Модели атрибуции в маркетинге: что это такое, какие бывают и зачем нужны

Дата: 2021-08-19 | Время чтения: 8 минут (1603 слова)

Что такое модель атрибуции

Бизнес хочет, чтобы пользователь переходил на сайт и покупал сразу после того, как увидел рекламу. Но такое случается редко — 98% людей не покупают при первом визите на сайт компании. В среднем, для покупки нужно семь касаний, где каждый канал будет больше или меньше влиять на решение пользователя. Как понять, какие каналы оказались самыми эффективными? Выбрать и использовать модель атрибуции.

Что такое модель атрибуции в маркетинге

Модель атрибуции — это распределение ценности (веса или баллов) по каналам, которые привели к конверсии. Атрибуция показывает путь клиента от первого касания до целевого действия.

Что это значит?

Возьмём пользователя N. Он увидел рекламу кроссовок в Facebook, кликнул на неё и заинтересовался, но решил пока не покупать. Позже ему показали рекламу тех же кроссовок, но уже в Google. N снова перешёл на сайт и даже добавил товар в корзину, но забыл про него. Через 5 дней опять увидел рекламу, но уже в Instagram, на этот раз сделал скриншот, чтобы не забыть и посмотреть позже, кликать на рекламу не стал. Вечером того же дня N нашёл модель кроссовок в Google и купил их.

Какой канал привёл клиента?

Если считать, что органический поиск, то это атрибуция одного типа. Учитывать первое касание по рекламе Facebook — другой тип. Оценивать все каналы в равной ценности — третий.

Атрибуция — это инструмент, который помогает отследить касания с брендом и понять, куда вкладывать деньги, а на какой канал бюджет тратить не стоит.

Также с моделями атрибуции устанавливают окно конверсии — период между первым касанием и покупкой. Здесь могут быть варианты: от 1 дня до 28 и более. Это зависит от длительности цикла покупки. Допустим, мы запускаем кампанию по продаже определённой марки автомобилей. Окно атрибуции здесь должно быть не менее 28 дней, потому что вряд ли кто-то решит купить автомобиль спонтанно за 3-7 дня и меньше.

Как отслеживать касания пользователей с брендом? Разные платформы собирают только свои данные: Facebook, ВКонтакте, сервисы Google и другие. Чтобы отследить, какой результат приносит каждый канал, пиксель (кусок кода, который собирает информацию о действиях пользователей) платформы устанавливается на сайт компании.

Зачем нужно использовать атрибуцию в маркетинге

Путь клиента к покупке, где тот увидел и купил, — редкость, особенно если продукт сложный и дорогой. После первого знакомства проходит несколько этапов: клик на рекламу, подписка на рассылку, поиск продукта и информации о нём в Google. Если компания не знает, как клиент на самом деле приходит к покупке, его путь, то рискует вложить бюджет в неправильные каналы.

Как атрибуция в маркетинге помогает бизнесу:

  • Возможность правильно распределить маркетинговый бюджет между каналами и снизить риски потери денег, также повысить ROAS и ROI.
  • Повышение персонализации. Чем больше вы знаете о пользователях, тем с большой вероятностью предложите им то, что нужно, в правильном канале — удобном для клиента.
  • Построение отношений с клиентом. Маркетинг взаимодействия — долгие и выгодные отношения с пользователями или партнёрами пришли на смену парадигмы жёсткой конкуренции и конфликту. Выстроенные отношения с компанией удерживают клиента, помогают персонализировать покупки и сервис.

Какие существуют модели атрибуции

Атрибуция не может быть однозначной и универсальной для каждого бизнеса. Например, для сферы недвижимости считать последний клик — неудачный вариант, от первого касания до покупки квартиры может пройти несколько месяцев, и вряд ли клиент примет решение за один раз. Разберём, какие бывают модели атрибуции: их преимущества и недостатки.

Модель атрибуции по первому клику

Большую ценность за конверсию получает первое взаимодействие с пользователем, например, клик на рекламу. Считается, что целевое действие принесла платформа, где было первое касание, остальные каналы не учитываются.

