Рекомендуем посмотреть видео, так как некоторые аспекты там раскрыты более подробно.
Еще раз напомним: далеко не в каждом проекте имеет смысл углубляться в изучение атрибуций. Понять необходимость для себя можно с помощью отчета Google, который находится в разделе в Конверсии>Многоканальные последовательности>Длина последовательности.
В нашем примере там можно увидеть вот такую картину:
Только 30% покупок были совершены после 1-2 визитов на сайт, остальные 60% равномерно размазаны между последовательностями из трех и более взаимодействий. Это значит, что для нашего проекта будет полезно сравнить разные модели атрибуции и понять, какие каналы имеют большее влияние на выручку. Это подтверждается и простой логикой. Так как речь идет об интернет-магазине одежды, а выбрать подходящую по все параметрам вещь бывает очень сложно, то пользователи по несколько раз приходят на сайт для сравнения разных вариантов перед оформлением заказа.
В прошлой статье мы остановились на том, что сравнить атрибуции можно через специальный отчет в разделе Конверсии>Атрибуции>Инструмент сравнения моделей атрибуции. Там мы видим вот такую таблицу с результатами по каждому источнику:
Обратите внимание, что в верхней панели настроек указаны такие параметры:
Общие цифры по количеству конверсий и выручки могут отличаться от стандартных отчетов — это техническая особенность данного инструмента, сейчас углубляться в это не будем. Просто запомните, что этот инструмент предназначен именно для сравнения моделей атрибуции и выявления общих закономерностей, а не анализа истинного количества покупок и выручки.
Итак, сравниваем атрибуцию «по последнему непрямому» клику и «по первому взаимодействию».
В глаза бросается, что мы имеем большое количество конверсий, в которых первым взаимодействием был переход с электронной почты, или даже прямой вход на сайт через адресную строку.
Конечно же, это маловероятно, ведь почтовую рассылку получают только те, кто уже регистрировался или покупал на сайте раньше. Причина — окно атрибуции, выбранное на предыдущем шаге, равное 30 дням. Самый первый визит этих пользователей, в рамках 30 дней до покупки, был с почты, но не был «исторически» первым. Мы можем увеличить «окно» до максимальных 90 дней, но это не решит проблему. Это еще одно ограничение Google Analytics. Тем не менее, имеющихся данных вполне достаточно для анализа.
Так как нас интересует именно роль контекстной рекламы, давайте исключим последовательности, в которых отсутствовал платный трафик. Сделаем это с помощью инструмента «Сегменты конверсий». Переходим в соответствующий раздел и нажимаем «создать сегмент конверсии»
Создаем сегмент под названием «Любое взаимодействие с рекламой» с такими настройками
На словах выбранные настройки звучат так: «оставить в отчете только те конверсии, по пути к которым пользователь на любом шаге взаимодействовал с рекламой».
Итак, мы исключили конверсии, перед которыми не было взаимодействия с рекламой, и получили следующие цифры:
Из всех конверсий, перед которыми были взаимодействия с рекламой, только 46% Google присвоил непосредственно поисковой рекламе, а все остальные попали в другие каналы. Далее посмотрим глубже, что именно «лежит» в каждом из каналов и попробуем разобраться, насколько корректно конверсии распределяются по другим источникам в нашем проекте, ведь контекстная реклама была в каждой последовательности.
Провалимся в канал «Электронная почта» и сразу добавим к сравнению модель «Временной спад»
Внутри канала мы видим данные в более привычном разрезе «источник/канал». Начнем с «es_regular_newsletter» — это регулярная новостная рассылка. Количество конверсий по «последнему непрямому» и «первому взаимодействию» сопоставимо.
При этом мы помним, что новостная рассылка не может быть первым взаимодействием, но в отчете таких конверсий 217 — это из-за ограничения окна атрибуции, которое уже упоминали выше, так что не будем снова останавливаться на этом. Рекомендуем обращать внимание на источники/каналы, в которых количество конверсий по «стандартной модели» и «первому клику» отличается более, чем на 20-30%.
В качестве еще одной модели атрибуции для сравнения мы добавили «временной спад». Так как в интернет-магазине одежды высокая степень пересечения всех каналов и длинный цикл принятия решения о покупке, конверсии могут быть сильно перемешаны и размазаны по всем каналам. В такой ситуации модель «временного спада» дает наиболее взвешенные и усредненные данные, а утверждение: «чем ближе канал был к покупке, тем выше его ценность», — звучит вполне обоснованно. Позже мы с вам построим собственную модель атрибуции именно на основе модели «временного спада».
Перейдем к рассмотрению следующей строки отчета «es_tg_abandoned_cart / Email» — это тоже рассылка, но уже с брошенными корзинами.
