Кристина Устиноваредактор CyberBrain

Узнай, как на самом деле работает атрибуция

На этапе, когда сквозная аналитика уже собрана и упорядочена, данные нуждаются в оценке, а бюджет - в оптимизации. В чем смысл составлять отчеты по результатам кампании, если после ничего не менять и не перераспределять рекламный бюджет на основе полученных данных? Чтобы оптимизировать работу кампании, нужно проанализировать уникальный путь, который проходит пользователь до совершения конверсии.

Ключевая задача атрибуции - как раз показать, как действительно работает кампания.

Для этого она сначала отвечает на вопрос, как распределяется ценность среди всех взаимодействий с пользователем, затем позволяет оценить вклад каждого канала трафика в результат и определить, какие источники (кампании) увеличивают рентабельность, а какие - их уменьшают. Тем самым, с помощью атрибуции бизнес может избежать лишних расходов, кратко улучшить CPA и добиться масштабных результатов в рамках оптимизации маркетингового бюджета.

Далее встает вопрос: какую модель атрибуции выбрать для своего бизнеса? Для этого стоит рассказать, какие модели бывают и какие достоинства можно выделить у каждой из подгрупп. Сейчас все модели атрибуции на рынке систематизируют следующим образом: есть модели на основе правил, алгоритмические модели и модели на базе машинного обучения. Сейчас рассмотрим первые два варианта.

Модели на основе правил распределяют ценность взаимодействий с помощью фиксированных закономерностей, причем в этом случае неважен ни тип конверсии, ни характер поведения пользователей

    • Одноканальные модели (Last Click, First Click) отдают ключевой вес только одному каналу, многоканальные (Linear, Time Decay) же распределяют его между всеми каналами в цепочке взаимодействий
    • Модели с привязкой к позиции (Position Based) помогают понять, какое место в последовательности занимал канал перед конверсией. При этом 40% ценности присваивается первому и последнему кликам, а оставшиеся 20% равномерно распределяются между остальными взаимодействиями.
    • Модели по первому клику (First Interaction) атрибутируют всю ценность на первый источник, модели по последнему (Last Interaction) - последнему, по последнему непрямому клику (Last Non-Direct Click) - последнему по прямому заходу пользователя, а линейные модели присваивают одинаковый вес всем взаимодействиям
    • Модели с учетом давности взаимодействия (Time Decay) отдают более высокую ценность кликам, которые были ближе всего в последовательности к конверсии, причем как в порядковом, так и во временном отношении

Алгоритмические модели позволяют учитывать взаимное влияние всех каналов кампании друг на друга из разных рекламных сервисов и при этом учитывать тип конверсии и характер поведения пользователей

    • К алгоритмическим моделям атрибуции относятся Цепи Маркова (Markov Chains), Data-Driven и другие

Почему мы остановили свой выбор на Data-Driven атрибуции Шепли?

Основная проблема стандартных моделей заключается в том, что ключевую ценность они отдают тем каналам, которые отвечают заранее утвержденным правилам, т.е. не учитывают взаимосвязь одних каналов с другими. При этом эти взаимодействия, отвечающие требованиям стандартных моделей, могут никак не влиять на результат кампании и, тем более, - приводить к конверсии.

Более выгодная позиция - оценивать касание пользователя не на основе правил, а отталкиваясь от того, какой вклад оно принесло в итоговый результат кампании. А чтобы знать, какие связки каналов работают наиболее эффективно, необходимо учитывать все разнообразие путей, ведущих к конверсии.

Справедливо оценивать и эффективно перераспределять вес кампании позволит Data-driven атрибуция, выстроенная на базе вектора Шепли. На сегодня, это одна из лучших моделей для случаев, когда у клиентов есть разные источники продвижения (performance, медийные и прочие).

Алгоритм атрибуции на основе данных учитывает цепочку, в которой присутствует показы, клики, сессии пользователей, по итогу, назначая свой вес, отчего каждое взаимодействие оценивается индивидуально.