Преимущества:

  • Простая, лёгкая для понимания и внедрения модель.
  • Возможность оценить кампании по повышению узнаваемости бренда и формирование спроса.

Недостатки:

  • Не очень продвинутая модель, есть ограничения по оптимизации. То есть мы всегда оцениваем, эффективный первый канал или нет, повысить бюджет для него или ограничить.
  • Не самая точная и несправедливая модель, которая не учитывает заслуги других касаний.

Модель атрибуции по первому клику

Модель атрибуции по последнему клику

Основная ценность у источника, на который пользователь перешёл перед тем, как совершить конверсию. Атрибуция по последнему клику долгое время была самой популярной и сейчас стоит по умолчанию в Google Analytics.

Преимущества:

  • Удачный вариант для отслеживания покупок, которые происходят быстро и спонтанно.
  • Простая в оценке модель и точная: пользователи могут очистить cookies, и тогда все остальные данные до последнего взаимодействия потеряются. С этой моделью сохранится информация о последних действиях пользователя.

Недостатки:

  • Не учитываются другие типы взаимодействий, поэтому можно сделать неправильные выводы по кампании.

Модель атрибуции по последнему клику

Модель атрибуции по последнему непрямому клику

Эта модель похожа на предыдущую, но отдаёт большую ценность не клику, а последнему маркетинговому действию перед конверсией в лид или в покупку.

Преимущества:

  • Модель фильтрует прямой трафик, который мог быть результатом кампаний — это даёт более информативные и точные данные.

Недостатки:

  • Как и в атрибуции по последнему клику, мы не знаем путь клиента до маркетингового действия.

Модель атрибуции по последнему непрямому клику

Линейная модель атрибуции

Ценность распределяется по всем точкам взаимодействия. Линейная модель кажется более справедливой, чем атрибуция по последнему и первому кликам, но остаётся спорной, потому что все каналы не могут быть одинаково эффективными.

Преимущества:

  • Простая, но более продвинутая, чем одноканальные модели.
  • Сбалансированный взгляд на всю вашу маркетинговую стратегию, чем модель атрибуции по одному событию.
  • Покажет, какие каналы имеют ценность вообще — отобразит каждый, который участвовал в пути к конверсии.

Недостатки:

  • Хотя мы и видим все каналы, которые участвовали в конверсии, узнать, какой сработал лучше, мы не сможем. То есть модель бесполезна, если нужно распределить бюджет для каждого канала по эффективности.

Линейная модель атрибуции

Атрибуция по времени

Больший вес в этой модели у взаимодействий, которые были ближе по времени к конверсии. Первые касания оцениваются меньше.

Преимущества:

  • Научная и логичная модель.
  • Подходит для сделок с длинным циклом продажи, например, для покупок в B2B, в сфере недвижимости.
  • Помогает оценить кампании по построению отношений с клиентами.

Недостатки:

  • Оценить, какие каналы первыми привели пользователя, почти невозможно.
  • Риск переоценить заслугу какого-то канала. Не всегда последнее посещение перед покупкой решающее.

Атрибуция по времени

Атрибуция по позиции или U-образная модель атрибуции

По 40% ценности получают первая и последняя точки касания, ещё 20% разделяются между другими взаимодействиями в середине воронки.

Преимущества:

  • Сильный инструмент для бизнесов, которые изначально планируют несколько точек касания до покупки, а не быстрые конверсии.
  • Ценность получают самые важные каналы по мнению маркетологов: первое знакомство пользователя с продуктом и последнее касание, которое мотивирует на покупку.

Недостатки:

  • Другие способы, кроме лидогенерации, не учитываются. Не всегда первое касание удачное. Например, пользователь не сразу понял, что вы продаёте, тогда с вашим продуктом его познакомят следующие касания. Иногда действия в середине воронки значительнее: уведомления о новой цене или рассылка о новинках, возможно, смотивируют лучше прямой рекламы.