Естественно, что этот источник не мог быть первым, так как пользователь должен был откуда-то прийти до того, как бросил корзину. К тому же, если такой переход был последним, то не совсем правильно отдавать такую конверсию электронной почте, ведь без предшествующего визита пользователя этой покупки точно бы не произошло.
Возможно звучит сложно, поэтому попробуем объяснить более наглядно. Вот в этих 10 конверсиях «последним непрямым кликом» был переход из почты, поэтому конверсии присвоены ему:
Но без переходов из рекламы эти покупки не случились бы. Это значит, что мы смело можем перенести часть подобных конверсий в другие каналы. Так мы постепенно подбираемся к созданию собственной модели атрибуции.
В качестве «базы» для создания собственной модели мы возьмем «временной спад», чуть выше мы объясняли почему, поэтому повторяться не будем. Добавим новую модель:
Выбираем в качестве базовой модели временной спад и сразу переходим к последнему разделу настроек.
Первым делом осуществим то, что мы задумали в конце прошлого раздела: «заберем» у канала «электронная почта» конверсии, в которых последним взаимодействиям был переход по «письму с брошенной корзиной». Для этого добавим вот такое правило:
В итоге часть конверсий, вместо электронной почты, будет распределена по другим каналам.
Настоятельно рекомендуем проверять, какие последовательности будут переназначены, так как вероятность удалить что-то лишнее очень высока. Сделать такую проверку вы можете в отчете Конверсии>Многоканальные последовательности >Основные пути конверсии. Нужно вывести дополнительный параметр «Путь источник/канал»
Просто зрительно, или с помощью поиска по странице «Ctrl+F» просмотреть в каких последовательностях и на каком месте встречается выбранный «источник/канал».
Давайте рассмотрим еще один канал — «Бесплатный поиск». Можно подумать, какие к претензии могут быть к SEO, это ведь полноценный канал трафика? Сейчас расскажем, в чем нюанс.
Часто можно встретить сценарий, когда пользователь приходит на сайт с рекламы, но не покупает сразу, а возвращается за покупкой через какое-то время, при этом просто вбив в поисковик ваше название — «одежда.ру». Формально, такой заказ — заслуга поисковой системы, но в действительности поисковик стал просто удобным способом входа на сайт, ведь пользователь уже знал о вас.
В отличие от почты, поиск вполне может быть и первым каналом, а значит его нельзя обесценивать совсем. Как тогда быть?
Скорее всего, по брендовым запросам, типа «сайт одежда.ру», трафик идет на главную страницу. Значит по количеству переходов из поиска на главную страницу мы примерно посчитаем количество конверсий, в которых поиск был вспомогательным каналом, а в каких мог привести нового клиента.
Для этого провалимся в канал «Бесплатный поиск», и на вкладку «другое» выведем «url целевой страницы»:
В нашем примере (следующий скрин) мы видим, что большая часть конверсий с поиска произошла после перехода на главную страницу сайта. Косвенно, это означает, что эти переходы были по брендовым запросам. При этом в 50% случаев поиск был первым каналом, с которого пришел пользователь, запомните эту цифру.
Давайте добавим в нашу модель новое правило: «если переход с поиска был последним перед покупкой, то уменьшим его ценность на 50%».
Это правило распределит часть конверсий с поиска по другим источникам:
На этом пожалуй остановимся с подробными разборами каждого канала. Можно продолжить исследовать подобным образом каждый источник, но делать этого мы, конечно же, не будем, так как это займет большое количество времени. Сразу перейдем к выводам.
В данной статье мы попытались описать подход и показать «куда нажимать», чтобы вам сделать подобную работу на своем проекте. Подчеркнем, что не существует идеальной и универсальной модели атрибуции, каждый кейс абсолютно уникален.
Напомним, что в нашем проекте была цель: «оценить влияние контекстной рекламы на количество покупок и выручку». Главный вывод, который мы получили (см. скрин выше):
Количество продаж с контекстной рекламы может быть на 23% больше, чем мы привыкли считать, а выручка выше на 400 тыс., Карл!
При рентабельности в 30% и готовности тратить на рекламу 50% прибыли с канала, мы могли бы увеличить рекламный бюджет на 60 тысяч, чтобы привлечь еще больше новых клиентов.
Это особенно актуально, когда в условиях роста стоимости клика из-за конкуренции, вы уже уперлись в потолок окупаемости и думаете, что тратить больше становится невыгодно. Оказалось, что запас еще есть, можно нарастить охват в контекстной рекламе, а далее уже «докручивать» новых пользователей до покупки с помощью других более дешевых каналов, например email-рассылки и ретаргетинга.