Новости компании Mobio

Выбор модели атрибуции трафика | Mobio

В предыдущей статье мы уже рассказывали, что такое атрибуция трафика, как происходит процесс отслеживания, и описали основные модели атрибуции. Но на практике при выборе модели атрибуции возникает ряд вопросов:

  • В каких случаях применяется та или иная модель?
  • Что делать, если выбранная модель работает плохо, и когда ее необходимо менять?
  • Для чего используют несколько моделей одновременно?

На все эти вопросы команда Mobio ответит в сегодняшней статье.

Почему важно правильно выбрать модель атрибуции?

При проведении любой рекламной кампании всегда стоит задача максимально достичь целей этой кампании при наиболее эффективном использовании бюджета. Для этого постоянно проводится анализ отчетов о рекламных кампаниях и на основе этого анализа принимаются решения: какие каналы или кампании можно масштабировать, какие лучше не трогать, а какие следует отключить.

Модель атрибуции трафика определяет принципы, по которым оценивается вклад каждого рекламного канала в привлечение пользователя, и, если она подобрана неверно, то и отчеты будут отображать искаженную информацию. Как следствие, какие-то каналы будут переоценены, а какие-то наоборот недооценены. Все это ведет к принятию ошибочных решений: масштабированию нерезультативных каналов и отключению успешных, а значит, снижению эффективности рекламных кампаний и потере денег.

Что влияет на выбор модели атрибуции?

Прежде чем перейти к конкретным рекомендациям, стоит рассмотреть, какие факторы в первую очередь влияют на выбор модели атрибуции.

  • Цикл сделки

От того, как долго пользователь принимает решение о покупке или установке приложения, зависит, какую модель атрибуции стоит применять.

Короткий цикл сделки подразумевает, что клиент совершает покупку или установку сразу после просмотра рекламы. Чаще всего это недорогие товары, простые игры и приложения. В этом случае лучше всего использовать атрибуцию по последнему клику.

Длинный цикл сделки характерен для дорогих покупок: крупная бытовая техника, автомобили, недвижимость, платные приложения или подписки. Чтобы склонить пользователя к покупке, как правило, используются разные рекламные каналы. Необходимо учесть все взаимодействия пользователя до совершения сделки и оценить влияние каждого канала. Для этого больше подходят мультисенсорные модели атрибуции.

  • Количество рекламных каналов

При использовании одного-двух рекламных каналов их эффективность довольно легко отследить. При увеличении количества рекламных каналов следует использовать более сложные модели атрибуции.

  • Цель рекламной кампании

Построение знания о бренде, продажа товаров, возврат пользователей в приложение — разные цели рекламных кампаний требуют использования разных моделей атрибуции трафика, ведь от выбранной модели зависит корректность настроек оптимизации. Так, например, для повышения узнаваемости бренда настраивается атрибуция по первому клику.

  • Особенности рекламных каналов

Одни рекламные каналы ориентированы на объявления, содержащие в себе четкий призыв к действию: совершению покупки, установке приложения. В других лучше работает нативная реклама, органично вписанная в контент и описывающая ценность продукта или бренда (например, TikTok). Соответственно, они оказывают разное влияние на пользователей, и отслеживать его следует с помощью разных моделей атрибуции.

Основные модели: для кого подходят, преимущества и недостатки

  • Атрибуция по последнему клику (Last click)

Вся ценность присваивается последнему источнику трафика, с которым взаимодействовал пользователь перед установкой приложения.
Для кого подходит. Стоит использовать, если цель рекламы — конверсия. Хорошо подходит для событий, решение о которых принимают быстро. А также в случаях, когда продукт или бренд хорошо знаком пользователю.

Недостатки. Недооценивается влияние других источников трафика на пути пользователя, поэтому плохо подходит для рекламных кампаний со сложной воронкой продаж и множеством рекламных каналов.

  • Атрибуция по первому клику (First click)

Учитывается только первое взаимодействие с рекламой.

Для кого подходит. Применяется в случае, когда цель рекламной кампании повышение узнаваемости бренда или известности приложения. Дает понимание какой канал приводит больше пользователей, которые в дальнейшем совершают целевое действие.

Недостатки. Как и прошлая модель, не учитывает влияние других источников трафика на принятие пользователем решения о покупке/установке. Не стоит использовать при длинном цикле сделки и большом количестве рекламных каналов.

  • Линейная атрибуция (Linear model)

Всем каналам в цепочке взаимодействий присваивается одинаковая ценность.

