Как модели многоканальной атрибуции творят зло: разоблачаю мифы

  • Home
  • Google Analytics
  • Как модели многоканальной атрибуции творят зло: разоблачаю мифы

Выбор единственно верной модели атрибуции похож на выбор между сырым и солёным в надежде утолить жажду: сравнивать бессмысленно, результат — априори не тот, что нам нужен.

Ведь маркетологи и владельцы бизнеса хотят чего? Определить наименее и наиболее эффективные рекламные каналы, оперативно перераспределить бюджет (влить больше денег туда, куда “надо”, отключить то, что “не надо”) и пожинать плоды удачной аналитики в виде оптимизированного бюджета, дешёвых лидов и лёгких продаж. 

В попытке определить тот самый “золотой канал” маркетологи прибегают к моделям атрибуции в системах аналитики — по сути, правилу, по которому распределяется значимость рекламных каналов в цепочке конверсий. На сегодняшний день с лёгкостью можно насчитать свыше десятка таких моделей. Одни из них уходят в прошлое как неэффективные, другие — находятся на пике популярности. Однако мы в Smart Analytics Russiaу беждены, что любые, даже самые “прогрессивные” мультиканальные модели — зло. И маркетологи вынуждены выбирать наименьшее. Об этом сегодня порассуждаю в своей статье.

Почему популярные модели атрибуции не работают 

Что предлагают нам стандартные системы аналитики? Чаще всего — атрибуцию по первому и последнему клику, линейную модель, модель по уменьшению времени, модель по позициям. Коротко объясню почему они все неэффективны. 

  • Атрибуции по первому взаимодействию (The First Click Model) и по последнему взаимодействию (The Last Click Model) учитывают первый и последний канал соответственно, который привёл пользователя к нужной конверсии (регистрации, оформлению заказа, самой покупке).Очевидный недостаток — полностью выбрасываются из аналитики все остальные каналы трафика, которые также внесли свой вклад в привлечение, подогрев и созревание пользователя к нужному действию. Например, медийная реклама, как правило, в этом случае будет казаться совершенно неэффективной. Но на практике как только мы её отключим — количество конверсий по “хорошим” каналам существенно снизится.
  • Атрибуция по уменьшению времени (The Time Decay Model) подразумевает, что чем ближе канал находится к итоговой конверсии, тем выше его значение. Например, в цепочке Organic → Facebook → E-mail → Ads вес каналов будет пропорционально увеличиваться от поисковой выдачи к контекстной рекламе. Насколько это правильно? По сути, при таком подходе полностью нивелируется источник первого касания, но при этом предпринимается сомнительная попытка не обидеть остальные каналы цепочки. Успешно ли это? Конечно, нет. Во-первых, каналы, участвующие в более длинных, но эффективных цепочках, будут выглядеть хуже, чем такие же каналы в коротких цепочках. Во-вторых, важность первого или последнего касания сильно зависит от сферы конкретного бизнеса.
  • Модель по позициям (The Position Type Model) предлагает распределять веса в соответствии с позициями в цепочках. Например, отдавать максимальные веса первому и последнему источнику касания, а остальное равномерно разделять между прочими каналами взаимодействия. Например, в цепочке Organic → Facebook → E-mail → Ads условно по 40% веса будет отдано поисковой выдаче и контекстной рекламе и по 10% веса — Фейсбуку и рассылке. Процентное соотношение варьируется от количества звеньев в цепочке, но суть ясна. И если с первым и последним источником всё понятно — они априори “работают” согласно этой концепции, то как решить какой из оставшихся каналов помиловать, а какой — лишить финансирования? В этом случае, каналы трафика, являющиеся всегда только “подогревающими”, окажутся в разы хуже конверсионных каналов, и вам придется их отключить, разрушив таким образом всю цепочку.
  • Линейная модель — одна из самых популярных на сегодняшний день из-за своей универсальности и демократичности, потому как всем известно, что выкидывать каналы, участвовавшие в конверсионных цепочках — опасно. Возьмём ту же цепочку Organic → Facebook → E-mail → Ads. Согласно линейной модели атрибуции каждый из этих элементов имеет равный вес; каждый элемент имеет равное значение в доведении пользователя до конверсии. Казалось бы, как тут ошибиться? Очень просто. Посмотрите на 2 цепочки:
Как модели многоканальной атрибуции творят зло: разоблачаю мифы 1

Расходы и доходы у этих цепочек совершенно одинаковые, количество конверсий тоже очень похожее. Вот только одна в 5 раз длиннее другой. Если разделить всё “поровну”, получится, что важный ключевой канал в длинной цепочке будет выглядеть убыточным. Отключив его, мы лишим себя источника качественных лидов, которые приносили нам реальный доход.

Что мы имеем в сухом остатке? Системы аналитики тщетно пытаются изобрести всё более сложные, но по-прежнему не работающие модели атрибуции, аналитики строят и проверяют на их основе спонтанные гипотезы из серии “А что если мы уберём этот канал?” и сливают бюджеты на сплит-тестированиях и внезапных провалах эффективности.

Что же со всем этим делать? 

Сам подход к оптимизации омниканального маркетинга, основанный на моделировании атрибуции, требует полного переосмысления. Нельзя наобум выбрасывать второстепенные элементы из конверсионной маркетинговой цепочки. Умные маркетологи понимают это или интуитивно, или на основе опыта, когда отключение якобы “плохого” канала приводило к внезапному и сильному падению эффективности рекламы в целом.

Поэтому единственное, что можно сделать в этой ситуации — принять тот факт, что моделирование атрибуции изжило себя. Мы все нуждаемся в абсолютно новом подходе к оценке эффективности омниканального маркетинга. 

Источник: vc.ru

Грамотный разбор моделей атрибуции! Как я намучался с этим на прошлой работе…

Leave a Comment