Как выбрать и протестировать модель атрибуции

Когда перед маркетологом стоит задача привлечь нужное количество конверсий и не превысить бюджет, он должен убедиться, что используемая модель атрибуции помогает принимать правильные решения, и он понимает логику ее работы. На этом пути может быть допущено большое количество ошибок, которые приведут к потере времени и денег.

В этой статье мы собрали информацию для сравнения и применения современных моделей атрибуции, чтобы помочь вам вывести маркетинг в вашей компании на новый уровень.

бонус для читателей

Вебинар «Как выбрать и протестировать модель атрибуции»

Скачать материал

Содержание

Выбор модели атрибуции

Так как пользователь взаимодействует с несколькими рекламными кампаниями, чтобы оценить количество и стоимость привлеченных конверсий каждой из них, нужно применить модель атрибуции. Фактически, модель атрибуции позволяет распределить ценность от конверсии по кампаниям, с которыми взаимодействовал пользователь перед конверсией.

Что мы хотим от модели атрибуции? Чтобы она была точная и понятная. Но большинство известных моделей удовлетворяют только одному из этих требований.

Например, наиболее популярная модель атрибуции по последнему касанию (Last-Click, Last Non-Direct Click) вполне понятна — вся ценность отдается последней кампании. Но обладает очевидным недостатком — игнорирует вклад всех кампаний, кроме последней.

Рис 1. Распределение ценности конверсии по сессиям пользователя на основе модели атрибуции Last Click.

Многие используют ассоциированные конверсии, особенно для оценки дисплейных кампаний. Эта модель также понятна — она дает ценность конверсий каждой кампании, с которой взаимодействовал пользователь. Но такая оценка крайне неточная, так как учитывает только факт наличия кампании в цепочке и игнорирует степень влияния.

Рис 2. Распределение ценности конверсии по сессиям пользователя на основе ассоциированных конверсий.

Например, охватные кампании получат ценность всех конверсий, которые совершили пользователи, видевшие баннеры. В результате сумма атрибутированных конверсий значительно превышает фактически полученное количество конверсий.

Современные сервисы ставят в приоритет точность и развивают вероятностные модели атрибуции. Например, Google продвигает модель Data-Driven, Facebook — Conversion Lift, а Nielsen — Campaign Lift.

Рис 3. Conversion Lift от Facebook.

Эти модели объединяет общий подход — они оценивают, насколько определенная кампания увеличила вероятность конверсии, и в соответствии с этим определяют ее ценность. Это дает более объективную оценку, но оставляет много открытых вопросов у рекламодателей, так как выглядит черным ящиком и возможности для отладки ограничены или отсутствуют.

Атрибуция OWOX

В OWOX мы с 2015 года развиваем вероятностную модель атрибуции. На основе машинного обучения модель атрибуции OWOX оценивает рекламные кампании на уровне сессий пользователей, учитывает их вклад в прохождение воронки, позволяет маркетологу указать управляемые каналы, конверсионное окно и подключить данные CRM.

Недавно мы запустили новую версию, которая объединяет лучше практики и дает бизнесу важные преимущества:

1. Модель определяет вклад кампаний на основе вероятности совершения конверсии и не требует ручного выбора шагов воронки. На примере ниже: в первой сессии с канала Display у пользователя была вероятность сконвертироваться 20%, во второй сессии из канала Paid Search вероятность выросла до 70%, и в третьей сессии из канала Retargeting пользователь совершил конверсию.

Рис 4. Вероятность совершения конверсии пользователем в конкретной сессий.

Ценность каждой сессии равна приросту вероятности совершения конверсии пользователем, по сравнению с предыдущей сессий. В данном случае:

  • первая сессия из Display получит 20% ценности от конверсии, так как вероятность увеличилась с 0 до 20%;
  • вторая сессия с Paid Search — 50%, так как вероятность увеличилась с 20% до 70%;
  • и третья сессия с Retargeting получит оставшиеся 30%.
Рис 5. Распределение ценности конверсии по сессиям пользователя на основе прироста вероятности конверсии.

В любой вероятностной модели атрибуции самое важное — это точность прогнозирования вероятности конверсии. Алгоритмы машинного обучения OWOX BI дают исключительно высокую точность, что подтверждено результатами применения: увеличение ROI в 2.2 раза.

2. Вторым преимуществом новой версии модели атрибуции OWOX является прогнозирование ценности даже тех сессий, которые еще не привели к конверсии:

Рис 6. Вероятность совершения конверсии пользователем в будущем в каждой из сессий.

