Модели атрибуции - как понять, какая реклама работает?

Атрибуция в маркетинге - это метод, который помогает распределить ценность одной конверсии (продажи или заявки) между участвующими рекламными каналами. Проще говоря, атрибуция это процесс определения, кто из «игроков» вашей маркетинговой команды внес решающий вклад в итоговую победу.

Без такого понимания вы рискуете действовать вслепую, а это значит:

• Сливать бюджет не туда. Например, вкладывать все в канал, который лишь оформляет уже готовых клиентов, и резать расходы на те, что знакомят с вами новую аудиторию.
• Хвалить одни каналы и незаслуженно ругать другие. Медийная реклама, к примеру, редко даёт продажи «в лоб», зато отлично работает на узнаваемость. Модель Last Click ее вклад попросту не заметит.
• Не понимать, как на самом деле ведут себя клиенты и какие связки каналов выстреливают лучше всего.

По большому счету, атрибуция в рекламе - ваш финансовый компас, который подсказывает, куда направить инвестиции для максимальной отдачи. Это необходимый инструмент для толкового управления маркетингом.

Начнем с классики. Эти модели атрибуции легко настроить и понять, но у них есть один недостаток: они смотрят на мир в черно-белом цвете.

Модель Last Click - та самая «футбольная» история, с которой мы начали. Все 100% ценности получает последний канал, с которым клиент провзаимодействовал перед покупкой.

• Пример. Допустим, человек увидел вас в таргете, потом нашел в поиске, а через пару дней вбил адрес сайта вручную и купил. Last Click отдаст всю славу прямому заходу.
• Кому подойдет? Бизнесу с коротким циклом сделки, где покупка совершается почти мгновенно (вроде доставки пиццы или вызова такси). Эта модель атрибуции показывает, что лучше всего «дожимает» уже горячую аудиторию.

У этой модели есть пара интересных вариаций:

• Last Non-Direct Click. Делает то же самое, но показательно игнорирует прямые заходы на сайт. В нашем примере победу одержал бы органический поиск. Логика тут железная: раз человек ввел адрес сайта сам, значит, он уже вас знает благодаря другим каналам. Last non direct click это более справедливая версия последнего клика.
• Last Paid Click. Вся ценность уходит последнему платному каналу. Отличный способ оценить эффективность именно платного трафика.

Модель First Click работает с точностью до наоборот. 100% ценности получает тот самый канал, который впервые познакомил пользователя с вашим брендом.

• Пример. Пользователь впервые попал к вам на сайт из поисковика, прочитав статью в блоге. Спустя неделю его догнал ретаргетинг в соцсетях, а купил он вообще через месяц, кликнув по ссылке в email рассылке. С моделью First Click все лавры достанутся поиску.
• Кому подойдет? Тем, чья главная цель - привлечь как можно больше новой аудитории и растить узнаваемость. Эта модель атрибуции помогает понять, какие каналы лучше всего работают на самом верху воронки продаж.

Одного взгляда на First Click и Last Click достаточно, чтобы понять - это крайности. Путь клиента куда сложнее, и в нем обычно замешано несколько каналов. Многоканальная атрибуция как раз и пытается восстановить справедливость, учитывая вклад каждого участника.

Самый демократичный подход. Линейная модель атрибуции делит ценность конверсии поровну между всеми участниками забега.

• Пример. Если путь клиента был «Поиск → Соцсети → Email → Покупка», то каждый из трех каналов получит по 33,3% от общей ценности.
• Кому подойдет? Тем, для кого важен каждый контакт с клиентом на всем протяжении его пути. Помогает поддерживать активность бренда во всех каналах.

Атрибуция Time decay живет по принципу «свежести». Чем ближе касание к моменту покупки, тем больше ценности оно получает. Последний канал забирает максимум, предпоследний - чуть меньше, а самый первый довольствуется крохами.

• Пример. В цепочке «Поиск → Соцсети → Email → Покупка» больше всего ценности достанется Email, поменьше - Соцсетям, а Поиску - самый скромный кусок пирога.
• Кому подойдет? Отличный вариант для B2B с не очень длинным циклом сделки или для промо-акций, когда активность клиента нарастает прямо перед покупкой.

Модель атрибуции u-shape (ее еще называют позиционной) пытается усидеть на двух стульях: она считает самыми важными первое и последнее касания. Как правило, им достается по 40% ценности, а оставшиеся 20% по-братски делятся между всеми промежуточными каналами.

• Пример. В цепочке «Поиск → Соцсети → Контекст → Email → Покупка» по 40% получат Поиск и Email, а Соцсети с Контекстом разделят между собой оставшиеся 20% (по 10% каждому).
• Кому подойдет? Когда вам одинаково важно и то, как клиент о вас узнал, и то, что его окончательно убедило. Вероятно, самая сбалансированная атрибуционная модель.

