что такое атрибуция в маркетинге
Как использовать данные атрибуции в маркетинге
Я встречал десятки, а то и сотни материалов о том, что такое атрибуция и зачем она нужна, какие бывают модели атрибуции, в чем преимущества и недостатки каждой из них. Но самый главный вопрос — как применять результаты атрибуции в маркетинге — авторы затрагивают как-то неохотно. В статье я постарался восполнить этот пробел.
Редкие пользователи совершают покупку после первого клика по объявлению или визита на сайт. Обычно перед конверсией клиент совершает несколько касаний с бизнесом через различные рекламные каналы. Атрибуция помогает оценить вклад в конверсию каждого канала и кампании, которые участвовали в цепочке.
Атрибуция — это распределение ценности от конверсии между кампаниями, с которыми взаимодействовал покупатель. А модель атрибуции — логика распределения этой ценности. Подробнее о том, какие бывают модели атрибуции, вы без проблем сможете нагуглить.
Скажем, модель Last Non-Direct Click, которая применяется по умолчанию в отчетах Google Analytics, недооценивает источники, которые предшествовали покупке. Чтобы узнать, какую ценность они недополучили, можно сравнить результаты расчетов атрибуции по последнему непрямому клику и, например, атрибуции на основе воронки.
Как использовать результаты, полученные при расчете атрибуции? Чтобы рекламные кампании работали слаженно, необходимо задать для них индивидуальные цели, которые учитывают сильные стороны каждой кампании и их взаимное влияние друг на друга. Не стоит оценивать display кампанию только по транзакциям, а email по привлеченным клиентам.
Например, можно скорректировать целевую стоимость конверсии для каждой кампании с помощью специального поправочного коэффициента. Этот коэффициент рассчитывается как отношение доходов, атрибутированных на рекламную кампанию по модели атрибуции на основе воронки и по модели Last Non-Direct Click.
В таблице выше вы видите поправочные коэффициенты кампаний в последнем столбце. Зеленым цветом помечены кампании, чей коэффициент больше единицы. Это значит, что при атрибуции по последнему непрямому клику эти кампании недополучают ценность. Такие кампании чаще других помогает пользователям пройти верхние этапы воронки, но за ними идет другая кампания, которая получает всю ценность конверсии.
Красным цветом отмечены кампании с коэффициентом меньше единицы. Это значит, что по атрибуции Last Non-Direct Click они переоцениваются. Например, канал Email получает всю ценность от конверсий и «не делится» с кампаниями, благодаря которым пользователь попал на сайт и оставил свой email.
Также с помощью эффективного перераспределения бюджета можно повысить ROI платных источников трафика при фиксированном показателе ДРР (доле рекламных расходов). Вот пример отчета, который показывает, как отличается ROI рекламных кампаний по разным моделям атрибуции:
Чтобы повысить эффективность отдела маркетинга, важно понимать, на каких этапах воронки есть просадки, и где именно нужно приложить больше усилий. Комплексной оценки рекламных кампаний недостаточно — нужно отдельно оценивать каждый этап воронки по модели AIDA.
Правильно настроенная алгоритмическая модель поможет узнать, как работает каждый из каналов на разных этапах воронки. Например, из графика видно, какие кампании почти не привлекают внимания пользователей, то есть не участвуют в первых двух шагах воронки:
Как правило, маркетологи используют один и тот же набор каналов для привлечения клиентов, независимо от того новые это клиенты или текущие. Кроме того, они не учитывают, по каким шагам воронки конкретный канал провел пользователя, чтобы он в итоге стал новым клиентом. Какие каналы двигают целевой тип когорт по воронке бизнеса.
1. Строим отчет, который покажет вклад каждой кампании в конкретный шаг воронки:
2. Определив охватные кампании, которые приносят больше всего ценности на первых шагах воронки (Awareness и Interest), сравниваем их эффективность в разрезе когорт новых и текущих клиентов.
