В анализе пути конверсии есть две сложности:
- единственно верной, самой лучшей и эффективной модели атрибуции не существует;
- часть ценных данных всегда остаётся за пределами анализа: одни данные мы по разным причинам игнорируем, о других даже не подозреваем.
При этом неверный выбор модели и неполный охват данных приводят к ошибочным инвестициям в рекламу, снижению эффективности кампаний и, как следствие, к упущенной прибыли.
Как избежать этой ошибки? Для начала стоит понять, что пути к конверсии не всегда бывают короткими и прямыми. Они включают множество взаимодействий, которые прямо или косвенно влияют на принятие решения.
Затем нужно перестать оценивать все кампании по одной стандартной модели атрибуции, не учитывая роль рекламного канала. В классическом маркетинге принято считать, что первый клик отвечает за привлечение клиента, а последний за конверсию. Поэтому последний клик часто кажется более важным.
Такой подход почти всегда приводит к переоценке одного канала. Необъективное распределение ценности создаёт иллюзию бесполезности других важных источников, которые участвовали в конверсии.
Последний клик не универсаленПочему? Попробуем разобраться. Клиент не появляется из ниоткуда непосредственно перед тем самым единственно важным последним кликом. Его выбору предшествует конкретная и, что важно, доступная для современных аналитических систем история. В ней могут быть показ рекламы в поисковой выдаче, кампании в социальных сетях и другие взаимодействия, формирующие путь покупателя.
Например, вы продаёте одежду. Человек, не знакомый с вашим брендом, вводит в поиске запрос «шерстяной свитер», видит ваше рекламное объявление и переходит на сайт. Позже он возвращается в поиск уже с запросом «шерстяной свитер» и названием вашего бренда, кликает по брендовому объявлению и совершает покупку.
Что в таком случае покажет атрибуция по последнему клику? Она отразит эффективность и вклад брендового контекста, но проигнорирует все предыдущие касания этого покупателя. Более того, такая односторонняя атрибуция покажет низкую эффективность кампании, с которой начался путь, и подтолкнёт вас к сокращению затрат только на основании одного критерия.
Получается, что данные из разных источников способны дать полную картину пути к конверсии, а слабым звеном в цепочке принятия решений становится выбранная модель атрибуции.
В идеале для снижения рисков используют мультиканальную атрибуцию ADC (Across Digital Channels), которая учитывает все цифровые источники, участвовавшие в конкретной конверсии. Но и она бесполезна без правильного распределения ценности между маркетинговыми каналами. Это отдельная задача, которая требует специальных аналитических систем и соответствующих компетенций внутри компании или у привлечённых специалистов. Поэтому как минимум стоит пользоваться инструментами сравнения моделей атрибуции.
На чём строить эффективный анализКакие бы инструменты вы ни использовали, самым важным остаётся понимание ценности каждого канала при ответе на два вопроса:
- Какие источники приводят новых клиентов?
- Какие источники конвертируют их в покупателей?
Первый вопрос особенно важен. Без источников, привлекающих новых клиентов, маркетинговые инвестиции замыкаются исключительно на уже лояльной аудитории.
Самое простое решение состоит в том, чтобы начать с анализа эффективности первого клика. Вместе с ним стоит исследовать стоимость заказа по первому клику, то есть CPO (cost per order).
CPO первого клика для источника трафика представляет собой отношение маркетинговых инвестиций в этот источник к количеству заказов, в пути конверсии которых он был первым кликом.
CPO первого клика источника трафика = маркетинговые инвестиции в источник, руб. / количество заказов по первому клику, ед.Для тех, кто сомневается в пользе такого анализа, проведём аналогию со свадьбой.
Представьте, что завтра вы женитесь. Назовём это конверсией. Многие люди приняли участие в том, чтобы этот долгожданный счастливый финал состоялся. Но если вас попросят назвать человека, чей вклад оказался самым важным, кого вы выберете:
- друга Виктора, который помогает с организацией свадьбы и закупает шампанское;
- подругу Александру, которая познакомила вас на своём дне рождения?
Очевидно, что без Александры ваши отношения и последующий брак вряд ли состоялись бы. В нашем примере Александра представляет первый клик, то есть начало отношений, а Виктор последний платный клик, который помогает завершить путь.
Как оценивать результатыУ источников, генерирующих первый клик, есть характерная особенность: по модели первого клика они приносят значительно больше заказов, чем по модели последнего клика. При этом доля новых клиентов у них часто выше, чем в среднем по сайту. Такие источники логично рассматривать как каналы привлечения новых клиентов, а их эффективность оценивать на основе заказов первого клика и CPO первого клика.
Ниже приведён пример сравнения показателей по первому и последнему клику на основе реальных данных.
Если анализировать только общие расходы и сгенерированные заказы по модели последнего клика, медийная реклама в VK Ads выглядела бы абсолютно нерентабельной. Однако анализ по первому клику заметно меняет картину. CPO первого клика у медийных размещений VK Ads на 45% ниже, а заказов первого клика на 83% больше. При этом источник генерирует 71% новых клиентов, что на 43% выше среднего значения по всем источникам.
Анализ источников, которые закрывают путь конверсии, нужно проводить на основе заказов по последнему платному клику и CPO последнего платного клика.
В результате такого подхода вы:
- перестанете использовать атрибуцию по последнему клику для оценки источников, которые привлекают будущих новых клиентов, и не будете считать их неэффективными только потому, что они не завершают путь к покупке;
- сможете избежать неверных решений, основанных на слишком пристальном анализе только последнего этапа конверсии;
- поддержите рост продаж, сохраняя ключевые источники привлечения новых клиентов.
Отчёты по атрибуции TrackAd позволяет провести всесторонний анализ участия источников в пути к заказу, а также оценить их полезный бюджет, то есть бюджет, инвестированный в получение заказов.