События сегодня

Роль моделирования атрибуции в анализе пути клиента

Роль моделирования атрибуции в анализе пути клиента

С уходом Google спрос на пост-просмотр и атрибуцию резко возрос, и перед поставщиками технологий встала задача предложить рекламодателям жизнеспособную альтернативу, которая позволит им оптимизировать свои рекламные стратегии и эффективно распределять инвестиции в медиа. Эльвира Сафаева, Заместитель Генерального директора – Директор по информационным продуктам Веборама рассказал Sostav о разработке нового модуля аналитики Attribution Modeling & CJM Analytics и возможностях моделирования атрибуции для брендов.

В общении с пользователем задействовано множество каналов, поэтому брендам важно уметь анализировать все точки соприкосновения с клиентом, включая впечатления, и правильно оценивать вклад медиа-инвестиций в одноканальные и многоканальные цепочки. Мы в Weborama автоматизировали этот процесс в новом модуле атрибуции, который интегрирован в интерфейс нашей рекламной системы Weborama Campaign Manager. С его помощью мы можем увидеть весь путь пользователя, от показа рекламы до целевых действий на сайте бренда. Статистика обновляется в режиме реального времени, что позволяет рекламодателю и агентству оперативно принимать решения и оптимизировать сплиты, форматы и креативы.

Роль моделирования атрибуции в анализе пути клиента

Для построения атрибуции мы в первую очередь ориентируемся на модели, управляемые данными — цепи Маркова, вектор Шепли и модель на основе машинного обучения. В отличие от стандартных моделей, по которым мы также предоставляем аналитику, атрибуция на основе данных считается максимально объективной: оценка каждого канала основана на реальном вкладе и основана на алгоритмическом моделировании.

Модель Шепли основана на одной из концепций теории игр и оценивает индивидуальный вклад игроков (рекламных каналов) в выигрыш (конверсию) при различных комбинациях каналов. Особенность модели в том, что она не учитывает порядок касаний с каналами в цепочке, а оценивает общее влияние присутствия того или иного рекламного ресурса на конверсию. При изменении порядка значение каналов по вектору Шепли не изменится.



Марковская модель, напротив, учитывает порядок каналов в цепочке на заданном пути конверсии и вычисляет относительную важность каждой точки взаимодействия на основе ее удаления.

Модель на основе машинного обучения основана на методах машинного обучения, где каналы — это функции, а конверсия — цель. Эта модель учитывает все данные в совокупности, включая неконверсионные цепочки. На первом этапе модель обучается прогнозировать вероятность конверсии на основе частоты каналов в цепочке, а на втором этапе используются стандартные методы оценки признаков для оценки важности каждого канала.

В рамках интерактивной панели управления Weborama доступно большое количество отчетов и графиков, позволяющих анализировать эффективность каналов и разделения каналов. Рассмотрим основные из них ниже.

1. Наиболее эффективные цепочки и комбинации каналов

Роль моделирования атрибуции в анализе пути клиента

На этом графике показаны наиболее эффективные циклы взаимодействия с клиентом, которые привели к наибольшему количеству конверсий во всем сегменте медиа. Например, пользователь посмотрел видео, потом увидел баннер на одном ресурсе, потом на другом, а потом через контекст зашел на сайт.

Роль моделирования атрибуции в анализе пути клиента

Кроме того, можно посмотреть совместимость каналов: какие рекламные ресурсы хорошо коррелируют друг с другом и усиливают эффект, а какие достаточно автономны.

2. Эффект удаления

Роль моделирования атрибуции в анализе пути клиента

Отдельно выделим отчет об эффекте удаления, который показывает, как удаление канала из цепочки повлияет на конверсии. Например, при сбое видеообъявления (OLV) потеря конверсий достигнет 23%, ведь этот канал играет значительную роль в цепочках рекламодателя. Эта статистика важна при принятии решения о сокращении бюджета для конкретного канала.

3. Рекомендации для недооцененных и переоцененных каналов

Роль моделирования атрибуции в анализе пути клиента

Идеальная картина, к которой должен стремиться бренд с точки зрения распределения по каналам, — это оптимальный баланс между бюджетом и ценностью канала. На графике недооцененных и переоцененных каналов мы отображаем те каналы, которые имели высокую конверсию, но были обнаружены в небольшом количестве цепочек. Поскольку у них был небольшой объем показов, мы рекомендуем увеличить для них бюджет.

4. Эффективная частота и время покупки

Роль моделирования атрибуции в анализе пути клиента

Существует теория семи прикосновений, что клиенту нужно напомнить о себе в среднем семь раз, чтобы он совершил целевое действие. Однако на практике для разных брендов в разных сетях эффективная частота может сильно различаться. На этот показатель влияют используемые форматы рекламы, возможность выполнения различных каналов и другие факторы. Поэтому рекламодателям нужно не просто знать среднерыночный эталон частоты, а отображать его непосредственно для своего продукта, исходя из собственной статистики. То же самое касается и среднего времени покупки: нужно понимать, какое время оптимально для того или иного товара и предложения.

5. Когортный анализ

Роль моделирования атрибуции в анализе пути клиента

В рамках анализа Customer Journey важно смотреть на динамику конверсий в разрезе разных когорт охваченной аудитории. Бренды должны понимать, как пользователи из разных групп конвертируются с помощью одного и того же шаблона коммуникации на протяжении всей рекламной кампании. Когорты формируются в зависимости от времени (день/неделя) первого касания пользователя. Для каждой когорты модуль отображает информацию о конверсиях по дням и итоговый результат по когорте.

6. Анализ аудитории

Роль моделирования атрибуции в анализе пути клиента

Кроме того, у нас есть возможность отображать портрет аудитории, совершающей конверсии. Мы можем видеть главные интересы пользователей по каналам с анализом глубины интереса. Рекламодатель может использовать эти данные при формировании сегментов аудитории для повышения конверсии.

Моделирование атрибуции — один из важнейших базовых инструментов ежедневной работы digital-специалистов на стороне брендов и агентств. Наличие интерактивного дашборда дает возможность всегда иметь под рукой подробную статистику для анализа эффективности каналов, креативов, площадок и оперативного принятия решений по оптимизации рекламных мест размещения.


Самое время подумать о том, как прокачать себя и своих работников. Освоить новую профессию, повысить уровень квалификации, занять высокооплачиваемую должность. Вы сможете увеличить свою прибыль многократно. Все в Ваших руках!

Стать Digital профессионалом.

Блог статей о рекламной индустрии для специалистов SEO, SMM, маркетологов. Продвижение сайта. Обучение востребованным профессиям в сфере IT. Настройка рекламных кампаний в интернет. Маркетинг. Анализ рынка. Подпишитесь на нас в социальных сетях, что бы не пропустить важное.

Информация для Вас была полезна?
0
0
0
0
0
0
0

Похожие статьи

Кнопка «Наверх»