АТРИБУЦИЯ — это распределение ценности (веса) между каналами (органика, контекст, таргет и т.д.), которые привели к покупке. Она помогает ответить на вопрос, в какой мере каждый из источников повлиял на прибыль.

Рассмотрим гипотетический путь пользователя к покупке.

Например, Вася Петров проснулся утром и сел завтракать. Он включил Youtube на телефоне, и там ему показалась видеореклама онлайн-магазина Утконос — свежие продукты с доставкой на дом.

Он поехал на работу, и по дороге в пробке увидел грузовик, брендированный под Утконос, который доставлял продукты.

На работе в курилке кто-то обмолвился, что любит заказывать продукты онлайн в Утконосе, а не таскать огромные пакеты из магазина. Это удобно, к тому же, доставка бесплатная.

Какое-то время спустя Вася наткнулся на таргетированную рекламу Утконоса во время просмотра соцсетей.

После этого он таки решил погуглить, что же это за онлайн магазин. Зашел на сайт Утконоса, посмотрел цены на продукты, зоны доставки, почитал отзывы, но пока еще не принял решение о покупке.

В пятницу была дождливая погода, дождь лил как из ведра, а Васю в сети догоняла реклама Утконоса, настроенная на тех, кто однажды уже посетил сайт. И Вася принял решение попробовать заказать продукты.

К тому же доставка была уже на следующий день в 9 утра.

Перед совершением покупки (конверсии) все так или иначе проходят определенный путь. Этапы, источники/каналы взаимодействия, длительность пути могут быть разными.

Важный вопрос, который задает себе каждый маркетолог: "Какому именно источнику/каналу стоит присвоить, атрибутировать конверсию?" Ведь каждый из них так или иначе участвовал в продвижении будущего клиента по воронке к покупке.

Если вернуться к Васе Петрову, то что повлияло на его решение о покупке? И в какой мере? Видеореклама, брендированный грузовик, рекомендация коллеги, таргетированная реклама, высокая позиция сайта в органической выдаче, цены и условия доставки, ретаргетинг или дождливая погода в пятницу?

Дождь в пятницу, обсуждения в курилке и вероятность встретить брендированный грузовик после просмотра рекламы мы вряд ли сможем просчитать, а вот понять, какому каналу присвоить больший вес в цепочке — это вполне реально. Для того, чтобы ответить на этот вопрос, надо корректно выбрать модель атрибуции.

МОДЕЛЬ АТРИБУЦИИ — это правило или набор правил, определяющих принцип распределения ценности между источниками/каналами в процессе пути пользователя к конверсии.
Выбор модели атрибуции зависит от цели и технических возможностей.

Можно разделить модели атрибуции на два вида:
Одноканальные — когда конверсия целиком отдается только одному источнику/каналу.
Многоканальные — когда конверсия распределяется между источниками/каналами.

1. FIRST CLICK (ПО ПЕРВОМУ КЛИКУ) — это модель, при которой вся ценность, полученная от конверсии, атрибутируется на первый источник, который привел пользователя. Например, если цепочка из 4 касаний (рисунок ниже), по модели First Click вся ценность от конверсии будет присвоена контекстной рекламе.

ПЛЮСЫ: легко настроить и использовать, так как нет никаких вычислений или аргументов относительно распределения ценности между каналами. Полезна для маркетологов, которым необходимо оценить формирование спроса и узнаваемость бренда.

МИНУСЫ: не показывает всю картину и переоценивает каналы верхнего уровня. В большинстве случаев пользователь делает несколько касаний перед покупкой, которые модель First Click полностью игнорирует.

КОМУ ПОДХОДИТ: для бизнеса, который хочет повысить узнаваемость бренда и увеличить охват аудитории, а также понять, где покупать трафик, который потом конвертируется.

2. LAST CLICK (ПО ПОСЛЕДНЕМУ КЛИКУ) — это модель, при которой вся ценность от конверсии достается последнему каналу, с которым соприкоснулся пользователь перед конверсией. Вклад остальных каналов игнорируется. На нашем примере вся ценность присваивается каналу "Прямой заход" (когда сразу набирают адрес сайта в браузере).

ПЛЮСЫ: популярная и привычная модель. Идеальна для оценки кампаний, направленных на быстрые покупки, например, сезонные товары, продукты и т.д.

МИНУСЫ: как и все одноканальные модели, игнорирует роль других источников в цепочке перед заказом.

КОМУ ПОДХОДИТ: бизнесу с коротким циклом продаж.

3. LAST NON-DIRECT CLICK (ПО ПОСЛЕДНЕМУ НЕПРЯМОМУ КЛИКУ) — это модель, при которой вся ценность конверсии присваивается последнему непрямому каналу в цепочке. То есть, если последним источником был прямой заход, то ценность атрибутируется на предыдущий источник. Исключение - если цепочка переходов состоит только из прямых переходов.

Логика проста — если пользователь перешел на сайт из закладок или ввел URL в строке браузера, то он, скорее всего, уже знаком с брендом. То есть это уже привлеченный ранее пользователь, и нужно учитывать его предыдущий (значимый) переход, как источник привлечения пользователя. Эта модель используется как базовая в Google Analytics.

ПЛЮСЫ: позволяет игнорировать незначительные с точки зрения рекламных расходов каналы и сосредоточиться на платных источниках.

