Модели многоканальной атрибуции

Атрибуция по последнему клику присваивает 100% вклада в конверсию последней маркетинговой точке контакта перед покупкой, полностью игнорируя все предыдущие взаимодействия, повлиявшие на решение клиента.

Это создаёт систематическое смещение в пользу каналов нижней части воронки (брендовый поиск, ретаргетинг) и против каналов верхней части воронки (медийная реклама, социальные кампании для повышения узнаваемости, материалы), из-за чего бренды недостаточно инвестируют в узнаваемость и чрезмерно вкладываются в тактики конверсии.

Атрибуция по первому клику присваивает весь вклад первой точке контакта, с которой клиент взаимодействовал до конверсии, сосредотачивая внимание исключительно на том, что сформировало первоначальную осведомлённость и помогло обнаружить бренд.

Эта модель наиболее полезна для брендов, ориентированных на привлечение, — она помогает понять, какие каналы знакомят с брендом новых клиентов, — но игнорирует всё, что произошло между знакомством и покупкой, поэтому так же односторонна, как модель атрибуции по последнему клику.

Линейная модель атрибуции равномерно распределяет вклад в конверсию между всеми точками контакта на пути клиента — если таких точек было пять, каждая получает 20% вклада.

Линейная атрибуция признаёт, что в конверсии участвуют несколько каналов, и её легко объяснить заинтересованным сторонам, но одинаковые веса игнорируют разные роли и степень убеждающего воздействия разных точек контакта.

Модель с учётом давности контакта присваивает больший вклад точкам контакта, произошедшим ближе к событию конверсии, а доля вклада экспоненциально уменьшается по мере удаления точки контакта во времени.

Эта модель отражает представление о том, что недавние взаимодействия причинно сильнее связаны с решением о покупке, чем ранние, поэтому она полезна для коротких циклов продаж. В длинных циклах продаж B2B она по-прежнему может занижать вклад осведомлённости на верхнем этапе воронки.

U-образная (позиционная) модель атрибуции назначает 40% вклада первой точке контакта, 40% — точке конверсии лида (или последней точке контакта), а оставшиеся 20% поровну распределяет между промежуточными точками контакта.

Эта модель признаёт важность как привлечения (первая точка контакта), так и завершения сделки (последняя точка контакта), одновременно отдавая некоторый вклад взаимодействиям по развитию отношений с клиентом, поэтому она популярна среди маркетологов B2B, которым важны и каналы привлечения, и каналы конверсии.

W-образная модель добавляет к U-образной ещё одну ключевую позицию: точку создания возможности (момент официального открытия возможности продажи). Вклад делится в пропорции 30/30/30 между первой точкой контакта, точкой создания возможности и точкой завершения сделки, а 10% распределяются между всеми остальными.

Эта модель с тремя вехами особенно подходит организациям B2B с чётко выделенными этапами передачи лида от маркетинга к продажам и определёнными аккаунтами, где до создания официальной возможности происходит множество маркетинговых взаимодействий.

Атрибуция на основе данных (также называемая алгоритмической атрибуцией) использует машинное обучение для анализа тысяч фактических путей клиентов и распределяет долю вклада каждой точке контакта на основе рассчитанного вклада в вероятность конверсии.

В отличие от моделей на основе правил, атрибуция на основе данных выводится эмпирически из собственных данных — она определяет, какие последовательности точек контакта и сочетания каналов связаны с более высокими коэффициентами конверсии, — но для статистической надёжности требует достаточного объёма конверсий (не менее 3 000 в месяц).

Используйте модель по последнему клику для принятия решений о распределении бюджета в кампаниях с целью конверсии. Используйте модель по первому клику для оценки каналов привлечения. Используйте линейную модель или модель с учётом давности контакта для простого представления воронки.

Используйте U-образную или W-образную модель для многоэтапных воронок B2B. Используйте модель на основе данных в качестве основной, если у вас достаточно конверсий, — она наиболее точно отражает реальный вклад каждого канала во всех вариантах пути клиента.

GA4 по умолчанию использует атрибуцию на основе данных для конверсий, если доступно достаточно данных, а при их недостатке переключается на модель по последнему клику. Изменить модель атрибуции можно в разделе «Администратор» > «Настройки атрибуции».

В Google Ads для каждого действия-конверсии можно выбрать собственную модель атрибуции — переход от модели по последнему клику к атрибуции на основе данных обычно повышает заявленную ценность поисковых запросов верхней части воронки и направляет интеллектуальное назначение ставок на более широкую аудиторию.

Отчёт GA4 «Сравнение моделей атрибуции» позволяет увидеть, как разные модели атрибуции оценивали бы вклад каждого канала — рядом друг с другом, — используя одни и те же исторические данные о конверсиях.

Этот отчёт незаменим для обучения заинтересованных сторон методике атрибуции и количественной оценки того, какое перераспределение бюджета было бы оправдано при переходе от модели по последнему клику к атрибуции на основе данных.

Окно ретроспективного анализа атрибуции определяет, насколько далеко назад от конверсии модель ищет точки контакта, внёсшие вклад; распространённые варианты — клик за 7 дней, клик за 30 дней и просмотр за 1 день для атрибуции по просмотру.

Короткие окна занижают вклад каналов верхней части воронки и отдают предпочтение каналам, использованным незадолго до конверсии; длинные окна могут засчитывать вклад каналам, использованным настолько давно, что их реальное влияние на решение о покупке вызывает сомнения. Для выбора подходящего окна необходимо понимать фактическую продолжительность цикла покупки.

Проверьте своё понимание многоканальных моделей атрибуции.

Модели атрибуции варьируются от моделей с одной точкой контакта (первый клик, последний клик) до многоканальных моделей (линейная, с учётом давности контакта, U-образная, W-образная) и алгоритмических моделей (на основе данных); у каждой есть свои сильные стороны и подходящие случаи применения.

Атрибуция на основе данных — наиболее точная модель при достаточном объёме конверсий; отчёт GA4 «Сравнение моделей атрибуции» помогает количественно оценить влияние на бизнес изменения методики атрибуции.