Алгоритмические модели атрибуции
Существующие ограничения в моделях атрибуции в веб-аналитике
В Google Analytics 7 типовых моделей, в Яндекс.Метрике 3 модели Атрибуции
Чтобы автоматизировать управление ставками, необходимо знать эффективность каждой поисковой фразы. Определить ценность фраз можно только связав все сессии пользователя: онлайн - с разных устройств, по телефону и в физических магазинах. В Google Analytics такой возможности нет
Google Analytics и Яндекс.Метрика неточно определяют ценность рекламных каналов, потому что их модели атрибуции не учитывают:
- Отмененные заказы
- Офлайн-заказы
- Маржу заказа
- Заказы по телефону
Разработка индивидуальных моделей атрибуции с учетом рентабельности товаров/услуг, данных продаж в offline
Пример использования: автоматическое управление рекламными ставками в зависимости от ROI и рентабельности товара
Разработка индивидуальных моделей атрибуции с учетом воронки продаж и оценки ценности рекламы для каждой сессии
В этом примере видно, что усиление в цепочке коммуникаций медийной рекламы приводит к увеличению конверсии:
На примере ниже показано, что ценность рекламы для второй сессии пользователя выше, именно эта реклама продвинула пользователя дальше по воронке. Часто, отдавая всю ценность только рекламе, которая привела к целевому действию (модель атрибуции Last click), мы недооцениваем другие рекламные каналы
Сессия 2
визит
Просмотр товара
Добавление в корзину
Сессия 3
визит
Просмотр товара
Размещение заказа
Преимущества модели атрибуции на основе данных
- Учитывает ценность каждой сессии на пути к конверсии
- Учитывает продажи в offline. Работайте с валовой прибылью от проданных товаров/услуг, а не с доходом из Google Analytics
- Узнайте, какие кампании переоценены, а какие недооценены, чтобы эффективно перераспределить бюджет
- Настраивайте рекламные кампании, учитывая, на каких этапах воронки и устройствах они наиболее эффективны