Для нас ключевыми преимуществами модели Шепли стали:

  • достоверность (учитывается реальный вклад каналов в результат)
  • устойчивость к фроду (не восприимчивость модели к спаму показами)
  • более высокая эффективность по скорости расчета и затратам ресурсов на него
  • стабильность результата (каждый расчет модели дает одинаковый результат)
  • распространенность (модель используется крупнейшими компаниями, включая Google)
поделиться:
Популярные статьи
статья 2 min read Модели атрибуции - что это и какая подойдет вашему бизнесу? Рассказываем, как с помощью атрибуции бизнес может избежать лишних расходов и кратко улучшить CPA.
Кристина Устиноваредактор CyberBrain
мифы 2 min read Мифы атрибуции. Причем здесь Post-View модель? Чтобы не быть голословными, обратимся к первоисточнику и определимся, что такое Post-View и с чем его едят.
Кристина Устиноваредактор CyberBrain
аналитическая статья 5 min read Data-driven атрибуция - как понять, кому нужна, а для кого это трата времени и сил Разберемся, кому для этих целей нужны сложные модели атрибуции, а кому достаточно классической модели Last Click.
Никита ЛисицынCEO CyberBrain
digital словарь 5 min Как эффективно работать с метрикой CPC? Рассказываем, на что влияет Cost-Per-Click, когда и где применяется и как можно улучшить результаты по рекламным кампаниям за счет комплексной аналитики.
Кристина Устиноваредактор CyberBrain
статья 3 min read Как метрики ROI, ROMI и ROAS связаны с прибылью Кратко и наглядно рассказываем об отличиях между метриками рентабельности как в маркетинге, так и бизнесе в целом.
Кристина Устиноваредактор CyberBrain
статья 5 min read ROPO-аналитика: какие проблемы решает и как эффективно пользоваться этими отчетами Узнайте, как реагировать на новые методы продаж и познакомиться с потребителем завтрашнего дня.
Кристина Устиноваредактор CyberBrain
digital словарь 1 min read CTR: на что влияет и как рассчитать? Насколько успешно выполнил свою задачу источник трафика? Узнаете, почему без Click-Through Rate трудно отследить результативность рекламы.
Кристина Устиноваредактор CyberBrain
статья 5 min read Stable ID как перспективный ответ на вызов cookieless эпохи Отказ мира от cookies заставил digital-рынок искать им не менее эффективную замену. Это перспективная технология, которая явно стоит вашего внимания, если вы заинтересованы в эффективной коммуникации с пользователями в разных точках продаж.
Кристина Устиноваредактор CyberBrain
просто о сложном 3 min read Объединение post-view и post-click. Для кого, зачем и как это работает На рынке digital-аналитики существует тезис, что значимость объединения перфоманс и медийки преувеличена. В статье разбираемся, стоит ли вникать в этот вопрос или для достижения бизнес-результата достаточно использовать исходные данные.
Кристина Устиноваредактор CyberBrain
digital словарь 1 min read ТВ атрибуция как перспективный инструмент O2O маркетинга Почему рекламодателям стоит идти в эту сторону? Рассказываем, как объединить телесмотрение, post-view и post-click данные с помощью методов, лежащих в основе ТВ атрибуции, в новой статье и на канале.
Кристина Устиноваредактор CyberBrain
статья 2 min read Что происходит с Web+App атрибуцией в 2023 году? В предыдущих статьях мы рассказывали об объединении данных по взаимодействиям пользователя с медийными и performance кампаниями в один путь. Более того, затронули вопрос online-to-offline маркетинга и ТВ-атрибуции. Но что, если конечное ценное действие пользователь совершает не на сайте, а в мобильном приложении? Тогда для правильного распределения вклада в итоговую конверсию потребуется обогатить уже имеющийся блок знаний app-данными.
Николайстарший веб-аналитик CyberBrain
digital словарь 1 min read CPA и ее разновидности CPL и CPO Как рассчитать, кому будут полезны и в чем отличия маркетинговых метрик
Кристина Устиноваредактор CyberBrain
Подписывайтесь на канал Мониторим рынок из первоисточников и делимся краеугольными событиями IT и digital-рынков