Когда вы изучаете трафик своего сайта, важно понимать, откуда приходят лиды и какие действия приводят к конверсиям. Google Analytics предоставляет множество инструментов для анализа. В их числе — различные модели атрибуции, которые помогают понять, какие каналы или источники трафика вносят больший вклад в достижение ваших целей. В этой статье мы рассмотрим, как выбрать подходящую модель атрибуции Google Analytics и настроить ее.
Какой бывает атрибуция в Гугл Аналитикс и как ее использовать
В Google Analytics 4 есть три способа оценивать, какие каналы или источники рекламы помогают пользователю совершить нужное действие на сайте:
- Модель атрибуции на основе данных
Она установлена по умолчанию. Модель учитывает различные факторы, такие как тип устройства пользователя, формат рекламы и многое другое, чтобы определить, какой источник трафика оказал наибольшее влияние на конверсию.
- Модели атрибуции на основе правил
Здесь есть несколько вариантов атрибуции, включая оценку по последнему клику, оценку по первому клику, равномерное распределение ценности между всеми каналами и другие. Каждая из этих моделей фокусируется на разных аспектах взаимодействия пользователя с рекламой.
- Модель атрибуции с приоритетом Google Ads
Эта модель оценивает влияние каналов только в контексте рекламы Google Ads.
Важно: модели атрибуции распределяют именно ценность конверсий, а не их количество. Поэтому нет смысла оценивать конверсии без ценности на разных моделях атрибуции. У конверсий ценность либо должна быть корректно задана на этапе настройки в Яндекс Метрике / Google Analytics 4, либо рассчитана и передана в кабинеты аналитики вместе с конверсией.
Например, для интернет-магазинов вместе с конверсией покупки передают сумму заказа. Компании с более сложным циклом следки передают данные по конверсиям и их ценностям из CRM-системы вместе с суммой сделки.
Теперь подробнее рассмотрим каждую из этих моделей атрибуции.
1. Модель атрибуции на основе данных
Как работает
В этой модели атрибуции используются данные о конверсиях и различные факторы, которые могут повлиять на конверсии, такие как тип устройства пользователя, формат рекламы, количество и последовательность взаимодействий с рекламой, время между взаимодействием с рекламой и конверсией и так далее. Модель помогает оценить вклад каждого взаимодействия пользователя с рекламой.
Пример:
Пользователь увидел баннер на вашем сайте и перешел на него. Затем он посетил вашу страницу в социальных сетях, подписался на нее и там узнал о мобильной игре, в которой выиграл скидку и получил ссылку. По этой ссылке он вернулся на ваш сайт, зарегистрировался и, наконец, сделал заказ с использованием скидки.
Согласно этой модели атрибуции, наибольший вклад будет приписан мобильной игре, затем социальным сетям, и только после этого органическому и медийному трафику.
Когда использовать
Рекомендуется использовать эту модель всем рекламодателям, у которых есть достаточная статистика по конверсиям. Как правило, требуется минимум 300 конверсий и 3000 взаимодействий с объявлениями в течение 30 дней.
Особенно полезна эта модель, когда пользователи посещают сайт рекламодателя несколько раз из разных источников перед совершением конверсии. Модель на основе данных учитывает все возможные пути к конверсии, включая гипотетические.
2. Модели атрибуции на основе правил
По последнему клику
Как работает
Эта модель дает 100% ценности последнему каналу, который пользователь посетил перед совершением конверсии. Однако, если источник трафика не передает информацию, это может привести к ошибочному отнесению канала к прямому трафику, что исключит его из анализа.
Пример
Если пользователь сначала просматривает рекламу в Одноклассниках, затем переходит на сайт через поисковый запрос и делает покупку, модель припишет всю ценность последнему клику с поиска.
Когда использовать
Подойдет для отслеживания спонтанных покупок или динамики продаж за короткое время. Однако модель атрибуции по последнему клику не учитывает общее влияние разных точек взаимодействия пользователя с рекламой. Это делает ее менее полезной для понимания ценности медийных каналов.
По первому клику
Как работает
Модель приписывает всю ценность конверсии первому источнику трафика, который привлек пользователя.
