Атрибутивные данные — просто: объяснение сути мультиканального атрибутивного моделирования

Posted on by riasevastopol

Интернет-реклама сейчас есть одним из самых скоро развивающихся рынков. Это не случилось мгновенно: индустрия прошла долгий путь от несложных текстовых реклам, выдаваемых поисковыми совокупностями, до инновационной рекламы с эффектом полного погружения (Immersive Ads), реализуемой посредством изучения ставок и пользовательского поведения на аукционах, проходящих в настоящем времени.

Но, не обращая внимания на всю изощренность способов и дикую погоню бизнеса за как возможно солидным числом клиентов, все еще остается пара вопросов без ответа. В какую платформу лучше вкладывать, для получения максимального дохода от инвестиций? Каков эффект раздельно забранной маркетинговой кампании, создаваемый на объем продаж и на бренд?

Эти вопросы ведут к теме, именуемую маркетологами «атрибутивной аналитикой», или «мультитач-атрибуцией», или «мультиканальной атрибуцией» (по поводу Analytics / Multi Touch Attribution / Multi Channel Attribution).

Поболтаем о мультиканальной атрибуции. Говоря несложнее, данный термин свидетельствует, что пользователю предоставлены бессчётные точки соприкосновения (Touch Points), либо каналы, через каковые происходит сотрудничество с вашим приложением, и учитывается, какой вклад эти каналы / точки соприкосновения делают в продажи и конверсию продукта.

Атрибутивные данные — просто: объяснение сути мультиканального атрибутивного моделирования

Диаграмма выше отражает упрощенную версию пути пользователя (User Journey). К примеру, визитёр C самостоятельно зашел на сайт, после этого взял email от рекламодателя о продукте, наконец, заметил продукт в рекламе в Facebook и только позже купил товар. Таковой процесс именуется «конверсионным методом пользователя» (Conversion Path of a User).

В случае если у вас установлен аналитический инструмент от Google и в нем выбраны определенные цели, то вы имеете возможность просмотреть конверсионные дороги, зайдя в разделы Conversions — Multi Channel Funnels — Top Conversion Paths.

Multi Channel Funnels — Top Conversion Paths src=https://media.lpgenerator.ru/uploads/2017/04/13/7_thumb608x289.png style=border: none; transform: rotate(0rad); width: 602px; height: 287px; /

Познание конверсионных дорог — это начало понимания атрибутивного моделирования (Attribution Modelling). Скриншот сверху показывает, как сложен возможно путь, ведущий к конверсии. Все атрибутивные модели применяют эти (и не только) данные в качестве исходных, дабы после этого подсчитать значимость каждой точки соприкосновения (либо канала) для получения настоящей конверсии.

Изучим, как трудятся кое-какие базисные атрибутивные модели. Для этого были забраны эти, отмеченные выше, их упростили и присвоили каждой конверсии сокровище в $1.

Столбцы слева направо: (1) путь группировки главных каналов; (2) конверсии; (3) сокровище конверсии

Просматривайте кроме этого: Как совместить сегментацию и атрибуцию данных с целью достижения маркетингового успеха?

Последнее сотрудничество

Модель последнего сотрудничества (The Last Interaction Model) есть одной из самый распространенных и обширно применяемых на сегодня. В данной модели заслуга конверсии всецело присваивается последней точке соприкосновения. В случае если обратиться к примеру выше, то канал последнего сотрудничества продемонстрирует следующие результаты:

Последнее сотрудничество: директ — $10, реферальные ссылки — $0, органический поиск — $0, платный поиск — $3, email — $0, соцсети — $0, дисплейная реклама — $0, другие виды рекламы — $0, второе — $0. Итого — $13

Вы легко имеете возможность совершить вычисления самостоятельно, посчитав конверсии, для которых последний вид сотрудничества проходил через контекстную рекламу (Direct). Разумеется, что примененный к модели последнего сотрудничества данный расчет разрешает сделать вывод о том, что директ-трафик снабжает солидную часть конверсий.

Первое сотрудничество

Модель первого сотрудничества (The First Interaction Model) по смыслу противоположна первой: заслуга получения конверсии всецело присваивается первой точке соприкосновения. Ниже представлены результаты, в соответствии с данной модели. Ее направляться применять, если вы воображаете собой новый бренд на рынке и пробуете завоевать место под солнцем.

Модель сходу разрешает заметить, какие конкретно из маркетинговых инструментов трудятся, а какие конкретно нет.

Первое сотрудничество: директ — $4, реферальные ссылки — $0, органический поиск — $3, платный поиск — $4, email — $0, соцсети — $2, дисплейная реклама — $0, другие виды рекламы — $0, второе — $0. Итого — $13

Как видно, платный поиск сработал 4 раза в качестве первой точки соприкосновения и стал причиной однообразному с прямым трафиком числу конверсий.

