Модели атрибуции: как с их помощью проанализировать эффективность всех каналов взаимодействия

«Половина денег, которые уходят на рекламу, тратятся бессмысленно. Проблема в том, что я не знаю, какая половина».

Джон Уонамейкер, эксперт в области маркетинга

Джон Уонамейкер, признанный изобретатель ценника и известный специалист как в ритейле, так и в маркетинге, заявил: «Половина денег, которые уходят на рекламу, тратятся бессмысленно. Проблема в том, что я не знаю, какая именно половина».

Перенесемся на 100 лет вперед, и сегодняшний день не исключение. Сегодня, используя омниканальную коммуникацию, можно как получить больше возможностей для общения с клиентами, так и столкнуться со сложностями. 

Сейчас у клиентов стало больше выбора — они сидят в интернете с нескольких устройств, круглосуточно потребляют информацию, взаимодействуют с разными точками контакта как онлайн, так и офлайн.

Чтобы выяснить, насколько разрозненный путь клиентов, Google CEE и IPSOS провели исследование, в котором приняли участие 4200 посетителей, по четырем категориям продуктов и услуг, включая покупку ноутбуков, телевизоров, мобильных телефонов, одежды и обуви. И вот результат:

По этим данным видно, что покупки в интернете пользуются популярностью. Особенно, если на сайтах указано, что купить товары можно только онлайн. Но также есть вещи, которые люди привыкли покупать офлайн, например, мобильные телефоны и одежду. 

Больше всего людей проголосовало за варианты, где предлагаются как онлайн, так и офлайн покупки. Из этого можно сделать вывод, что более 80% покупателей большую часть продуктов сначала либо ищут онлайн, а затем покупают офлайн. Либо наоборот — сначала присматриваются к товарам в магазинах, а потом идут за покупками в интернет.

Поэтому выстраивать омниканальную коммуникацию очень важно грамотно: унифицировать ее, согласовывать по каждому клиентскому каналу. Не менее важно отслеживать и анализировать входящие омниканальные данные о клиентах, чтобы не работать так, как Уонамейкер. К счастью, сегодня у нас есть способы измерения эффективности каждой маркетинговой кампании. Лучшие кампании в будущем помогут добиться высоких продаж.

Такая тактика называется моделированием атрибуции. С ее помощью можно связать продажу клиенту и конкретный маркетинговый инструмент. И благодаря этому понять, как распорядиться будущими ресурсами, чтобы максимально улучшить рентабельность вложений. Существует несколько типов моделей атрибуции.

Чего же мы ждем? Давайте разберем их.

Пример для анализа моделей атрибуции

Чтобы каждое определение выглядело релевантным, давайте рассмотрим один из возможных путей клиента к покупке товара:

Карла кликает на объявление, которое вы разместили в социальных сетях, и попадает на ваш сайт. Она скроллит страницу и в результате подписывается на рассылку. На следующей неделе она получает одно из ваших писем, затем звонит в колл-центр и, прежде чем купить товар, она задает менеджерам несколько вопросов.

Как мы уже рассказывали ранее в статье «Как стимулировать лояльность клиентов с помощью омниканальной коммуникации», реальные решения омниканальной аналитики включают в себя как онлайн, так и офлайн каналы коммуникации. Поэтому мы пошли дальше и включили оба в наш пример. Давайте узнаем, как работает каждая модель атрибуции на примере работы с Карлой. И таким образом, нам удастся понять, чем же они отличаются друг от друга, когда анализируют многоканальное взаимодействие с клиентами.

Модели атрибуции: характеристики и сравнение

Атрибуция по одному взаимодействию (одноканальные модели)

Атрибуция по одному взаимодействию удобна тем, что в ней нет сложных вычислений и ее легко настроить при минимальных вложениях. Однако с ее помощью можно оценить только один канал взаимодействия.

Такой подход сильно упрощает омниканальный путь к покупке, поэтому может привести к серьезным заблуждениям. Несмотря на это, мы все равно расскажем об этой атрибуции, так как некоторые из моделей установлены по умолчанию (спасибо Google Analytics).

Атрибуция по первому клику

В клиентском пути в моделях атрибуции по первому клику более ценным является первое взаимодействие, независимо от того, напрямую ли повлияла эта кампания на покупку товара.

Пример омниканальной атрибуции. Если вернуться к истории с Карлой, она скорее доверится социальной рекламе. Причем неважно, была ли это «любовь с первого взгляда» или она долго присматривалась, но именно этот фактор считается наиболее важным. Кроме того, если бы Карла никогда не узнала о магазине, она бы никогда ничего там не купила, верно?