Пример
Если посетитель узнает о продукте через рекламу в блоге, затем переходит на сайт через рекламу в поиске и совершает покупку, модель припишет всю ценность первому клику с блога.
Google Analytics 4: что это, как настроить и пользоваться системой
Инструмент аналитики от Google широко используется в интернет-маркетинге для отслеживания взаимодействия пользователей с сайтами, мобильными приложениями и API-интерфейсами. Большинство знает эту платформу …
ЕщеКогда использовать
Атрибуция по первому клику подходит, когда важно понять, как формируется интерес к продукту. Но при этом модель атрибуции неэффективна для рекламодателей с длительными циклами продаж, так как первый источник трафика может находиться за пределами окна конверсии.
Окно конверсии, или период учета конверсий, — это временной интервал, в течение которого происходит отслеживание действий пользователя до того момента, когда он совершает конверсию. Например, покупку, регистрацию или подписку. Это период, в течение которого рекламодатель анализирует различные точки контакта пользователя с рекламой или сайтом, чтобы приписать конкретную конверсию к определенному каналу или источнику трафика.
Например, если у вас установлено окно конверсии в 30 дней, то все действия пользователя, которые привели к конверсии и произошли в течение этих 30 дней до нее, будут учитываться при анализе эффективности рекламных каналов.
Окно конверсии позволяет учитывать влияние различных источников трафика или каналов рекламы на решение пользователя совершить конкретное действие в определенный период времени.
Атрибуция на основе позиции
Как работает
Модель приписывает 40% ценности первому и последнему источнику и поровну делит оставшуюся ценность между остальными. Такая атрибуция особенно полезна для оценки влияния промежуточных каналов на конверсию и учета каждого шага пути клиента.
Пример
Пользователь узнал о вашем продукте через рекламу в социальных сетях — источник 1. Затем он прочитал в блоге статью о вашей продукции — источник 2, после чего перешел на ваш веб-сайт и подписался на рассылку — это уже источник 3. Наконец, посетитель снова нашел ваш продукт через поиск и совершил покупку — это источник 4.
Модель атрибуции на основе позиции будет так распределять влияние источников на решение о покупке:
- реклама в социальных сетях — 40% влияния;
- статья в блоге — 10% влияния;
- подписка на рассылку — 10% влияния;
- поиск — 40% влияния.
Когда использовать
Подойдет рекламодателям, которым важно учесть как вовлечение пользователя, так и завершение конверсии. Однако такая модель затрудняет понимание влияния промежуточных каналов.
Линейная атрибуция
Как работает
Распределяет ценность между всеми каналами равномерно, не исключая ни один из них на пути к конверсии.
Пример
Каждый канал получает одинаковую ценность на пути к конверсии — независимо от того, сколько раз пользователь с ним взаимодействовал.
Когда использовать
Линейная атрибуция подходит, если нужно понять, какие каналы используются на пути к конверсии. В то же время такая модель не указывает, какие каналы более эффективны.
Атрибуция на основе давности взаимодействия
Как работает
Предоставляет больше ценности каналу, который использовался незадолго до конверсии. При этом модель слабо учитывает значение самых первых источников перехода. Как сообщается в справочном центре GA4, ценность клика увеличивается вдвое каждые семь дней. Получается, что клик за восемь дней до конверсии в два раза менее ценен, чем клик за день до того же целевого действия.
Пример
Посетитель взаимодействовал с вашим брендом несколько раз в течение недели в таком порядке:
- увидел вашу рекламу в социальных сетях;
- перешел на веб-сайт, но не совершил покупку сразу;
- получил рассылку с информацией о скидках;
- через несколько дней совершил покупку.
Модель атрибуции на основе давности взаимодействия учитывает время между каждым взаимодействием и покупкой. Она присвоит больший вес ближайшему во времени взаимодействию перед покупкой — рассылке. Взаимодействиям, произошедшим ранее, будет присвоена меньшая ценность.