МИНУСЫ: не учитывает вклад других каналов в конверсию. Часто бывает, что предпоследний источником в цепочке — email, то есть пользователь был на сайте и оставил свой email. При использовании Last Non-Direct Click не учитывается канал, который привел пользователя на сайт, помог познакомиться с брендом, оставить свой email и совершить покупку.

КОМУ ПОДХОДИТ: бизнесу, который хочет оценить эффективность конкретного платного канала и которому не так важна узнаваемость бренда.

1. LINEAR MODEL (ЛИНЕЙНАЯ МОДЕЛЬ) — это модель, при которой ценность конверсии делится поровну между всеми источниками в цепочке. В данном случае как раз может появится дробное число конверсий, например 50,25 или 60,5.

ПЛЮСЫ: простая, но при этом более продвинутая, чем одноканальные модели атрибуции, так как учитывает все сессии перед заказом.

МИНУСЫ: бесполезна, если вам нужно перераспределить бюджет — делить его поровну между каналами не самый оптимальный вариант, так как они не могут быть одинаково эффективны. И если в цепочке участвовало много каналов, то вес будет сильно размыт.

КОМУ ПОДХОДИТ: бизнесу с длинным циклом продаж, которому важно поддерживать контакт с клиентом на всех этапах воронки, например, B2B компаниям.

2. TIME DECAY (С УЧЁТОМ ДАВНОСТИ ВЗАИМОДЕЙСТВИЯ) — в данной модели ценность от транзакции распределяется между каналами по нарастающей. То есть источник, который был первым в цепочке, получает меньше всего ценности, а источник который был последним и по времени ближе всех к конверсии, получает больше всего ценности.

ПЛЮСЫ: все каналы в цепочке не остаются обделенными и получают свой «кусок пирога». Больший вес получает тот источнк, который «подтолкнул» пользователя к покупке.

МИНУСЫ: сильно недооценивается вклад источников, которые привели пользователя в воронку.

КОМУ ПОДХОДИТ: тем, кто хочет оценить эффективность акционных рекламных кампаний, то есть ограниченных во времени.

3. POSITION BASED (НА ОСНОВЕ ПОЗИЦИИ) — в данной модели наибольшую ценность — по 40% — получают два источника: тот, что познакомил пользователя с брендом, и тот, что закрыл сделку, то есть первое и последнее касания. Оставшиеся 20% делятся поровну между всеми каналами в середине воронки.

ПЛЮСЫ: отдает наибольшую ценность каналам, которые в большинстве случаев играют самую важную роль — привлекают клиента и мотивируют совершить конверсию.

МИНУСЫ: иногда сессии в середине цепочки имеют гораздо больше влияния на пользователя, чем кажется на первый взгляд. Например, помогают ему выбрать товар и добавить его в корзину, подписаться на рассылку или нажать «Следить за ценой». Модель Position Based такие сессии и их источники недооценивает.

КОМУ ПОДХОДИТ: бизнесу, для которого одинаково важно как привлечь новую аудиторию, так и конвертировать в покупателей уже имеющихся пользователей.

4. DATA DRIVEN (НА ОСНОВЕ ДАННЫХ) — в данной модели нет четко заданного правила, на основании которого рассчитывалась бы ценность конверсии. Это модель, которая работает на основании машинного обучения и анализирует все факторы, которые могли повлиять на решение о покупке, такие как формат объявления, ключевые слова, поведение пользователя и т.д. В этой модели атрибуции выявляются, анализируются и сравниваются все закономерности, которые привели к покупке или помешали ей. Оценивается значимость маркетингового канала в цепочке. Для вычисления используются собственные данные и вектор Шепли.

ПЛЮСЫ: максимально объективная и достоверная модель, так как для оценки каналов используются ваши собственные данные.

МИНУСЫ: сложная в настройке и работе. Для расчета необходимо иметь в Google Analytics достаточный объем данных, поэтому модель подходит не для всех компаний. Не оценивает продвижение по воронке, нельзя подключить офлайн-данные из CRM и посмотреть детальную информацию по каждой транзакции.

КОМУ ПОДХОДИТ: всем, кто хочет узнать, какие кампании и ключевые слова работают максимально эффективно, и использовать эту информацию для распределения маркетингового бюджета. Не подойдет бизнесам, которым важно знать не только ценность, но и позицию канала в цепочке.

Все вышеперечисленные модели атрибуции есть в Google Analytics. Однако, чтобы переключаться между ними, нужно иметь платную версию, по умолчанию используется Last Non-Direct Click. См. cправка Google Analytics


В Яндекс Метрике есть 4 модели атрибуции:

1. Первый переход — отдает ценность конверсии источнику первого визита.
   
   
2. Последний переход — присваивает ценность последнему источнику, который привел к конверсии.
   
   
3. Последний значимый переход — присваивает ценность конверсии из последнего значимого источника, по принципу работы эта модель похожа на модель Last Non-Direct Click в GA.
   Я.Метрика условно делит все источники на значимые и незначимые.

4. Последний переход из Директа — присваивает ценность только переходам из Яндекс Директ, даже если были другие переходы. Эта модель позволяет оценить эффективность рекламы Яндекс Директ.
Если после перехода по рекламе Директа были и переходы из других источников, то все визиты будут привязаны к последнему переходу по рекламе Директа.

Если в цепочке было несколько переходов из рекламы Директа, то визит будет присвоен последнему из них.

См. Яндекс Справка