Павел Корякин , 28 Августа 2019

Модели атрибуции в Google Analytics

В этой статье расскажем о нашем опыте использования моделей атрибуции в Google Analytics, простыми словами объясним, что это такое и зачем нужно.


Что это такое и зачем?

Для понимания модели атрибуции давайте рассмотрим поведение пользователя интернет-магазина от первого просмотра сайта до покупки.

Начнем с простых сценариев. Пользователь впервые зашел на сайт магазина с контекстной рекламы и выбрал товар, затем «ушел» почитать отзывы, на следующий день снова зашел на сайт уже из поисковика и оформил заказ. Допустим, что таких покупателей было всего два и они совершили две транзакции.

На схеме это выглядит так:
1.pngДругие двое пользователей пришли на сайт из вашей email-рассылки, но как и в первом случае, купили не сразу, а через несколько дней, так же вернувшись из поисковой системы:
2.pngСкорее всего, те четверо уже знали, чего хотят, поэтому быстро решились на покупку. Но есть и те, кто идет к покупке гораздо дольше и переходит на сайт с разных источников. Их путь выглядит так:
3.pngИли так:
4.pngТут сразу возникает вопрос: тогда к какому же источнику присваивать такие конверсии? Модель атрибуции как раз помогает в этом разобраться.

Модель атрибуции - принцип, на основе которого целевое действие присваивается тому или иному источнику трафика из последовательности взаимодействия пользователей.

Как вы, наверное, уже понимаете, вариантов таких последовательностей бесконечное количество, и последовательности могут быть очень длинными. Посмотреть их в своем проекте вы можете в Google Analytics, в разделе Конверсии>Многоканальные последовательности>Основные пути конверсии
5.png
Заметим, что длина последовательности не ограничивается по количеству взаимодействий, но ограничивается временем от последнего до первого взаимодействия (0-90 дней). Этот диапазон называется окно атрибуции
6.png
Кроме состава таких последовательностей, рекомендуем посмотреть еще пару отчетов с обобщенными данными.

Отчет «Длина последовательности» - показывает какое количество взаимодействий, которые пользователи совершают перед конверсией. Находится в Конверсии>Многоканальные последовательности>Длина последовательности. В первом столбце указано количество взаимодействий до покупки, далее по порядку: количество, сумма таких транзакций и их доля.
7.png
И еще один похожий отчет, но показывающий уже количество дней от первого визита до конверсии. Находится в Конверсии>Многоканальные последовательности>Время до конверсии.

8.png
Если по этим отчетам вы видите, что от первого визита до конверсии проходит меньше недели и всего 1-4 визита, то скорее всего ваша модель атрибуции достаточно проста, и сейчас вам не стоит углубляться в ее исследование.

Какие бывают модели атрибуции?

Существует несколько основных моделей атрибуции, которые предлагает Google Analytics. Представим, что у нас есть только одно покупка на 1000р, которая была сделана после вот такой последовательности взаимодействий:
9.png
Сравним на этом примере разных моделей.

Последний непрямой клик (last non-direct click)

Выручка при такой модели присваивается последнему непрямому взаимодействию.
10-2.png
Эта модель считается основной и используется во всех отчетах Google Analytics, поэтому ее еще называют стандартная атрибуция. На первый взгляд кажется, что раз пользователь пришел с бесплатного поиска, туда и нужно присвоить выручку, но это не так.

В нашем примере последним непрямым визитом стал «Переход» - это переход по прямой ссылке с другого сайта, например форума с отзывами. Если бы клиент не почитал отзывы, то, возможно, так и не решился бы на покупку, поэтому вполне логично, что Google присваивает выручку последнему непрямому клику.

Обратите внимание, что речь не просто о предпоследнем клике, а именно о последнем непрямом - это частая ошибка. На обоих примерах ниже конверсия будет присвоена поисковой рекламе.
11.png
12.png

Первый клик (first click)

Эта модель основана на такой логике: если бы не было первого взаимодействия, то не было бы всех последующих. В нашем примере при такой модели вся ценность будет присвоена бесплатному поиску.
13-2.png

По времени (time decay)

Ценность конверсии распределяется между каналами в зависимости от времени, которое прошло от конкретного взаимодействия до покупки. Наибольшая значимость отдается взаимодействиям, которые были ближе всего к покупке.
14-2.png

По позициям (position based)

По 40% ценности присваивается первому и последнему взаимодействию, как наиболее значимым, а оставшиеся 20% ценности распределяются между остальными взаимодействиями.
15-2.png

Пользовательская модель атрибуции (custom)

Изучив все модели, можно создать собственную, которая будет учитывать особенности вашего проекта. К примеру возьмем за основу модель «по времени», но зададим условие: «не присваивать конверсии прямому трафику», так как логично, что прямой вход на сайт через адресную строку не назовешь каналом влияющим на результат. Получим вот такую модель:
16-2.png

Подчеркнем еще раз, что стандартной считается модель последний непрямой клик, а это значит, что все отчеты в Google Analytics построены по ней, и изменить это нельзя. К тому же, кроме выручки, в соответствии с описанными моделями распределяется и количество конверсий или покупок. Сравнить атрибуции можно через специальный инструмент в разделе Конверсии>Атрибуции>Инструмент сравнения моделей атрибуции. Там вы можете построить вот такой отчет:

17.png

На этом теоретическая часть окончена, в следующей статье рассмотрим применение моделей атрибуции на примере реального кейса.

Подпишитесь на Facebook или Телеграмм, чтобы не пропустить новые статьи

Разделяешь наш подход? Вступай в команду!
Другие материалы по теме
Ошибка при внедрении автостратегий Яндекс ВИДЕО
Ошибка при внедрении автостратегий Яндекс
После успешного применения автоматической стратегии на небольшом проекте решили сделать то же на еще одном интернет-магазине, но допустили серьезную ошибку.
Перевод РСЯ на автоматические стратегии ВИДЕО
Перевод РСЯ на автоматические стратегии
Перевели РСЯ кампанию на автоматические стратегии. Рассказываем о нюансах настройки и даем свои рекомендации.
Как популярность бренда и уровень жизни влияют на конверсию интернет-магазина ВИДЕО
Как популярность бренда и уровень жизни влияют на конверсию интернет-магазина
На примере одного из наших клиентов показываем как популярность бренда и зарплаты в регионах влияют на конверсию сайта.
Визуализация данных Яндекс Директ в PBI HOWTO
Визуализация данных Яндекс Директ в PBI
В предыдущей статье мы рассказали как выгрузить данные из Яндекс Директ с помощью Python в CSV таблицу. Теперь построим на этих данных красивый и полезный отчет.
Интеграция клиента и агентства HOWTO
Интеграция клиента и агентства
В статье расскажем, как происходит интеграция клиента и агентства, и как выстраиваются коммуникации.
Выгрузка данных из API Яндекс Директ через Python HOWTO
Выгрузка данных из API Яндекс Директ через Python
Рассказываем как выгрузили 30 млн. строк данных для последующего анализа в Power BI.
читать наш блог

Оставьте заявку

После того, как вы оставите заявку: интервью ~15 минут → гостевые доступы для аудита ~15 минут → аудит в течении 2-х дней → согласование предложения → начало первой итерации. По нашему опыту реально начать что-то делать уже через 2-3 дня.

Менеджер проектов Александр
Александр

Менеджер проектов



Пишите на — info@1jam.ru , звоните в скайпе — jam.agency , или по телефону — 8 (800) 551-85-03