U-образная модель атрибуции

Атрибуция на основе данных

Это алгоритмическая модель атрибуции, которая оценивает все действия пользователя до покупки с помощью машинного обучения. Алгоритмы определяют, какие объявления, ключевые слова, кампании были более эффективными. В такой модели атрибуции находятся и сравниваются закономерности, которые привели к покупке или, наоборот, ей помешали.

Преимущества:

  • Модель относится к продвинутым и даёт точные данные.
  • Оцениваются все каналы взаимодействия с пользователем.

Недостатки:

  • Сложность модели: в работе с ней и в настройке. Нужное мощное ПО и компетентные аналитики.

Атрибуция на основе данных

W-образная атрибуция

Модель похожа на U-образную. Здесь вес получают крайние точки взаимодействия и касание в середине пути, где была возможность, что клиент станет покупателем. Например, компания запустила рассылку, провела закрытую распродажу и так далее. Эти точки получают по 30%, а остальные 10% распределяются между другими касаниями в воронке.

Преимущества:

  • Оценка потенциальных точек соприкосновения, которые могли побудить к покупке на середине пути — возможность оптимизировать кампанию, добавить или исключить неработающие каналы.
  • Подходит для кампаний с лидогенерацией.

Недостатки:

  • Не всегда понятно, как пользователь встречался с брендом на середине пути, 10% ценности для всех остальных касаний — ничтожно мало.
  • Сложность настройки.

W-образная модель атрибуции

Модель атрибуции полного пути или Z-образная модель

Похожа на W-образную атрибуцию. Здесь к первому и последнему касаниям, этапу возможности конверсии добавляется момент, где пользователь стал лидом: подписался на рассылку, отправил свой email взамен на что-то (например, контент). Ценность распределяется по 22,5% для каждой из четырёх точек, а остальные 10% между остальными.

Преимущества:

  • Точное и полное отслеживание пути клиента к конверсии.
  • Больше возможностей определить стратегии, которые работают.

Недостатки:

  • Сложность в реализации. Модель подходит только для компаний, где маркетинг и отдел продаж полностью синхронизированы, и маркетинг занимается непосредственно существующими возможностями продаж.

Z-образная модель атрибуции

Пользовательские модели атрибуции

Модель для компаний с хорошо выстроенным маркетингом и достаточными ресурсами: технологиями и компетентными аналитиками. Для каждого взаимодействия ценность прописывают вручную, но после глубокой аналитики большого объёма данных.

Преимущества:

  • Полная картина пути пользователя со всеми нюансами.

Недостатки:

  • Сложность в настройке, поэтому эта модель для продвинутых команд.
  • Нужно много данных для анализа — это времязатратно. Поэтому модель оправдает себя для большого цикла покупки.

Вывод

Работа с моделями атрибуции требует ресурсов: времени, знаний команды, иногда продвинутого ПО. Если использовать этот инструмент правильно, то модель атрибуции станет ориентиром для компании. Когда успешный бизнес знает не только портрет своего клиента, но и его путь к покупке, он получает больше шансов предложить свой продукт или услугу пользователю в нужное время и в нужном месте.

Поделиться:

Если статья была вам полезна, поделитесь с вашими друзьями ;)
Автор: Людмила Коваленко

Вам может быть интересно:

Как Altcraft Marketing помог увеличить Группе «АльфаСтрахование» уровень повторных..

В новой статье рассказываем как с помощью автоматизации маркетинга и платформы Altkraft Marketing группа «АльфаСтрахование» увеличила у..

Читать далее
7 трендов в B2B маркетинге в 2020 году

Перевели статью OpenView о трендах в B2B маркетинге. В 2020 году не обойтись без персонализации, машинного обучения и лидеров мнений.

Читать далее
On-premise платформы для автоматизации маркетинга и стратегической безопасности ко..

Рассказываем как с помощью маркетинговых on-premise платформ повысить безопасность данных в компании.

Читать далее