналами и касаниями внутри этих путей по логике выбранной модели. Например, одна модель может отдавать весь кредит последнему касанию, другая — распределять его равномерно между всеми участниками.

В зависимости от выбранной модели, атрибуция позволяет увидеть:

• как конверсии распределяются между каналами
• какие каналы получают основную долю конверсий
• какие каналы чаще стоят в начале пользовательских путей
• какие каналы чаще находятся ближе к конверсии
• какие каналы регулярно присутствуют в конверсионных путях

Важно понимать, что атрибуция всегда описывает распределение результата, но не объясняет, почему этот результат возник.

На какие вопросы атрибуция отвечает

Кому засчитать конверсию

Главный и базовый вопрос атрибуции — как распределить одну конверсию между участниками пользовательского пути.

Для этого используют два подхода.

• В атрибуции на основе правил условия распределения задаются заранее. К таким моделям относятся last click, first click, linear, position based, time decay — модели с фиксированной логикой распределения конверсии между касаниями.
• В атрибуции на основе данных распределение рассчитывается на основе наблюдаемых пользовательских путей и статистических зависимостей в данных, без заранее заданных правил распределения между касаниями.

Оба подхода решают одну и ту же задачу — распределяют результат. Различие между ними заключается в том, по какому принципу этот ответ получен.

Какие роли каналы играют в пути

Атрибуция позволяет описать, в каких местах пользовательского пути чаще всего появляются разные каналы. По данным видно, какие каналы чаще становятся первым касанием, какие сопровождают пользователя на протяжении пути, а какие чаще всего фиксируются ближе к моменту конверсии.

Такой анализ помогает понять структуру пользовательских путей и то, как они обычно складываются в текущем медиамиксе. Однако позиция канала в пути не является доказательством его влияния. Она показывает лишь частоту появления канала в определённой точке цепочки.

Как устроена текущая структура пользовательских путей

Кроме ролей отдельных каналов, атрибуция позволяет описать типичную структуру конверсионных путей. Можно увидеть, какие каналы регулярно встречаются вместе, какие комбинации касаний повторяются чаще других и какие элементы пути характерны для конверсий.

Это полезно для описания текущего состояния системы: как именно пользователи доходят до результата в имеющихся данных. Но из этого описания нельзя напрямую сделать вывод о том, что произойдёт, если структуру путей изменить.

На какие вопросы атрибуция не отвечает

Как изменится результат при изменении бюджета

Атрибуция не предназначена для ответа на вопрос, как изменится результат при росте или сокращении бюджета. Такие вопросы относятся к эффекту изменения, а не к распределению уже случившегося результата.

Для оценки последствий перераспределения расходов между каналами применяют MMM (моделирование маркетингового микса) — подход, который моделирует зависимость результата от бюджета и других факторов и позволяет анализировать разные сценарии.

Можно ли отключить канал без потери результата

Атрибуция не отвечает на вопрос, что произойдёт, если отключить канал. Даже если модель показывает каналу низкий вклад, это не означает, что он не даёт добавочного эффекта и не разогревает другие каналы.

Исключением являются цепи Маркова, которые как раз рассчитывают модельный эффект исключения канала — пересчитывают вероятность конверсии внутри модели при условии, что данный канал отсутствует в пользовательских путях. 

Вопрос об отключении канала — это вопрос про инкрементальность. Чтобы на него ответить, нужно сравнивать результат при наличии канала и без него, то есть использовать эксперименты и контрольные группы.

Было ли касание причиной конверсии

Атрибуция не измеряет причинный эффект касаний. Она фиксирует присутствие канала в пользовательском пути и распределяет результат по выбранной модели. В простых случаях — например, при небольшом числе каналов и коротких путях — выводы атрибуции могут совпадать с реальным влиянием. Однако само по себе распределение конверсий не является доказательством причинности.

Для выводов о причинности требуется экспериментальный или квазиэкспериментальный подход, в котором есть контроль и корректное сравнение альтернативных сценариев.

FAQ

Атрибуция нужна всем?
Если бизнес использует маркетинговые каналы и считает конверсии, он в любом случае применяет атрибуцию как правило учёта результата. Last click — самый простой пример. Разница между бизнесами заключается не в том, нужна ли атрибуция, а в том, какая модель соответствует их задачам и структуре путей.

Существует ли правильная модель атрибуции?
Единственно правильной модели не существует. Модель выбирают в зависимости от:

• а) Мультиканального сплита (медийная реклама + performance) или моносплита (когда у вас или только медийка, или только performance).
• б) Масштабов рекламы, потому что одно дело, когда у вас 2-3 канала, и другое, когда у вас десятки источников и сотни кампаний. Разные модели дают разные ответы при одном и том же наборе путей.

Можно ли оптимизировать бюджеты на основе атрибуции?
Атрибуция даёт базовое понимание текущего распределения и структуры путей, на которое затем опираются специальные модели для расчётов оптимизации. Она показывает распределение конверсий в уже случившихся данных, но не эффект изменения бюджета. Для бюджетных решений используют ML-алгоритмы (см. Оптимизатор CyberBrain) или MMM (моделирование маркетингового микса).

Заключение

Маркетинговая атрибуция — это инструмент распределения конверсий внутри уже произошедших пользовательских путей. Она помогает описать структуру путей и роли каналов, но не отвечает на вопросы причинности, отключения каналов и изменения бюджетов.

Понимание этих границ позволяет использовать атрибуцию по назначению и дополнять её другими методами — моделированием маркетингового микса, A/B-тестами и и. д. — там, где это действительно необходимо.