Автоматически импортируем расходы из рекламных сервисов в Google BigQuery и распределяем их по сессиям. Благодаря этому можно узнать, сколько потратили на каждую сессию, и сгруппировать расходы и доходы по когортам пользователей:
3. Выяснив, какие каналы и кампании приносят больше всего транзакций от новых клиентов, можно распределить на них бюджет. При этом стоит учитывать емкость кампаний. Если это медийная реклама, то информацию о емкости каналов могут предоставить площадки, на которых она размещается. В случае с контекстной или таргетированной рекламой можно руководствоваться данными о доступном охвате аудитории.
Такой подход поможет сфокусироваться на кампаниях, помогающих расширить клиентскую базу при сохранении CPO.
При выборе модели атрибуции надо думать на несколько шагов вперед и обращать внимание, есть ли возможность интеграции сервиса аналитики и атрибуции с сервисами автоматизации управления ставками. Даже если на первых порах вы не планируете их использовать. Например, я знаю, что у атрибуции OWOX BI есть интеграции с Google Ads, K50 и Alytics. Это позволяет автоматически отправлять результаты расчетов атрибуции в эти сервисы, чтобы управлять ставками с учетом реальной эффективности вашей рекламы.
После настройки интеграции, результаты атрибуции будут автоматически загружаться в сервис управления ставками. Маркетолог сможет просматривать количество конверсий и доход согласно выбранной модели атрибуции и использовать эти данные в автоматических стратегиях по управлению ставками.
Не все модели атрибуции одинаково полезны. Для небольшого проекта с парой-тройкой рекламных каналов, скорее всего, стандартных моделей атрибуции от бесплатного Google Analytics будет достаточно. Но, если используется множество рекламных каналов и нужно знать их реальный вклад в продвижение пользователя по воронке, стоит обратить внимание на вероятностные модели атрибуции. Они помогут: увеличить доход, ROAS и ROI, не меняя рекламный бюджет; найти и устранить узкие места в воронке продаж; расширить клиентскую базу, сохранив при этом стоимость выкупленного заказа (CPO) и автоматически управлять ставками с учетом реальной эффективности рекламы.
Модель атрибуции: какая подойдет вашему бизнесу
специалист по медийной рекламе
Как понять, какой канал рекламы приводит клиентов, а какой лишь визиты на сайт? Объясняем, как оценивать влияние источников трафика в цепочке касаний с потенциальными покупателями, с помощью моделей атрибуции.
Путь от знакомства с товаром до принятия решения о покупке может включать в себя несколько взаимодействий с брендом. Например, сначала пользователь видит рекламу в Instagram, переходит на сайт подписывается на рассылку, но не покупает. Потом ещё дважды попадает на сайт с рекламы во ВКонтакте и наконец покупает товар только после рекламной интеграции у блогера.
Как оценивать влияние маркетинговых каналов в цепочке взаимодействия с потенциальными покупателями и какую модель атрибуции выбрать для своего бизнеса, расскажем в этом материале.
Что такое модель атрибуции
Модель атрибуции — это правило, по которому происходит распределение ценности между маркетинговыми каналами, участвовавшим в привлечении покупателя.
Модели атрибуции помогают маркетологу, определить, какие каналы или рекламные сообщения приводят к продажам и в какие стоит вкладывать бюджет, а от каких можно отказаться. По данным Google, принимая решение о покупке, пользователь может соприкоснуться с брендом 20-500 раз.
Подключить аналитику бесплатно
Попробуйте все возможности маркетинговой платформы Roistat в течение 14 дней бесплатно
Пример: пользователь увидел рекламу онлайн-курса в Instagram, заинтересовался и перешёл на сайт. Оплатить обучение он не был готов, поэтому подписался на бесплатную серию мастер-классов, чтобы ближе познакомиться с программой. После прохождения интенсива пользователь получил несколько рассылок с полезной информацией и статьями из блога онлайн-школы. Когда таргетированная реклама с предложением скидки снова «догнала» пользователя в соцсетях, он уже был готов к покупке и поэтому оплатил курс.