Просматривайте кроме этого: Как выяснить самые клиентогенерирующие каналы посредством верной бизнес аналитики?

Линейная модель

Линейная модель (The Linear Model) исходит из равнозначности для взятых конверсий всех точек соприкосновения, исходя из этого, в случае если у вас имеется 4 точки, приведшие к конверсии, любая из них возьмёт долю в 25%. Эта модель подходит для долговременных кампаний в течение всего конверсионного цикла.

Как видите, тут любая точка соприкосновения имеет однообразную сокровище для конверсии. В таблице внизу вы имеете возможность замечать, что платный поиск появляется в первом и четвертом последовательности:

Столбцы слева направо: (1) путь группировки главных каналов; (2) конверсии; (3) вклад платного поиска в конверсии

Так, неспециализированный вклад платного поиска образовывает $3 + $0,5 = $3,5.

Модель «течения времени»

Модель «течения времени» (The Time Decay Model) совершенна для маленьких циклов продаж. К примеру, если вы проводите двухдневную промоакцию, то каналы, с которыми происходило сотрудничество за 14 дней до конверсии, будут иметь меньшую сокровище, чем те, с которыми пользователи взаимодействовали во время акции.

Потому, что эта модель включает применение данных, привязанных ко времени, расчеты тут приводиться не будут. Но, если вы желаете посчитать конверсии по данной схеме, то это возможно сделать так же, как проводился подсчет в линейной модели, легко вместо однообразного значения необходимо присваивать величины на базе того, как точка соприкосновения была близка к продаже.

Просматривайте кроме этого: В чем содержится важность предиктивной аналитики?

Позиционная модель

Позиционная модель (The Position Based Model) кроме этого весьма близка к Time Decay и линейной, за исключением того, что вы присваиваете большое значение определенным позициям в точках соприкосновения. К примеру, модель внизу демонстрирует, что первая и последняя точки соприкосновения внесли в общем 70%-ный вклад в конверсию. Оставшиеся 30% равномерно распределены между остальными touch points.

Кастомизированная модель

Как и предполагает наименование, кастомизированные модели (The Customised Models) распределяют значения каналов в зависимости от ваших собственных оценок важности для конверсии.

Аналитика Гугл разрешает настраивать кастомизированные модели посредством несложного UI. Как видно из скриншота ниже вы имеете возможность выбрать исходную модель, а после этого отредактировать процентное соотношение в соответствии с тем, что, по вашему точке зрения, наилучшим образом характеризует ваш бизнес.

Просматривайте кроме этого: В чем отличие между Гугл Analytics и другими совокупностями аналитики?

Какую направляться выбрать?

Существует пара ответственных моментов, на каковые направляться обратить внимание при выборе атрибутивной модели. Ни одна компания не похожа на другую, и все преследуют собственные цели, исходя из этого обдумайте следующее:

  • Что для вас более полезно — подписка на продукт, квалифицированные лиды либо продажа как таковая? В случае если это флеш-распродажа, то направляться выбрать линейную либо временную модель.
  • Какое количество вашего трафика приходит органически? В случае если большинство визитёров приходит через поиск, но наряду с этим не берёт товары, тогда вам нужна модель первого сотрудничества.
  • Какова средняя длительность жизненного цикла клиента (Lifetime Value, LTV) вашего клиента?
  • какое количество времени необходимо в среднем для завершения сделки с каждым клиентом?
  • Платит ли ваш потребитель за подписку каждый месяц либо вносит плату единовременно? В случае если речь заходит о бизнесе с возобновляемое подпиской, то, быть может, вам нужна более долговременная стратегия удержания клиентов.

Отчетная и аналитическая части рекламных кампаний продолжительное время игнорировались маркетологами. С возникновением новых рекламных сетей стало легче проводить кампании на их платформах, но в то время, когда дело доходит до проведения анализа эффективности акций, то становится весьма проблематично разобраться в предоставляемых данных. Большая часть из инструментов экспортировать данные в громадные Excel-таблицы, подразумевающие, что создатели рекламы будут проводить часы, разбираясь в них.

Нам всем как маркетологам нужна тесная интеграция источников данных по рекламе с аналитическими платформами. Несложной расшифровки пользовательского поведения при клике на рекламу с целью взглянуть продукт уже не хватает. Сейчас мы нуждаемся в комплексных способах понимания рекламных кампаний.

Исходя из этого ищите свободных партнеров, поставляющих метрики как для десктопных предположений, так и для мобильных приложений.

Делайте бизнес на базе данных!

По данным adalyz.com

Случайные статьи:

Cubo Возможности мультиканального продвижения,или Как получить больше клиентов, Мария Мосякова


Подборка похожих статей:

riasevastopol

More Posts