73% розничных потребителей используют несколько каналов для совершения покупок.
В среднем перед покупкой они совершают 9,5 визитов на сайт продавца. Некоторые эксперты считают, что потенциальный клиент должен хотя бы 7 раз увидеть ваше предложение, чтобы оно смогло его заинтересовать.
Все эти цифры говорят об одном: перед конверсией пользователю требуется много шагов, и определить, какой из них сильнее повлиял на его выбор, не так-то просто. Решить эту проблему помогают модели атрибуции Яндекс.Метрики. Разберемся, что они из себя представляют.
Что такое атрибуция
Модель атрибуции – это набор правил, позволяющих распределить вклад разных источников трафика в конверсию.
Рассмотрим простой пример.
Пользователь впервые зашел на ваш сайт по объявлению и запомнил название бренда. Затем он решил сравнить вас с конкурентами в поиске и совершил еще один визит через органическую выдачу. Спустя какое-то время ему выпало таргетированное объявление ВКонтакте, по которому он кликнул, уже будучи заинтересованным в покупке. Наконец, что-то отвлекло его от заказа, и он вернулся к нему позже, введя адрес в строке браузера. На схеме его путь к конверсии можно изобразить так:
Если система аналитики засчитает конверсию по последнему источнику трафика, картина окажется сильно искажена. Данные будут выглядеть так, как будто заказ вам принес прямой заход на сайт, а все усилия в контексте, SEO и социальных сетях не сыграли никакой роли.
Очевидно, что это не так, и ценность конверсии нужно каким-то образом разделить между всеми участвовавшими в ней каналами. Именно этим и занимаются модели атрибуции в Яндекс.Метрике.
Модели атрибуции Яндекс.Метрики
Всего в Яндекс.Метрике используется 4 модели атрибуции. Рассмотрим, как Яндекс учитывает визиты пользователей на примере. Последовательность действий такая: пользователь перешел по объявлению на поиске Яндекса и запомнил название магазина. Затем совершил визит через органическую выдачу, потом пришел на сайт по таргетированной рекламе, а последний переход на сайт был прямым – человек ввел адрес сайта в строке браузера.
1. Последний переход
Описание
Учитывается только последний визит пользователя перед конверсией, предыдущие не рассматриваются.
Когда использовать
Модель атрибуции Яндекса «Последний переход» стоит использовать:
-
для быстрых покупок;
-
для недорогих товаров;
-
в ходе технического аудита сайта.
Яндекс.Метрика постоянно расширяет возможности для оценки посещаемости веб-сайта и анализа поведения посетителей. Один из инструментов – сквозная аналитика. Какие возможности представляет этот инструмент, читайте в материале про сквозную аналитику.
2. Первый переход
Описание
Вся ценность конверсии присваивается первому посещению сайта вне зависимости от того, откуда произошел переход. В нашем примере пользователь совершил переход по объявлению на поиске Директа.
Когда использовать
Модель атрибуции Яндекса «Первый переход» стоит использовать:
-
для отложенных конверсий;
-
для определения лучших каналов лидогенерации.
3. Последний значимый переход
Описание
Яндекс делит источники трафика на значимые и незначимые. К незначимым источникам относятся прямые заходы, внутренние переходы и переходы с сохраненных страниц. Ценность конверсии полностью присваивается последнему значимому каналу.
В нашем примере четвертый переход на сайт был осуществлен напрямую, поэтому он является незначимым. Таким образом последним значимым стал переход с таргетированной рекламы Вконтакте.
Когда использовать
Модель атрибуции Яндекса «Последний значимый переход» стоит использовать:
-
при коротком цикле продаж;
-
для очистки данных от искажений прямым трафиком.
4. Последний переход из Директа
Описание
Вся ценность конверсии присваивается переходу по рекламе Директа. Даже если в цепочке было много переходов из разных источников, то все визиты привязываются к последнему переходу из Яндекс.Директа.
Если пользователь несколько раз перешел по рекламе Директа, вся ценность будет присвоена последнему визиту. Например, человек сначала кликнул на рекламу на поиске, а затем через некоторое время совершил переход на сайт по баннеру и сделал покупку. Последний значимый переход будет присвоен клику по баннеру.
Модель атрибуции Яндекса «Последний переход из Директа» стоит использовать:
-
для оценки эффективности рекламы Яндекс.Директа;
-
если стоит задача определить, какие объявления или ключевые слова приносят больше конверсий.
В Яндекс.Метрике эта модель атрибуции используется по умолчанию. В тех ситуациях, когда переходов из Яндекса не было зарегистрировано, в отчете Яндекс.Метрики «Источники, сводка» применяется модель атрибуции «Последний значимый переход».
Атрибуция с учетом переходов со всех устройств
Перечисленные модели атрибуции учитывают переходы только по одному типу устройств. Но с 14 октября 2021 года при настройке кампаний в интерфейсе Яндекс.Директа появилась возможность подключить функцию «Кросс-девайс»:
При подключении этой функции система учитывает все устройства, которые пользователь применял при переходе на сайт. Результат – можно точнее определить источник, который привел к конверсии.
Например, посетитель перешел по рекламе на поиске Яндекса с компьютера. Затем на компьютере кликнул по медийной рекламе. А потом запомнил сайт, зашел напрямую и совершил заказ. В этом случае при применении модели атрибуции «Последний переход из Яндекса кросс-девайс» визит засчитается последнему переходу по рекламе Директа, который был осуществлен со смартфона.
Для отслеживания визитов с разных устройств в отчетах Яндекс.Метрики настраивается метрика «Посетители кросс-девайс». Покажем, как ее добавить.
В главном меню выбираем «Отчеты» – «Источники, сводка».
Для отображения информации по кросс-девайсам проводим в отчете следующие настройки. Кликаем на «Метрики»:
В меню устанавливаем галочку напротив пункта «Посетители кросс-девайс» и кликаем «Применить»:
В отчете появится столбец с соответствующими данными:
Теперь в отчете можно посмотреть, сколько посетителей заходило на сайт с разных устройств, и сравнить эти данные с общим количеством посещений сайта.
Выбираем лучшую модель атрибуции для вашего бизнеса по схеме
Объединим наши наблюдения в одну небольшую и наглядную схему. Она не претендует на исчерпывающий алгоритм подбора оптимальной модели атрибуции, но может служить хорошей подсказкой.
Не забывайте: даже если вы уверены, что не используете никакие модели атрибуции в аналитике, вы все равно их используете. Таким образом, лучше задуматься о выборе правильной модели атрибуции сейчас, чем продолжать получать некорректные данные, которые грозят неправильными решениями.
Актуальный материал по целям ЯндексМетрика тут