До покупки будущий клиент взаимодействовал с онлайн-школой несколько раз. Увидел рекламу курса, поучаствовал в мастер-классах, получил несколько рассылок, почитал статьи в блоге и, наконец, увидел рекламу с информацией о скидке. Все взаимодействия вместе привели к покупке курса, но какое было наиболее ценным с точки зрения продажи?
Зачем нужны модели атрибуции
Без использования модели атрибуции трудно определить, какие каналы трафика в цепочке привлечения клиента были важнее. Например, у источника трафика может быть низкая конверсия в заявки — поэтому компания решает отключить рекламу в этом канале. Но если отследить всю цепочку привлечения пользователей, компания увидит, что в этом канале трафика пользователь впервые взаимодействует с сайтом.
Правильно подобранная модель атрибуции поможет распределять рекламный бюджет — например, снижать расходы на каналы трафика, которые редко участвуют в привлечении клиента.
8 моделей атрибуции
1. Модель атрибуции «Первое взаимодействие» — First click
Первому касанию с клиентом присваивается 100% ценности в привлечении покупателя, остальные источники трафика (объяснили, что такое источник трафика, у нас в блоге) игнорируются. Например, клиент впервые зашёл на сайт по рекламе ВКонтакте, ознакомился с товарами, но ничего не купил. После этого пользователь увидел рекламу в поисковике, нашёл статью о товаре в СМИ и увидел рекламу у блогера до того, как совершил покупку. Но вся ценность отдана первому взаимодействию — рекламе ВКонтакте. Поскольку благодаря ей пользователь впервые услышал о бренде и продуктах.
Плюсы: атрибуция по первому взаимодействию полезна, когда цель компании повысить узнаваемость, а не продажи. Эта модель выделяет кампании, которые познакомили покупателя с брендом, независимо от результата.
Минусы: нет возможности определить, что повлияло на принятие решения о покупке. Маркетолог не может понять, было ли это первое знакомство с брендом или повторные касания, поскольку все остальные взаимодействия с пользователем игнорируются.
2. Модель атрибуции «Последнее взаимодействие» — Last Click
Все 100% ценности привлечения клиента присваиваются последнему касанию. Пользователь может несколько раз прочитать статьи бренда, увидеть рекламу в соцсетях, но купить товар после получения рассылки с предложением скидки. Маркетологи, которые ориентируются на показатели этой модели, понимают, у каких кампаний самая высокая конверсия в продажу.
Плюсы: модель атрибуции по последнему клику или переходу удобна для компаний, которые нацелены исключительно на привлечении покупателей и чьи бизнес-модели подразумевают быструю покупку. Например, продажа сезонной одежды в период скидок, продажа недорогих продуктов — сувениров, товаров первой необходимости и других.
Минусы: как и в случае атрибуции по первому взаимодействию, игнорируется влияние остальных источников трафика на пути клиента к покупке.
3. Модель атрибуции «Последнее платное взаимодействие» — Last Non-Direct Click
Все 100% ценности конверсии в покупку получает последний платный клик. Если пользователь ввёл в строку браузера прямую ссылку на сайт и совершил покупку, он скорее всего уже знаком с брендом.
Плюсы: модель по последнему платному клику игнорирует бесплатные источники трафика и позволяет сосредоточиться на платных. Поскольку, например, на прямые заходы на сайт бизнес не тратит рекламный бюджет.
Минусы: как и в случае атрибуции по последнему взаимодействию, учитывается только источник, после которого была совершена продажа, остальные игнорируются.
4. Модель атрибуции «Post-click конверсия»
В идеальной ситуации клиент переходит на сайт по рекламе или по ссылке в письме и после просмотра страницы оставляет заявку на покупку. В действительности между просмотром рекламы, переходом на сайт и покупкой может пройти некоторое время. После чего пользователь зайдёт на сайт напрямую или через поиск в Google или Яндекс.