Плюсы такой модели. Такая модель атрибуции находится на вершине воронки продаж и помогает определить, какой контент привлекает больше новых клиентов. Однако «First-Touch» лучше использовать при коротких циклах продаж. Так можно быстро продвинуть маркетинговую кампанию и привлечь большую аудиторию. В результате у вас больше шансов опередить конкурентов, собрав весь первый трафик.

Минусы. Модель атрибуции по первому взаимодействию не анализирует остальные точки касания, которые и превращают посетителя в покупателя. Если относиться невнимательно к тому, что происходит в средней и нижней части воронки продаж, это может привести к снижению коэффициента конверсии.

Атрибуция по последнему клику

На другом конце спектра — модель атрибуции по последнему клику. И она на 100% «доверяет» только финальному взаимодействию перед покупкой. Таким образом показывая, как действительно работает конверсия и что это никак не зависит от узнаваемости компании.

Пример омниканальной атрибуции. Если рассматривать принцип работы этой модели, то в таком случае прямой переход Карлы на сайт — наиболее важный фактор. Так как это последнее прямое взаимодействие перед продажей. Неважно, сколько клиентов нашли компанию или где они «отвалились» на пути к покупке. Именно на этом шаге отслеживается решающий момент перед покупкой, поэтому атрибуция по последнему клику считается наиболее ценной.

Плюсы модели. Если цель компании — проследить путь к повышению конверсии, модель атрибуции по последнему взаимодействию покажет, как работает этот процесс и поможет получить больше прибыли.

Минусы. Исследуя только последнюю точку касания, мы снова игнорируем остальные точки контакта, которые приводят к покупке. А именно начальные этапы пути конверсии (и это даже не считая показов). В результате мы упускаем важную информацию о том, как клиент пришел к покупке.

Многоканальные модели атрибуции

Как описано Boston Consulting Group в книге «Как цифровые лидеры трансформируют маркетинг B2B», простота атрибуции по первому и последнему взаимодействию оставляет пробелы в анализе данных. Модели атрибуции, которые учитывают каждую точку контакта с рекламой, компенсируют этот пробел, помогая анализировать весь путь пользователей. Так как в большинстве многоканальных маркетинговых кампаний нельзя доверять только одному каналу.

Далее вы увидите, какими могут быть многоканальные модели и как это выглядит в отчетах.

Линейные модели атрибуции

Одна из простых моделей атрибуции с несколькими касаниями — линейная. Она присваивает равную ценность каждой точке взаимодействия. Если в вашей многоканальной статистике фиксируется несколько однотипных точек взаимодействия, например, прямые визиты на сайт, то каждый из них можно выделить как ценный. А также добавить, чтобы дальше следить, какое взаимодействие дает большую конверсию.

Пример омниканальной атрибуции. Вернемся к Карле. В линейной модели все четыре точки взаимодействия — социальная реклама, электронная почта, колл-центр и прямое посещение — станут равноценны. Так как все точки контакта помогали Карле решиться на покупку.

Плюсы модели. Такой подход считается наиболее целостным, так как не дает упустить ни одного этапа маркетинговой воронки. Как и в предыдущих моделях, все работает довольно просто. Но как только вам нужно рассчитать точность ROI, модель атрибуции обновится.

Минусы. Учитываются разные маркетинговые подходы. В результате, отслеживая повторяющиеся взаимодействия, есть риск упустить более эффективную точку контакта. А в многоканальной торговой среде не все точки взаимодействия равны. Так как только некоторые из них действительно убеждают клиентов купить продукт.

Модели атрибуции на основе позиции

Вместо того, чтобы одинаково оценивать каждую точку взаимодействия, модель атрибуции с привязкой к позиции присваивает по 40% первому и последнему каналу трафика, а остальные 20% равномерно распределяются между другими каналами.

Пример омниканальной атрибуции. Первое взаимодействие Карлы с социальной рекламой сделало ее клиентом компании, а последнее — прямой переход на сайт — закрепило сделку. Поэтому обеим каналам трафика модель атрибуции доверяет на 40%. Остальные точки контакта, электронная почта и колл-центр, получают по 10%.

Плюсы модели. Такой подход похож на комбинацию трех моделей атрибуции — линейную и с одним касанием. Это подталкивает к стратегии агрессивного роста, которая помогает привлекать новых клиентов и улучшать конверсию.

Минусы. К сожалению, используя модель атрибуции на основе позиции, вы снижаете ценность каждой промежуточной точки взаимодействия. В результате, если не мониторить действия в середине воронки, вы можете упустить ключевые факторы, которые влияют на конверсию.

Модели атрибуции с учетом давности взаимодействия

Такая модель атрибуции ориентируется на те точки взаимодействия, которые находятся ближе всего к покупке. Несмотря на то, что мы включаем несколько точек взаимодействия в путь клиента, предполагается, что чем ближе мы подходим к конверсии, тем больше она влияет на сделку.

