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

112
3664
Материалы для скачивания
978.32 Kb

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:

схема движения посетителя по шагам воронки атрибуции

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.

схема распределения доли ценности

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.

шаг просмотра баннеров DoubleClick в воронке атрибуции OWOX BI

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.

Использованные инструменты

Вас также могут заинтересовать