Каждый бизнес должен закладывать разное время на принятие решения. Например, для принятия решения о покупке одежды или обуви, обсуждения всех вариантов, нужны 1-2 недели. На принятие решения о покупке квартиры уйдёт несколько месяцев.
Плюсы: модель Post-click учитывает то, что пользователю может быть нужно время на принятие решения. Например, это важно для бизнесов с высокой стоимостью продуктов или услуг — покупка машины, ремонт помещений и других.
Минусы: действия, направленные на повышение визуальной узнаваемости бренда, не учитываются. Например, в модели post-click нет возможности оценить вклад в решение о покупке медийных охватных рекламных кампаний, в которых пользователь видит рекламное объявление, но не кликает на него.
Попробуйте все возможности маркетинговой платформы Roistat в течение 14 дней бесплатно
5. Модель атрибуции «Post-View конверсия»
Post-View конверсия — действия, которые совершает потенциальный клиент после просмотра рекламы, например, ролика или баннера в соцсетях. Для отслеживания просмотров на рекламный баннер или лендинг добавляют pixel tag — невидимый тег для сбора статистики. Каждому увидевшему рекламу присваивается свой файл cookie, который помогает отследить дальнейшие действия пользователя.
Например, сначала спортсмен увидел рекламу смарт-часов в соцсети, но не стал заходить на сайт и покупать технику. Через неделю он всё-таки решил приобрести часы. Через поисковик пользователь зашёл на нужный сайт за покупкой. При использовании модели атрибуции Post-View результаты выдачи в поисковике и переходы с них на сайт будут оценены в рамках цепочки касаний, поскольку они участвовали в привлечении покупателя.
Плюсы: учитывается действие отложенного эффекта контакта с рекламными объявлениями, эффект узнаваемости бренда.
Минусы: пользователь может просмотреть рекламное объявление, когда читает статью на сайте компании, но не увидеть его. Что мы имеем в виду: не все, у кого, например, открыта статья в блоге на экране ноутбука, действительно читают её внимательно, внимательно просматривают все рекламные блоки.
6. Модель «Линейная атрибуция» — Linear model
Ценность всех взаимодействий в цепочке одинакова. Например, на пути к продаже было 4 касания, поэтому каждый маркетинговый канал получает 25% ценности. Если касаний было 10 — 10%.
Плюсы: в модели учитываются все взаимодействия с пользователем. Компания может отследить, какие маркетинговые каналы участвовали в привлечении продаж.
Минусы: каждое касание с клиентом получает одинаковую оценку. Линейная модель атрибуции не даёт понимания, в какие каналы стоит вкладывать больше денег, а какие не играют решающую роль в принятии клиентом решения о покупке. Например, в данной модели атрибуции клик по ссылке в описании аккаунта в Instagram будет равноценен переходу по рекламе, после которого клиент оставил заявку на расчёт стоимости услуги.
7. Time Decay — модель атрибуции с учётом давности взаимодействий
Распределяет ценность взаимодействий по нарастающей. Большая ценность у последнего касания, которое привело к покупке, меньшая — у первого касания. Например, пользователь познакомился с товаром, когда увидел рекламу в Facebook, дважды заходил на сайт по ссылкам в соцсетях компании и, наконец, купил продукт, после того, как увидел рекламу в поисковике. Первое взаимодействие получит 10% ценности, последнее — 40%.
Плюсы: модель учитывает значимость каждого взаимодействия, ведущего к продаже. Но наибольшую ценность представляет действие, которое фактически привело к конверсии. Более поздние касания, близкие к конверсии, более ценные, чем первые взаимодействия с клиентом, поскольку они увеличивают вероятность покупки.