Для кого подходит. Применяется для продуктов с длинным циклом продаж, где важно каждое касание пользователя с продуктом. Помогает отследить все рекламные каналы, участвовавшие в сделке.

Недостатки. Не позволяет оценить, какую роль играет каждый канал в принятии решения пользователем и на каком этапе воронки продаж отрабатывает лучше всего.

  • Атрибуция на основе позиции (position-based)

Первая и последняя точки касания получают по 40% ценности, оставшиеся 20% распределяется равномерно между остальными.

Для кого подходит. Наиболее полная модель для мультиканальных рекламных кампаний. Предполагает, что первый канал, который познакомил с брендом или товаром, и последний, который привел к конверсии, имеют наибольшую ценность.

Недостатки. Не позволяет объективно оценить влияние промежуточных каналов, вследствие чего некоторые из них могут быть существенно недооценены.

  • Атрибуция временного распада (Time Decay)

Чем ближе рекламное взаимодействие к конверсии, тем большую ценность оно получает.

Для кого подходит. Учитывает все взаимодействия с пользователем. Помогает понять, какие каналы чаще приводят к конверсии.

Недостатки. Каналы, которые находятся в верхней части воронки, всегда будут недооцениваться.

  • Атрибуция на основе данных (Data-Driven)

Самая продвинутая и гибкая модель атрибуции. С помощью специальных алгоритмов оценивается эффективность каждого рекламного канала и его влияние на конверсию.

Для кого подходит. Благодаря возможности индивидуальной настройки алгоритмов, модель может использоваться всеми типами бизнеса с любыми циклами сделки и целями рекламных кампаний.

Недостатки. Для настройки этой модели атрибуции необходим большой объем накопленных данных.

Использование нескольких моделей атрибуции

В рекламных кампаниях с долгим циклом сделки, множеством источников трафика и сложной воронкой продаж использование одной модели атрибуции, как бы тщательно она не была подобрана, редко когда может отразить объективную картину происходящего. В результате отчеты о рекламной кампании будут содержать недостоверные данные, а решения, принятые на их основе, будут ошибочными.

Использование нескольких моделей атрибуции позволяет рассмотреть ситуацию с разных сторон, обнаружить, где происходит неверная оценка влияния каналов, тем самым нивелировать недостатки конкретных моделей атрибуции, получить более полные данные и провести грамотную оптимизацию рекламной кампании.

К тому же использование нескольких моделей атрибуции дает понимание о том, как рекламные каналы влияют друг на друга и какие их комбинации хорошо отрабатывают.

Когда нужно менять модель атрибуции?

Не стоит думать, что, подобрав один раз подходящую модель атрибуции, можно больше не возвращаться к этому вопросу. Меняется продукт, цели рекламной кампании, количество и комбинации каналов, поведение пользователей, прочие внутренние и внешние факторы, и выбранная вами модель, которая раньше хорошо работала, начинает сильно искажать действительность.

Как понять, что модель атрибуции пора менять?

  • Изменился любой из параметров, влияющих на выбор модели атрибуции.

  • Разница между фактической прибылью и суммарной прибылью, атрибутированной разным источникам трафика (Overlap), больше 15%. Эффект Overlap появляется при атрибутировании продажи сразу нескольким рекламным каналам и связан с проблемой инкрементальности (подробнее об этой проблеме читайте в одной из наших следующих статей).

  • Аномалии в показателях количества органических пользователей. Сильный необоснованный рост органики может означать, что не все пользователи атрибутируются своим источникам трафика.

  • Оптимизация, проведенная на основе данных, приводит к ухудшению работы каналов.

  • Изменения во внешней среде и поведении пользователей.
Важно понимать, что ни одна модель не сможет абсолютно точно описать путь каждого пользователя. И на самом деле, в этом нет необходимости — нам незачем отслеживать каждую тропинку, нам нужно увидеть дороги, по которым идет основная масса.
Чтобы найти наиболее подходящую вашему бизнесу модель атрибуции (или комбинацию нескольких моделей), нужно пробовать разные модели, наблюдать, анализировать и экспериментировать. Со временем приходит понимание основных закономерностей и взаимосвязей, после чего процесс выбора оптимальной модели проходит быстрее и эффективнее.

Специалисты Mobio неоднократно проходили этот путь с разными продуктами и сложными воронками продаж, знают особенности каждой модели атрибуции и могут быстро подобрать решение, которое будет наиболее точно описывать действительность и позволит получить максимальный эффект от рекламных кампаний.


Переходите в наш Telegram-канал и будьте в курсе всех digital-новостей.