Путь клиента включает в себя множество взаимодействий между клиентом и продавцом или поставщиком услуг.
Мы называем каждое взаимодействие на пути клиента точкой соприкосновения.
По данным Salesforce.com, в среднем требуется от шести до восьми прикосновений, чтобы создать лида в сфере B2B.
Количество точек соприкосновения еще выше для покупки клиента.
Мультисенсорная атрибуция — это механизм оценки вклада каждой точки соприкосновения в конверсию и присвоения соответствующих кредитов каждой точке соприкосновения, участвующей в пути клиента.
Проведение мультисенсорного атрибуционного анализа может помочь маркетологам понять путь клиента и определить возможности для дальнейшей оптимизации путей конверсии.
В этой статье вы познакомитесь с основами мультисенсорной атрибуции и шагами по проведению мультисенсорного анализа атрибуции с помощью легкодоступных инструментов.
На что обратить внимание перед проведением анализа мультисенсорной атрибуции
Определите бизнес-цель
Чего вы хотите добиться от анализа мультисенсорной атрибуции?
Вы хотите оценить окупаемость инвестиций (ROI) определенного маркетингового канала, понять путь вашего клиента или определить важные страницы на вашем веб-сайте для A/B-тестирования?
Различные бизнес-цели могут потребовать различных подходов к анализу атрибуции.
Определение того, чего вы хотите достичь с самого начала, поможет вам быстрее получить результаты.
Определить конверсию
Конверсия — это желаемое действие, которое вы хотите, чтобы ваши клиенты совершили.
Для сайтов электронной коммерции это обычно покупка, определяемая событием завершения заказа.
Для других отраслей это может быть регистрация учетной записи или подписка.
Различные типы конверсии, вероятно, имеют разные пути конверсии.
Если вы хотите выполнить мультисенсорную атрибуцию для нескольких желаемых действий, я бы рекомендовал разделить их на разные анализы, чтобы избежать путаницы.
Определить точку касания
Точкой соприкосновения может быть любое взаимодействие между вашим брендом и вашими клиентами.
Если вы впервые проводите мультисенсорный анализ атрибуции, я бы рекомендовал определить его как посещение вашего веб-сайта с определенного маркетингового канала. Атрибуцию на основе каналов легко проводить, и она может дать вам представление о пути клиента.
Если вы хотите понять, как ваши клиенты взаимодействуют с вашим веб-сайтом, я бы рекомендовал определить точки взаимодействия на основе просмотров страниц на вашем веб-сайте.
Если вы хотите включить взаимодействия за пределами веб-сайта, такие как установка мобильного приложения, открытие электронной почты или взаимодействие в социальных сетях, вы можете включить эти события в определение точки взаимодействия, если у вас есть данные.
Независимо от определения вашей точки соприкосновения, механизм атрибуции одинаков. Чем точнее определены точки соприкосновения, тем более подробным будет анализ атрибуции.
В этом руководстве мы сосредоточимся на атрибуции на основе каналов и просмотров страниц.
Вы узнаете, как использовать Google Analytics и другой инструмент с открытым исходным кодом для проведения такого анализа атрибуции.
Введение в мультисенсорные модели атрибуции
Способы начисления точек соприкосновения за их вклад в конверсию называются моделями атрибуции.
Простейшая модель атрибуции заключается в том, чтобы отдать должное либо первой точке взаимодействия, которая изначально привлекла клиента, либо последней точке взаимодействия, которая привела к конверсии.
Эти две модели называются моделью атрибуции первого касания и моделью атрибуции последнего касания соответственно.
Очевидно, что ни модель атрибуции первого касания, ни модель атрибуции последнего касания не являются «справедливыми» по отношению к остальным точкам касания.
Тогда как насчет того, чтобы равномерно распределить кредит по всем точкам взаимодействия, участвующим в конверсии клиента? Звучит разумно — и именно так работает модель линейной атрибуции.
Однако равномерное распределение заслуг по всем точкам соприкосновения предполагает, что точки соприкосновения одинаково важны, что также не кажется «справедливым».
Некоторые утверждают, что точки соприкосновения ближе к концу пути конверсии более важны, в то время как другие придерживаются противоположного мнения. В результате у нас есть модель атрибуции на основе позиции, которая позволяет маркетологам придавать разный вес точкам взаимодействия в зависимости от их местоположения на путях конверсии.
Все упомянутые выше модели относятся к категории эвристических или основанных на правилах моделей атрибуции.
В дополнение к эвристическим моделям у нас есть еще одна категория моделей, называемая атрибуцией на основе данных, которая теперь является моделью по умолчанию, используемой в Google Analytics.
Что такое атрибуция на основе данных?
Чем атрибуция на основе данных отличается от эвристических моделей атрибуции?