Пример омниканальной атрибуции. Когда Карла покупает товар, платная реклама в социальных сетях получает определенную оценку, так как помогает познакомиться с компанией и продуктом. Электронная почта получает оценку чуть больше , так как появляется немного позже. Разговор в колл-центре — еще больше. А вот последняя точка взаимодействия — посещение магазина — ценится больше всего.

Плюсы модели. Она собирает все точки контакта на пути к покупке, подразумевая, что чем большую ценность мы отражаем, тем больше вероятность, что посетитель станет клиентом. Такой подход обычно приводит к повышению лояльности. А так как точки взаимодействия, находящиеся ближе всего к конверсии, ценятся гораздо выше, часто внимание и средства «уходят» в середину и конец воронки продаж. Таким образом, компании удается лучше заботиться о каждом клиенте, который планирует купить товар.

Минусы. При использовании этой модели атрибуции верхний уровень воронки продаж всегда будет недооценен, так как первая точка взаимодействия находится далеко от сделки. В результате вам не удастся в полной мере оценить то, насколько важна каждая точка контакта.

Модели атрибуции на основе данных

«Используя что-то кроме модели атрибуции на основе данных, вы многое упускаете. Она адаптивная, быстрая и гораздо лучше своих традиционных аналогов».

Люсия Храскова, консультант по клиентской аналитике в Exponea

Одна модель атрибуции помогает обойти все вышеописанные ограничения — и это модель атрибуции на основе данных. Она более продвинутая и беспристрастная, использует технические алгоритмы, чтобы проанализировать, какие именно каналы стимулируют продажи. По мере того, как алгоритмы корректируются со временем, вся ценность делится в зависимости от результатов, таким образом взвешенно оценивая каждый маркетинговый канал.

Пример омниканальной атрибуции. Подход Карлы, основанный на данных, показывает, что социальные сети в какой-то степени помогли закрыть сделку — реклама привлекла Карлу. Поэтому этот канал ценен на 20%. Электронная почта сработала еще лучше, так как благодаря ей Карла прошла по всем ссылкам и погрузилась в изучение деталей. Поэтому этот канал получает 40%. Колл-центр заслуживает 30%, так как обсуждения длились долго, Карла получила ответы на все свои вопросы и переговоры закончились успешно. Direct «забирает» оставшиеся 10%, так как его Карла использовала только для покупки товара.

Плюсы модели. Такой технический алгоритм можно настроить для ваших учетных записей и включить оценку конкретных ключевых слов, которые используются в маркетинговой кампании. Атрибуция на основе данных — одна из лучших моделей отслеживания, так как помогает избавиться от гипотез, быстро выявляет неэффективные каналы и стимулирует те, которые приносят деньги. Модель постоянно обновляется, а значит постоянно актуальна.

Минусы. Один из существенных недостатков — потребность в больших объемах качественных исторических данных. Это необходимо, чтобы алгоритм получал достаточно данных для всей модели и показывал наиболее точные результаты.

Достаточно ли у вас данных, чтобы использовать эту модель? Что будет, если все-таки недостаточно? Ниже мы представили удобную блок-схему, используя которую вы узнаете, какая модель атрибуции подходит вашей стратегии омниканальной аналитики.

Блок-схема: как выбрать правильную модель атрибуции

Мы уже определили, что при анализе многоканальной эффективности можно по-разному применять модели атрибуции. Однако в зависимости от цели компании они будут различаться.

Тем не менее, выбрав наиболее подходящий метод атрибуции, вы сможете лучше оценивать свои маркетинговые кампании и точнее определять те точки взаимодействия, которые работают эффективнее других. Вот краткая блок-схема, которая поможет вам сориентироваться:

Заключение

Любому маркетологу важно правильно рассчитывать рентабельность вложений в разные маркетинговые кампании. Важно быть уверенным в том, что каждое действие подталкивает клиента к покупке. А если что-то идет не так, маркетологи должны быстро понять, почему так происходит и вовремя переключиться на другие аспекты.

Решить эту проблему помогут модели атрибуции. Какую выбрать — зависит от отрасли и компании. Как показали все «за» и «против», необходимо принять тот факт, что результаты не могут быть точными на 100%. Сегодня модели атрибуции работают не идеально, но они совершенны настолько, насколько это возможно.

Тем не менее, чем чаще вы тестируете модели, тем активнее они обновляются. И только так возможно добиться желаемого результата: эффективности, подотчетности, прозрачности и обратной связи. Как говорится, каждая потраченная минута — это заработанный час. Поэтому, чтобы добиться успеха, действуйте со своей стратегией многоканальной аналитики.

Запланируйте демо и узнайте, как Exponea может помочь настроить лучшую омниканальную стратегию для вашего бизнеса. Кроме этого, мы сможем подобрать правильный аналитический подход, который повысит рентабельность вложений.