Минусы: эта модель низко оценивает взаимодействие, которое познакомило клиента с товаром и брендом.
8. Модель атрибуции на основе позиции — U-Shape
Ценность конверсии распределяется между касаниями следующим образом: первое и последнее взаимодействие получают 40% ценности, оставшиеся 20% равномерно распределяются на все остальные источники трафика.
Например, пользователь узнал о товаре из рекламы в Telegram. Этот маркетинговый канал получает 40% ценности. Клиент купил товар после просмотра рекламы на YouTube. Этот канал трафика тоже получает 40% ценности. Остальные взаимодействия делят между собой 20% ценности.
Плюсы: каждое взаимодействие с клиентом учитывается. При этом наибольшая значимость присваивается каналу, который познакомил аудиторию с брендом, и маркетинговой кампании, которая в итоге подтолкнула клиента к покупке.
Минусы: приписывать много влияния первому и последнему взаимодействию может быть неверно. Некоторые взаимодействия в середине цепочки могут активнее продвигать пользователя по воронке продаж. Например, в момент, когда клиент хотел совершить покупку, на сайте не было нужного размера куртки. Пользователь нажимает «Уведомить о поступлении товара» и после получения письма о том, что нужный размер поступил в продажу, совершает покупку.
Модели атрибуции Google Analytics
В сервисе веб-аналитики можно использовать несколько атрибуций:
Настроить модель атрибуции в Google Analytics можно в личном кабинете:
1. Открываем слева меню — кликаем на кнопку «Администратор» — переходим в «Настройки атрибуции».
2. Выбираем атрибуцию для расчёта конверсии.
3. Смотрим отчёт по атрибуциям. Открываем раздел «Сводка о рекламе», выбираем «Сравнение моделей».
В чём недостатки моделей атрибуции в системах веб-аналитики
В системах веб-аналитики набор моделей атрибуции для оценки цепочек касаний ограничен двумя видами с небольшими вариациями. Как правило, последовательность касаний можно оценить либо по первому клику, либо по последнему.
Маркетологи чаще выбирают модель Last Click и оценивают конверсии только по ней. Это простая атрибуция, она есть во многих сервисах веб-аналитики. Например, эта модель атрибуции установлена как модель по умолчанию в Яндекс.Метрике.
Проблема в том, что при использовании модели атрибуции Last Click для оценки цепочки касаний маркетолог вынужден не брать во внимание другие взаимодействия пользователя с рекламой, кроме того объявления, с которого получен последний переход на сайт. Чтобы корректно оценивать эффективность рекламы, нужно использовать ту модель атрибуции, которая подходит именно вашему бизнесу.
Работать с разными моделями атрибуции умеет сквозная аналитика Roistat. Она объединяет данные с сайта, из CRM, коллтрекинга и сервисов настройки рекламы. С помощью сквозной аналитики можно проследить весь путь клиента — от клика по рекламе до целевого действия, учесть касания во всех каналах, которые вы использовали в цепочке.
Рассказали в статье всё о сквозной аналитике и поделились кейсами её внедрения.
Какие модели атрибуции есть в Roistat
В Roistat автоматически используется «Стандартная» модель атрибуции — большая ценность отдается последнему источнику трафика, который участвовал в цепочке привлечения клиента. Отличие от атрибуции по последнему взаимодействию: в «Стандартной» атрибуции Roistat отражены только заявки, полученные за выбранный период, а не заявки, у которых последнее взаимодействие с пользователем было в выбранный период. То есть заявка может быть получена позднее.
Клиенты Roistat могут выбрать атрибуцию по первому взаимодействию, по последнему взаимодействию, по последнему платному клику, по позиции касания, линейную атрибуцию и атрибуцию с учетом давности, либо настроить собственную модель атрибуции.
Собственную модель атрибуции в Roistat можно задать по шаблону U-Shape. В настройках необходимо задать значения ценности каждого касания с пользователем, которые подходят конкретному бизнесу.
Попробуйте все возможности маркетинговой платформы Roistat в течение 14 дней бесплатно
Для добавления своей модели атрибуции нужно зайти в настройки. Выбрать раздел «Экспериментальные». Найти поле для заполнения пользовательской модели и задать ценность источников. Например, чтобы первому визиту соответствовала ценность 20%, последнему — 40%, а оставшиеся 40% распределялись по остальным визитам в равных долях, нужно ввести значения: 0.2, 0.4, 0.4.
Можно также задать ценность второго и предпоследнего визита. Например, чтобы в первый маркетинговый канал имел ценность 30%, второй — 10%, предпоследний — 20%, последний — 20%, а все оставшиеся вместе — 20%, нужно ввести значения в таком порядке: 0.3, 0.1, 0.2, 0.2, 0.2.
В отчете инструмента «Аналитика» можно настроить показ рассчитанных по нескольким моделям атрибуции показателей. Например, выручку, прибыль, расходы, ROI и другие.
Преимущество моделей атрибуции Roistat — в мультиканальном анализе
Представим, что пользователь заходил на наш сайт 3 раза — с рекламы Facebook, Instagram и Google Ads. Атрибуция по первому клику покажет, что все 100% ценности конверсии принадлежит Facebook — именно он привёл пользователя. Last Click укажет на то, что это сделал Google Ads, а по линейной атрибуции — все три канала одинаково ценны.
Если не знаете, что важнее для вашего бизнеса — First Click или Last Click, изучите все модели атрибуции. В Roistat их можно добавить в один отчёт сервиса «Аналитика». Настройте показ метрик сразу по нескольким моделям атрибуции. Например, расчёт выручки, прибыли, расходов, ROI, по моделям атрибуции — U-Shape и последнему клику.
В Roistat можно смотреть, какие каналы не приносят прямые продажи, но конвертируют клики в заявки. За это отвечает мультиканальная аналитика.
Мультиканальная аналитика Roistat отслеживает все взаимодействия клиента с бизнесом и помогает понять, какие каналы участвуют в привлечении сделки, в какие стоит вкладывать больше бюджета, а какие стоит оптимизировать или отключить.
Модель атрибуции — какую выбрать бизнесу
Хотите получать уведомления о новых материалах Roistat? Подпишитесь на наш Telegram-канал.
Будьте в курсе новостей
Присоединяйтесь к нашему каналу в Telegram или подпишитесь по E-mail
Маркетинговая платформа сквозной аналитики,
привлечения трафика, повышения конверсии и лояльности
Что означает атрибуция в маркетинге
Соберите все данные для сквозной аналитики вместе с OWOX BI
Соберите все данные для сквозной аналитики вместе с OWOX BI
Согласно исследованиям Gartner более ⅔ рекламного бюджета сегодня приходится на онлайн каналы. Любая компания, вкладывая в свои рекламные кампании значительные бюджеты, подозревает, что далеко не все эти вложения прибыльны. Поэтому все чаще компании начинают задаваться вопросом: как увидеть и оценить эффективность вложений в онлайн и оффлайн маркетинг?
В нашей статье мы рассмотрим, что такое атрибуция, как она помогает компаниям, а также разберем типичные ошибки и сложности маркетологов и аналитиков в работе с атрибуцией.
Содержание
Запишитесь на демо, и мы на наглядных примерах покажем вам, как работает атрибуция в OWOX BI
Определение атрибуции в маркетинге
Модель атрибуции в веб-аналитике — это набор правил, которые определяют вклад каждого рекламного канала в продажи или другие целевые действия.
Другими словами, целью атрибуции является определение того, какие рекламные каналы и кампании оказали наибольшее влияние на принятие решения о покупке или о переходе на следующий шаг воронки.
Компании используют разные модели атрибуции, чтобы определить как, где и когда покупатель взаимодействует с брендом. Благодаря этим данным маркетологи изменяют и улучшают рекламные кампании, увеличивая показатели ROAS.