Вот некоторые основные отличия:
- В эвристической модели правило атрибуции предопределено. Независимо от модели «первое касание», «последнее касание», линейной или позиционной модели правила атрибуции устанавливаются заранее, а затем применяются к данным. В модели атрибуции на основе данных правило атрибуции создается на основе исторических данных, поэтому оно уникально для каждого сценария.
- Эвристическая модель рассматривает только пути, ведущие к конверсии, и игнорирует пути, не ведущие к конверсии. Модель, управляемая данными, использует данные как из конвертирующих, так и из неконверсионных путей.
- Эвристическая модель приписывает конверсии каналу в зависимости от того, сколько касаний имеет точка касания в соответствии с правилами атрибуции. В модели, управляемой данными, атрибуция производится на основе эффекта касаний каждой точки касания.
Как оценить эффект точки касания
Распространенный алгоритм, используемый атрибуцией на основе данных, называется цепью Маркова. В основе алгоритма цепи Маркова лежит концепция, называемая эффектом удаления.
Эффект удаления, как следует из названия, влияет на коэффициент конверсии, когда точка касания удаляется из данных пути.
В этой статье мы не будем вдаваться в математические детали алгоритма цепи Маркова.
Ниже приведен пример, иллюстрирующий, как алгоритм связывает конверсию с каждой точкой взаимодействия.
Эффект удаления
Предположим, у нас есть сценарий, в котором есть 100 конверсий от 1000 посетителей, пришедших на веб-сайт по 3 каналам, каналам A, B и C. В этом случае коэффициент конверсии составляет 10%.
Интуитивно понятно, что если определенный канал удаляется из путей конверсии, пути, связанные с этим конкретным каналом, будут «отрезаны» и в целом завершатся с меньшим количеством конверсий.
Если коэффициент конверсии снижается до 5 %, 2 % и 1 %, когда каналы A, B и C удаляются из данных соответственно, мы можем рассчитать эффект удаления как процентное снижение коэффициента конверсии, когда конкретный канал удаляется по формуле:
Изображение от автора, ноябрь 2022 г. Затем, последний шаг — приписывание конверсий каждому каналу на основе доли Эффекта удаления каждого канала. Вот результат атрибуции:
| Канал | Эффект удаления | Доля эффекта удаления | Конверсии с атрибуцией |
| А | 1 – (5% / 10%) = 0.5 | 0.5 / (0.5 + 0.8 + 0.9) = 0.23 | 100 * 0.23 = 23 |
| Б | 1 – (2% / 10%) = 0.8 | 0.8 / (0.5 + 0.8 + 0.9) = 0.36 | 100 * 0.36 = 36 |
| С | 1 – (1% / 10%) = 0.9 | 0.9 / (0.5 + 0.8 + 0.9) = 0.41 | 100 * 0.41 = 41 |
В двух словах, атрибуция на основе данных опирается не на количество или положение точек соприкосновения, а на влияние этих точек соприкосновения на конверсию как на основу атрибуции.
Мультисенсорная атрибуция с Google Analytics
Хватит теорий, давайте посмотрим, как мы можем использовать вездесущий Google Analytics для проведения мультисенсорного атрибуционного анализа.
Поскольку Google прекратит поддержку Universal Analytics (UA) с июля 2023 года, это руководство будет основано на Google Analytics 4 (GA4), и в качестве примера мы будем использовать демо-аккаунт Google Merchandise Store.
В GA4 отчеты об атрибуции находятся в разделе «Снимок рекламы», как показано ниже в меню навигации слева.
После перехода на страницу «Снимок рекламы» первым шагом является выбор подходящего события-конверсии.
GA4 по умолчанию включает все события конверсии в свои отчеты по атрибуции.
Чтобы избежать путаницы, я настоятельно рекомендую вам выбрать для анализа только одно событие-конверсию («покупка» в приведенном ниже примере).
Скриншот из GA4, ноябрь 2022 г. Понимание путей конверсии в GA4
В разделе «Атрибуция» на левой панели навигации вы можете открыть отчет «Пути конверсии».
Прокрутите вниз до таблицы путей конверсии, в которой показаны все пути, ведущие к конверсии.
В верхней части этой таблицы вы можете найти среднее количество дней и количество точек взаимодействия, которые привели к конверсиям.
Скриншот из GA4, ноябрь 2022 г. В этом примере вы можете видеть, что клиентам Google требуется в среднем почти 9 дней и 6 посещений, прежде чем совершить покупку в магазине товаров.
Найдите вклад каждого канала в GA4
Затем щелкните отчет «Все каналы» в разделе «Производительность» на левой панели навигации.
В этом отчете вы можете найти атрибутированные конверсии для каждого канала выбранного вами события конверсии — в данном случае «покупки».
