Долог и тернист путь пользователя к покупке. Даже в e-commerce, который считается самым «шустрым», клиент может на протяжении нескольких месяцев, а то и лет, просто что-то слышать о компании, касаться рекламных и нерекламных материалов. Это информационное поле крайне важно учитывать в аналитике. На помощь приходят модели атрибуции – их существует несколько. В зависимости от бизнес-задачи вклад тех или иных касаний клиента можно оценивать по-разному. Рассказывает генеральный директор и соучредитель сервиса по сквозной аналитике Smartis.bi Игорь Балашов.
1. Вы запускаете новый бренд/объект, и ваша задача – привести как можно больше клиентов в пустую воронку. Значит, вам необходимо проанализировать похожие бренды или ранее накопленные данные в модели атрибуции «first click». Так вы поймете, какие каналы приводят первичных клиентов, которые покупают.
В модели атрибуции «Первое взаимодействие» вся ценность конверсии присваивается первому касанию клиента с вашей компанией.
2. Если все замечательно с продажами и вы нашли идеальное сочетание рекламных каналов, можете масштабировать результат на основе линейной (linear) модели атрибуции.
В линейной модели атрибуции каждое касание в многоканальной последовательности одинаково ценно: ценность каждого из них равна 1/N, где N – количество касаний каждой конкретной цепочки.
3. Вам надо распродать остатки. При этом текущей базы потенциальных клиентов явно хватит с учетом среднестатистической конверсии в сделку. Проанализировав источники в моделях «Обратный полураспад» или «Последнее непрямое взаимодействие», вы можете сэкономить на каналах, которые генерили вам в основном первичных клиентов.
В модели атрибуции «Обратный полураспад» ценность каждого касания равна 1/2^i, где i – количество недель до сделки. Это значит, что взаимодействие, произошедшее за семь дней до конверсии, в два раза менее ценно, чем зарегистрированное в один день с ней, а за две недели – в четыре.
В модели атрибуции «Последнее непрямое взаимодействие» вся ценность конверсии присваивается последнему касанию перед покупкой. Тут есть два очень скользких момента.
Первое – нельзя отсеивать нерекламные источники, они не попадают под термин «непрямое» – в противном случае вы убьете всю ценность работы PR-отдела, SMM, реферальных ссылок, SEO оптимизации и других обычно не отслеживаемых не рекламных каналов. Из-за переизбытка рекламных материалов в нашем мире доверие к нерекламным существенно выше, и они играют немаловажную роль на пути к сделке (те же отзывы например).
Второе – опасно выстраивать бизнес вокруг каналов, эффективных только в ластклике. Вряд ли касание с канала, по которому клиент просто уточнил адрес, является решающим в его намерении купить.
4. Если вам важно выявить каналы, которые поддержали первое знакомство клиента с вами, не дали ему забыть о вас – лучше использовать модель «Прямой полураспад».
В модели атрибуции «Прямой полураспад» ценность каждого касания равна 1/2^i где i – количество недель со дня первого касания клиента. Это значит, что взаимодействие, произошедшее через семь дней после знакомства, в два раза менее ценно, чем то, которое его привело, а через две недели – в четыре.
Анализировать звонки или абстрактные цели в веб-аналитике по моделям атрибуции может быть полезно, но опасно. Фактически вы можете не решить бизнес-задачи и приведете клиентов, которые хорошо звонят или долго сидят на сайте, но ничего не покупают.
Многоканальные последовательности и модели атрибуции раскрываются во всей красе, когда есть возможность увидеть ценность каждого рекламного материала на пути к сделке и к повторным покупкам. Даже в недвижимости это уже не редкость. Правильное применение разных моделей атрибуции для разных когорт клиентов и для разных целей бизнеса увеличивает рентабельность вложении в маркетинг кратно. Текущий рекорд среди наших клиентов – в 3,5 раза (застройщик в МО, эконом-класс).