Когда использовать
Модель эффективна для оценки коротких циклов продаж. Но при этом данная атрибуция затрудняет оценку общей эффективности кампании: каждое взаимодействие пользователя с рекламой имеет разный вес для пользователя.
Модели атрибуции в Яндекс и Google: что это, зачем они нужны и какие виды существуют
Чтобы измерить эффективность продвижения сайта, а также изучить источники трафика, применяют модели атрибуции. Это набор правил, по которым формируется статистика эффективности каналов …
Еще3. По последнему клику в Google Ads
Как работает
Такая модель приписывает всю заслугу за конверсию последнему клику в Google Ads перед совершением конверсии.
Пример
Если пользователь последний раз кликнул по вашей рекламе Google Ads перед покупкой, эта модель припишет всю заслугу за конверсию именно этой рекламе.
Когда использовать
Эту модель стоит использовать, если ваша основная цель — отслеживать эффективность рекламы в Google Ads и оптимизировать ее показатели.
Как настроить модель атрибуции в Google Analytics 4
Рассмотрим 4 способа задать или изменить модель атрибуции в GA4.
- Через настройки атрибуции
Авторизуйтесь в аккаунте GA, где у вас есть права администратора. В панели администратора откройте пункт «Просмотр данных» — «Настройки атрибуции».
Это меню позволяет не только изменить модель, но и задать период учета конверсий. Результат такой настройки влияет на данные в отчетах о конверсиях, доходе и трафике.
- Отчет «Пути конверсии»
Такой отчет доступен даже в том случае, если у вас есть только права на просмотр данных в аккаунте. Однако тот должен быть подключен к Гугл Рекламе.
Откройте на панели слева раздел «Реклама» — «Атрибуция» — «Пути конверсии».
Здесь вы увидите взаимодействия пользователей с рекламой и данные о конверсиях, доходе и времени до покупки. Это поможет понять, как долго пользователь идет к покупке.
Поисковые запросы в Google Analytics: разбираем все источники данных
Поисковые запросы — отличный инструмент для управления ключевыми словами контекстной рекламы. Также с их помощью можно повысить эффективность SEO-оптимизации сайта. Они могут …
ЕщеЕсли у вас есть права администратора в этом аккаунте, вы сможете также изменить здесь модель атрибуции.
- Отчет «Сравнение моделей»
Отчет позволяет оценить, как разные модели влияют на каналы и пары «Источник/Канал» в привлечении конверсий. Это полезно, если цели вашей кампании меняются.
Раздел находится рядом с предыдущим описанным: «Реклама» — «Атрибуция» — «Сравнение моделей».
Здесь можно выбрать для сравнения разные модели атрибуции, например, по последнему клику и на основе данных.
- Отчет «Сводка о рекламе»
Этот отчет поможет сравнить результаты двух моделей атрибуции. Чтобы увидеть его, выберите в меню «Реклама» первый пункт «Сводка о рекламе».
Далее прокрутите вниз до пункта «Какая эффективность каналов в рамках другой модели атрибуции?».
Сравнительная таблица в этой карточке помогает лучше понять, как различные типы взаимодействий пользователей влияют на каналы и насколько эффективно они приводят к конверсиям.
Не существует одного идеального метода для всех случаев. Выбор модели атрибуции зависит от того, какие задачи стоят перед вашим бизнесом.
Рекомендуем периодически менять модели, чтобы увидеть, как каждый шаг пользователя ведет к совершению покупки. Это позволит лучше изучить поведение пользователей и усилить свои рекламные кампании.
Поисковая реклама против баннерной: когда что использовать для максимального ROI
Онлайн-реклама очень разнообразна, и привлечь новых пользователей можно множеством способов. Поисковая реклама — это один из самых популярных вариантов, который рекламодатели выбирают для …
ЕщеЧастые вопросы
Какая модель атрибуции в Google Analytics наиболее популярна и почему?
Как часто следует менять модель атрибуции в Google Analytics и сравнивать результаты?
Как и где можно изменить модель атрибуции в Google Analytics?
Подпишитесь на рассылку ROMI center:
Получайте советы и лайфхаки, дайджесты интересных статей и новости об интернет-маркетинге и веб-аналитике:
