Улучшения в OWOX BI Attribution. Работа со сложными воронками и новые интеграции

Идеальной модели атрибуции не существует, но мы делаем все, чтобы к ней приблизиться. Для этого мы улучшили логику расчета в OWOX BI Attribution и добавили новые возможности. Если вы еще не знакомы с атрибуцией на основе воронки, то можете подробнее почитать, как она работает и чем отличается от других моделей.

А теперь перейдем к самому интересному. Нам часто задают подобные вопросы:

• Можно ли построить воронку с событиями, которые не обязательны для достижения конверсии, но которые хотелось бы учитывать?
• Как лучше расположить шаги воронки, если есть несколько путей к конверсии?
• Как оценить действия пользователя, если он пропускает некоторые шаги воронки, двигается в обратном направлении или несколько раз делает один и тот же шаг?

Это особенно актуально для SaaS, B2B и других не-Ecommerce проектов, у которых нелинейная воронка на сайте. В статье мы расскажем, какие изменения внесли в нашу атрибуцию, чтобы дать таким проектам более качественные результаты.

1. Оценка сложных, нелинейных воронок

У многих проектов есть события, которые не обязательны для оформления заказа, но при этом важны для бизнеса и их хотелось бы учитывать в атрибуции. Это могут быть регистрации на вебинары, скачивания PDF, подписки на рассылку, просмотр контактов и т.д. В какой последовательности расположить эти события в воронке? Ведь пользователь может проходить ее по совершенно разным сценариям.

Чтобы наши клиенты не ломали голову над этим вопросом, для оценки действия мы начали считать вероятность перехода с каждого шага на каждый, а не только с предыдущего шага, как раньше. Это значит, что теперь в воронку можно добавлять ключевые события в любой последовательности.

Например, у вас настроена воронка с такими шагами: 1. Визит на сайт → 2. Просмотр продуктовой страницы → 3. Чтение блога → 4. Просмотр вебинара → 5. Подпись на Trial. И тут к вам на сайт заходит человек, назовем его Василий (Шаг 1). Сначала он читает статью в блоге (Шаг 3), затем переходит по ссылке на продуктовую страницу (Шаг 2), потом смотрит вебинар (Шаг 4) и в конце подписывается на пробную версию (Шаг 5). То есть Вася два раза перепрыгивал шаги и один раз возвращался назад. При этом все происходило в разных сессиях.

Схематично это можно изобразить так:

Чтобы определить ценность каждого шага, мы используем вероятность именно таких переходов, которые совершил пользователь:

• С первого шага на третий.
• С третьего на второй.
• Со второго на четвертый.
• С четвертого на пятый.

А теперь представьте, что наш Василий пропустил несколько шагов и сразу с первого попал на четвертый, а потом совершил конверсию. Раньше мы бы посчитали ценность всех шагов, и отдали ценность пропущенных второго и третьего шага следующему после них четвертому.

Однако действия Васи говорят нам о том, что для достижения цели проходить все предусмотренные шаги необязательно. Следовательно и всю ценность конверсии логичнее распределять только между теми шагами, которые участвовали в цепочке, поэтому мы изменили логику подсчета.

Теперь ценность конверсии распределяется только между действиями, которые были в цепочке этой конверсии.

2. Оценка повторных посещений шагов воронки

Бывает, что посетители несколько раз совершают одно и то же действие в разных сессиях. Например, просматривают несколько карточек товаров, читают несколько статей в блоге или добавляют товары в корзину в разных сессиях.

Раньше ценность получали только сессии, в которых пользователь впервые посетил конкретный шаг воронки. Однако мы пришли к выводу, что каждое повторное действие влияет на прохождение воронки, и чем ближе по времени эти действия к конверсии, тем сильнее их влияние. Поэтому теперь мы оцениваем все повторные действия посетителя по логике с затуханием по времени (time decay).

Сначала мы определяем ценность шага в целом. Затем смотрим, сколько раз и за сколько дней до конверсии пользователь повторил действие, и распределяем ценность шага между этими событиями.

Например, на рисунке выше мы видим, что посетитель три раза выполнил Шаг 4. Каждая сессия получит долю ценности этого шага. Сессия 1 — наименьшую, а сессия 3 — наибольшую, так как она ближе всего к конверсии.

3. Интеграция с Google AdWords, K50: Оптимизатор и Alytics

Еще один часто задаваемый вопрос звучит так: «Окей, мы определили ценность каналов. Что с этим делать дальше?». Мы уже рассказывали в блоге, как используют атрибуцию маркетологи и директоры по маркетингу и как проверить экономическую эффективность атрибуции на основе воронки. Теперь рады поделиться новостью, что применять результаты атрибуции можно для автоматического управления ставками.

Мы настроили интеграцию OWOX BI Attribution с сервисами оптимизации ставок Google AdWords, K50: Оптимизатор и Alytics. Благодаря этому можно автоматически передавать результаты расчетов атрибуции в перечисленные сервисы, чтобы управлять ставками с учетом реальной эффективности вашей рекламы.

Атрибуция на основе воронки оценивает вклад каждого рекламного источника в продвижение пользователя по воронке и учитывает взаимное влияние кампаний. Оптимизируя ставки на основе данных атрибуции, вы улучшите показатели рекламных каналов в целом, а не только отдельных кампаний. Как настроить интеграцию, подробно описано в справочном центре на нашем сайте.

4. Оценка медийной рекламы DoubleClick

Чтобы наши клиенты могли добавлять в воронку любые события, важные для их бизнеса, мы постоянно дорабатываем модель атрибуции. Например, недавно мы интегрировали OWOX BI Attribution с DoubleClick.

Это значит, что теперь можно оценить вклад медийной рекламы DoubleClick в продажи. Допустим, человек посетил ваш сайт, через несколько дней увидел баннер, ещё через пару дней вернулся на сайт из другого источника и сделал покупку. Добавив в конверсионные цепочки просмотры баннеров, вы узнаете, как они влияют на продвижение пользователя по воронке, даже, если он не кликал по баннеру. Как это настроить, можно узнать в справочном центре на нашем сайте.

Резюме

1. Сложные воронки — это нелинейные конверсионные цепочки. В них посетители пропускают некоторые шаги воронки, двигаются в обратном направлении по воронке и многократно посещают один и тот же шаг.
2. Чтобы оценить пропуски шагов и обратное движение, мы стали считать вероятности всех возможных переходов по шагам воронки.
3. Повторные действия мы оцениваем в зависимости от времени до конверсии (time decay). Чем ближе действие к конверсии, тем больше ценности оно получит.
4. Теперь атрибуция на основе воронки дает более точные результаты проектам со сложным циклом продаж.
5. Наши клиенты могут передавать результаты расчетов атрибуции в сервисы Google AdWords, K50: Оптимизатор и Alytics для оптимизации ставок.
6. Появилась возможность добавлять в воронку просмотры медийной рекламы DoubleClick.

Если у вас есть идеи или пожелания, как еще улучшить OWOX BI Attribution, пишите их в комментариях.