Скриншот из GA4, ноябрь 2022 г. Теперь вы знаете, что органический поиск вместе с прямой и электронной почтой привел к большей части покупок в магазине товаров Google.
Изучите результаты различных моделей атрибуции в GA4
По умолчанию GA4 использует модель атрибуции на основе данных, чтобы определить, сколько кредитов получает каждый канал. Однако вы можете изучить, как различные модели атрибуции назначают кредиты для каждого канала.
Нажмите «Сравнение моделей» в разделе «Атрибуция» на левой панели навигации.
Например, сравнивая модель атрибуции на основе данных с моделью атрибуции по первому клику (она же «модель первого клика» на рисунке ниже), вы можете увидеть, что органический поиск приписывает больше конверсий по модели первого клика (735), чем по данным. модель с приводом (646,80).
С другой стороны, электронная почта имеет больше атрибутивных конверсий по модели атрибуции на основе данных (727,82), чем по модели первого клика (552).
Скриншот из GA4, ноябрь 2022 г. Данные говорят нам, что органический поиск играет важную роль в привлечении потенциальных клиентов в магазин, но ему нужна помощь других каналов для конвертации посетителей (т. е. для того, чтобы клиенты совершали реальные покупки).
С другой стороны, электронная почта по своей природе взаимодействует с посетителями, которые посещали сайт ранее, и помогает конвертировать вернувшихся посетителей, которые изначально пришли на сайт с других каналов.
Какая модель атрибуции лучше?
Распространенный вопрос, когда дело доходит до сравнения моделей атрибуции, заключается в том, какая модель атрибуции лучше. Я бы сказал, что это неправильный вопрос для маркетологов.
Правда в том, что ни одна модель не может быть абсолютно лучше других, поскольку каждая модель иллюстрирует один аспект пути клиента. Маркетологи должны использовать несколько моделей по своему усмотрению.
От атрибуции на основе каналов к атрибуции на основе просмотров страниц
Google Analytics прост в использовании, но он хорошо работает для атрибуции на основе каналов.
Если вы хотите лучше понять, как клиенты перемещаются по вашему веб-сайту перед конверсией и какие страницы влияют на их решения, вам необходимо провести анализ атрибуции просмотров страниц.
Хотя Google Analytics не поддерживает атрибуцию на основе просмотров страниц, вы можете использовать другие инструменты.
Недавно мы провели такой анализ атрибуции на основе просмотров страниц на веб-сайте AdRoll, и я был бы рад поделиться с вами шагами, которые мы прошли, и тем, что мы узнали.
Сбор данных о последовательности просмотров страниц
Первый и самый сложный шаг — это сбор данных о последовательности просмотров страниц каждым посетителем вашего сайта.
Большинство систем веб-аналитики записывают эти данные в той или иной форме. Если ваша аналитическая система не позволяет извлекать данные из пользовательского интерфейса, вам может потребоваться извлечь данные из базы данных системы.
Как и в случае с GA4, первым шагом является определение конверсии. При анализе атрибуции на основе просмотров страниц вам также необходимо определить страницы, которые являются частью процесса конверсии.
Например, для сайта электронной коммерции с онлайн-покупкой в качестве события конверсии страница корзины, страница выставления счетов и страница подтверждения заказа являются частью процесса конверсии, поскольку каждая конверсия проходит через эти страницы.
Вы должны исключить эти страницы из данных о просмотрах страниц, так как вам не нужен анализ атрибуции, чтобы сказать вам, что эти страницы важны для конверсии ваших клиентов.
Цель этого анализа — понять, какие страницы посещали ваши потенциальные клиенты до совершения конверсии и как они повлияли на решения клиентов.
Подготовьте свои данные для анализа атрибуции
Как только данные будут готовы, следующим шагом будет суммирование и преобразование ваших данных в следующий формат с четырьмя столбцами. Вот пример.
Скриншот от автора, ноябрь 2022 г. Столбец «Путь» показывает все последовательности просмотров страниц. Вы можете использовать любой уникальный идентификатор страницы, но я бы рекомендовал использовать URL-адрес или путь к странице, поскольку это позволяет анализировать результат по типам страниц с использованием структуры URL-адреса. «>» — это разделитель, используемый между страницами.
Столбец Total_Conversions показывает общее количество конверсий, к которым привел определенный путь просмотра страницы.
Столбец Total_Conversion_Value показывает общую денежную стоимость конверсий по определенному пути просмотра страницы. Этот столбец является необязательным и в основном применим к сайтам электронной коммерции.
Столбец Total_Null показывает общее количество случаев, когда определенный путь просмотра страницы не конвертировался.
Создайте свои модели атрибуции на уровне страницы
Для построения моделей атрибуции мы используем библиотеку с открытым исходным кодом под названием ChannelAttribution.