Примечание: согласно отчету Ad Roll за 2017 год — 4 из 5 компаний в таких регионах, как Европа, Северная Америка и Азия, используют атрибуцию в маркетинге, а 51% организаций считает атрибуцию самой важной частью маркетинга.
бонус для читателей
Сравнительная таблица с моделями атрибуциии
Почему стоит использовать атрибуцию?
В идеальном мире клиенты совершают покупки сразу же после первого просмотра рекламы. Однако в реальности все существенно сложнее. Например, один из возможных вариантов развития событий выглядит так:
Как же узнать, какой из каналов привел к покупке? Тут на помощь приходит атрибуция. Именно она поможет разобраться, как рекламные каналы повлияли на конверсию. Выбрав правильную модель атрибуции для вашей компании, вы увидите, как необходимо распределить рекламный бюджет для повышения ROAS. Соответственно, это поможет увеличить доход и уменьшить расходы.
Существующие модели атрибуции можно разделить по следующим категориям:
Примечание: о сравнении разных моделей атрибуции можно прочитать в нашей подробной статье.
Если вы хотите попробовать ML Funnel Based модель OWOX BI, которая распределяет ценность на основе влияния канала на движение пользователя по воронке, воспользуйтесь бесплатным 7-ми дневным пробным периодом.
Трудности при работе с атрибуцией
Согласно исследованиям Ad Roll — 59% компаний пробовали работать с атрибуцией, но из-за недостатка знаний прекратили ее использование. В реальности большинство маркетологов не имеют глубокого понимания атрибуции и испытывают сложности при работе с ней. В отчете Ad Roll также указывается, что 70% компаний затрудняются правильно использовать инсайты, полученные от данных атрибуции. И вот почему:
Более 35% компаний не могут корректно определить точки касания с клиентом. Для успешной атрибуции вам необходимо оценить все вовлеченные каналы. А с учетом омниканальности маркетинга довольно сложно контролировать каждый используемый канал.
Сложностей также добавляет тот факт, что один и тот же пользователь использует разные девайсы. С одной стороны — такая сеть соединенных устройств это новые горизонты возможностей для маркетологов. С другой стороны — как все это отслеживать?
К трудностям в работе с атрибуцией относятся еще и следующие:
Как видно, сложностей в применении атрибуции хватает. Однако, это не значит, что нужно отказываться от внедрения атрибуции, ведь с ней вы сможете вывести маркетинг на новый уровень.
Преимущества использования атрибуции
Несмотря на сложности в построении модели атрибуции, цель ее применения весьма проста — оценка эффективности рекламных каналов. Благодаря результатам этой оценки вы решаете насколько эффективно вы тратите свой рекламный бюджет.
Ключевые преимущества использования атрибуции:
Благодаря атрибуции вы можете увидеть ценность как от каналов, возвращающих постоянных клиентов, так и от каналов, которые приводят новых пользователей.
Чтобы избежать сложностей в работе с атрибуцией, нужно во-первых, исключить ручной труд из работы с данными. Автоматический импорт данных из рекламных источников сервиса OWOX BI Pipeline соберет всю информацию о ваших рекламных кампаниях, сведет все в единую базу и предоставит широкие возможности для последующего анализа. В частности, настроить точные отчеты, что поможет вам найти полезные инсайты для работы.
А во-вторых, если пользоваться услугами специализированных сервисов таких, как OWOX BI Attribution, то большей части проблем с внедрением атрибуции можно избежать.
Настройка продукта не требует от вас углубленных технических знаний, а модель ML Funnel Based от OWOX BI учитывает все точки контакта с клиентом. Модель атрибуции рассчитывается как на онлайн-, так и на оффлайн-данных из вашей CRM-системы.
Если вам нужно индивидуальное решение, то аналитики OWOX BI всегда рады помочь.