Такой прогноз позволяет узнать, сколько конверсий с рекламной кампании будет получено в будущем, если отключить кампанию сегодня.

Рис 7. Прогнозируемая ценность сессий, которые еще не привели к конверсии.

Это даёт вам возможность быстрее принимать решения об отключении неэффективных кампаний и не отключить по ошибке кампании с отложенным эффектом.

Рис 8. Сравнение количества конверсий, атрибутированных на канал по модели атрибуции Last Click и OWOX.

Точность прогнозирования зависит не только от алгоритмов, но и от размера обучающей выборки. Увеличение скорости и качества прогнозирования модели OWOX достигается благодаря предобучению на рыночных данных десятков тысяч проектов.

3. И самое главное — чтобы сделать логику расчетов максимально прозрачной и дать возможность учесть любые особенности конкретного бизнеса, мы сделали код трансформации данных открытым для всех клиентов. Вы можете самостоятельно внести изменения, а OWOX BI позаботится о регулярном обновлении данных, объединит расходы на рекламные кампании и обеспечит всеми необходимыми отчетами. Узнать о преимуществах трансформации данных в dbt вы можете на нашем вебинаре или записавшись на демо.

Применение модели атрибуции

Результат оценки кампаний различными моделями атрибуции ожидаемо отличается. Поэтому неизбежно возникает вопрос, какую модель атрибуции выбрать, какая указывает верный путь?

На самом деле маркетологу нужен не компас, показывающий налево или направо, а полноценный навигатор, который рассчитывает и рекомендует пути с учетом пробок и необходимого времени прибытия. То есть модель атрибуции, рекомендации на основе которой позволяет бизнесу достичь заданной цели.

Более того, управление рекламным бюджетом без учета емкости каналов может вас завести в тупик так же, как и компас, который не учитывает ландшафт. Большинство маркетологов знает, что низкой стоимости за конверсию недостаточно, чтобы принять решение об увеличение бюджета. Например, у брендовых кампаний стоимость за конверсию может быть низкая, но емкость их исчерпана, поэтому увеличение бюджета не приведет к росту конверсий.

Рис 9. Влияние емкости кампаний на решение.

На графике показано, как количество конверсий в кампании A и B, зависит от вложенного в них бюджета. Обратите внимание, что текущий CPA кампании A меньше, чем B. Но следующая конверсия в канале A обойдётся дороже, чем в канале B!

Поэтому для применения атрибуции надо знать не только текущую эффективность канала, но и то, как изменится общий результат, если увеличить или уменьшить бюджет на каждый канал, кампанию и ключевое слово.

Обладая такой моделью в своём проекте, команда маркетинга может выбрать подходящую стратегию роста:

  1. Получить то же количество конверсий, сократив бюджет.
  2. Увеличить количество конверсий при том же бюджете.
  3. Увеличить количество конверсий при том же CPA.

И сразу получить не только рекомендации по перераспределению бюджет, но и результат, к которому это приведет.

Рис 10. Выбор стратегии управления бюджетом.

Остается главный вопрос: как узнать кривую емкости для каждого ключевого слова? В OWOX BI мы используем рыночные данные десятков тысяч проектов, чтобы обучить модель, которая учитывая регион и нишу проекта и дает ответ на этот вопрос. По нашему опыту, исторических данных даже крупных проектов за месяц недостаточно, чтобы получить качественный прогноз.

Выводы, которые я предлагаю сделать читателю:

  1. Модель атрибуции дает оценку рекламных кампаний, но не даёт рекомендации для перераспределения рекламного бюджета.
  2. Для получения рекомендаций нужно знать емкость кампаний и стратегию продвижения.
  3. Лучшая модель атрибуции та, рекомендации на основе которой позволяет бизнесу достичь заданной цели.

    Отдельного внимания (и статьи) заслуживают способы увеличения емкости каналов (привет, медийка) и распространённые ошибки в постановке целей агентствам (привет, last click). Ставьте лайк, нажимайте на колокольчик и пишите в комментариях, о чем было бы интересно узнать в следующих статьях.

    Если вы хотите узнать больше о модели атрибуции OWOX, запишитесь на демо — охотно ответим на все ваши вопросы.

    Наши клиенты
    растут на 22% быстрее

    Растите быстрее, анализируя, что лучше сработает в вашем маркетинге

    Измеряйте KPI, находите зоны роста и увеличивайте свой ROI

    Записаться на демо