Хотя эта библиотека изначально создавалась для использования в языках программирования R и Python, авторы теперь предоставляют для нее бесплатное веб-приложение, так что мы можем использовать эту библиотеку без написания кода.
После входа в веб-приложение вы можете загрузить свои данные и начать создание моделей.
Для начинающих пользователей я бы рекомендовал нажать кнопку « Загрузить демонстрационные данные » для пробного запуска. Обязательно изучите конфигурацию параметров с демонстрационными данными.
Скриншот от автора, ноябрь 2022 г. Когда вы будете готовы, нажмите кнопку «Выполнить», чтобы создать модели.
После создания моделей вы будете перенаправлены на вкладку «Вывод», где отображаются результаты атрибуции из четырех различных моделей атрибуции — «первое касание», «последнее касание», линейная и модель на основе данных (цепочка Маркова).
Не забудьте загрузить данные результатов для дальнейшего анализа.
Для справки: хотя этот инструмент называется ChannelAttribution, он не ограничивается данными, относящимися к конкретному каналу.
Поскольку механизм моделирования атрибуции не зависит от типа предоставленных ему данных, он приписывает конверсии каналам, если предоставлены данные для конкретных каналов, и веб-страницам, если предоставлены данные о просмотрах страниц.
Проанализируйте свои данные атрибуции
Организация страниц в группы страниц
В зависимости от количества страниц на вашем веб-сайте может иметь смысл сначала анализировать данные атрибуции по группам страниц, а не по отдельным страницам.
Группа страниц может содержать от одной страницы до любого количества страниц, если это имеет для вас смысл.
Взяв в качестве примера веб-сайт AdRoll, у нас есть группа «Домашняя страница», которая содержит только домашнюю страницу, и группу «Блог», которая содержит все наши сообщения в блоге.
Для сайтов электронной коммерции вы также можете сгруппировать свои страницы по категориям продуктов.
Использование групп страниц вместо отдельных страниц позволяет маркетологам иметь обзор результатов атрибуции в разных частях веб-сайта. При необходимости вы всегда можете перейти от группы страниц к отдельным страницам.
Определите входы и выходы путей конверсии
После всей подготовки данных и построения модели давайте перейдем к самой интересной части – анализу.
Я бы посоветовал сначала определить страницы, с которых ваши потенциальные клиенты заходят на ваш сайт, и страницы, направляющие их к конверсии, изучив шаблоны моделей атрибуции первого и последнего касания.
Страницы с особенно высокими значениями атрибуции первого и последнего касания являются соответственно начальной и конечной точками путей конверсии. Это то, что я называю страницами шлюза.
Убедитесь, что эти страницы оптимизированы для конверсии.
Имейте в виду, что этот тип страницы шлюза может иметь не очень большой объем трафика.
Например, как платформа SaaS, страница с ценами AdRoll не имеет большого объема трафика по сравнению с некоторыми другими страницами на веб-сайте, но это страница, которую посетили многие посетители, прежде чем совершить конверсию.
Найдите другие страницы, которые сильно влияют на решения клиентов
Следующим шагом после страниц шлюза является выяснение того, какие другие страницы имеют большое влияние на решения ваших клиентов.
Для этого анализа мы ищем страницы без шлюза с высокой ценностью атрибуции в соответствии с моделями цепей Маркова.
Взяв в качестве примера группу страниц с описанием продукта на AdRoll.com, модель их значения атрибуции по четырем моделям (показанным ниже) показывает, что они имеют самое высокое значение атрибуции в модели цепи Маркова, за которой следует линейная модель.
Это указывает на то, что они посещаются в середине пути конверсии и играют важную роль в влиянии на решения клиентов.
Изображение от автора, ноябрь 2022 г. Эти типы страниц также являются первыми кандидатами на оптимизацию коэффициента конверсии (CRO).
Упростив их обнаружение посетителями вашего веб-сайта и убедив их содержание, вы повысите коэффициент конверсии.
Резюме
Мультисенсорная атрибуция позволяет компании понять вклад различных маркетинговых каналов и определить возможности для дальнейшей оптимизации путей конверсии.
Начните просто с Google Analytics для атрибуции на основе каналов. Затем изучите путь клиента к конверсии с помощью атрибуции на основе просмотров страниц.
Не беспокойтесь о выборе лучшей модели атрибуции.
Используйте несколько моделей атрибуции, поскольку каждая модель атрибуции отражает различные аспекты пути клиента.
Дополнительные ресурсы:
Рекомендуемое изображение: Черный лосось / Shutterstock
Подборка статей по SEO оптимизации сайта. Выбора стратегии продвижения. Продвижение сайта в поисковых системах и социальных сетях. Обучение востребованным профессиям в сфере IT. Настройка рекламных кампаний в интернет. Маркетинг. Анализ рынка. Полезные секреты проведения рекламных кампаний.
Специальная подборка для Вас