Словами хорошо, но давайте посмотрим, как работают разные виды атрибуций. Возьмем для примера такой путь клиента: Таргет VK → Email рассылка → Поиск Яндекса → Прямой заход → Конверсия.

Сравнительная таблица

До этого мы обсуждали виды атрибуции, работающие по заранее заданным правилам. А что, если дать машине самой разобраться, кто молодец, на основе ваших реальных данных? Это и есть атрибуционное моделирование на основе данных (Data-Driven Attribution, или DDA).

DDA анализирует тысячи путей ваших клиентов (и тех, кто купил, и тех, кто ушел) и с помощью машинного обучения вычисляет реальный вклад каждого шага в итоговую конверсию.

Среди таких подходов частенько выделяют два:

1. Атрибуция Шепли (Shapley Value): Этот метод пришел из теории игр. Атрибуция Шепли оценивает, насколько бы выросла (или упала) вероятность покупки, если бы в цепочке появился (или исчез) конкретный канал.
2. Атрибуция цепи Маркова: Этот подход смотрит на путь клиента как на последовательность событий и вычисляет вероятность перехода от одного канала к другому. Затем алгоритм мысленно «выкидывает» по одному каналу из всех цепочек и смотрит, сколько конверсий было потеряно.

Что такое модели атрибуции, основанные на данных? По сути, это самый честный, но и самый сложный метод атрибуции. Чтобы он заработал, нужен огромный массив данных и, что самое главное, умение «склеить» весь путь одного клиента в единую историю. И тут мы подбираемся к главной головной боли…

Знаете, в чем слабость любого, даже самого хитрого, метода атрибуции? В разрозненных данных.

Современный человек взаимодействует с вами с десятка устройств: видит рекламу на рабочем ноутбуке (один cookie-файл), потом заходит на сайт с телефона (второй cookie), подписывается на рассылку (третий идентификатор, email) и, наконец, покупает в офлайн-точке по номеру телефона (четвертый идентификатор).

Для большинства систем аналитики это четыре разных человека. Любая модель атрибуции будет анализировать лишь обрывки их пути, что приведет к абсолютно неверным выводам. Весь эффект атрибуции будет искажен.

Выход - собрать все эти осколки в единый профиль клиента 360°, который объединит все идентификаторы в одну непрерывную историю. Эту задачу как раз и решают CDP (Customer Data Platform).

Например, платформа клиентских данных CleverData Join решает эту задачу с помощью технологии IDGraph. Сама платформа собирает данные из всех ваших онлайн- и офлайн-источников (сайт, мобильное приложение, CRM, колл-трекинг, данные карт лояльности, ритейл-системы, ML-модели) с помощью гибких инструментов интеграции, таких как API, Tag Manager и файловые адаптеры. Затем, когда данные поступают в систему, процесс IDGraph анализирует их, сопоставляет идентификаторы и выполняет «склейку» — объединяет разрозненные сведения в один целостный портрет клиента.

Пример атрибуции на основе единого профиля:

1. Сбор данных. Пользователь кликает по рекламе VK (собирается cookie).
2. Идентификация. На сайте он оставляет свой email. IDGraph тут же связывает этот cookie и email.
3. Обогащение. Позже он покупает в офлайн-магазине, назвав свой номер телефона. Модуль IDGraph добавляет телефон и историю покупок в тот же самый профиль.

В итоге мы получаем полную картину. Только на таких данных атрибуционное моделирование становится по-настоящему точным. Вы вдруг сможете увидеть, что реклама в VK не «сожгла бюджет», а привела клиента, который через полгода стал вашим главным лидом.

Что такое модель атрибуции, мы выяснили. Остался главный вопрос: какую выбрать? Универсального рецепта, к сожалению, нет. Выбор зависит от ваших целей, стратегии и среднего цикла продаж.

Вот несколько советов:

• Ваш бизнес - быстрая доставка еды или услуги на час? Начните с Last Click или Last Non-Direct Click. Они покажут, что лучше всего подталкивает клиента к немедленной покупке.
• Активно работаете над узнаваемостью бренда? Попробуйте First Click, чтобы понять, какие каналы приводят к вам больше всего «свежей крови».
• У вас длинный и сложный цикл продаж? Присмотритесь к линейной, U-образной или Time Decay. Они помогут оценить все касания на долгом пути клиента.
• Накопили много данных для серьезной аналитики? Ваша цель - атрибуционная модель на основе данных (Data-Driven). Это самый точный подход, но он требует объединения данных, с чем и помогают CDP-платформы.

Период атрибуции (или конверсионное окно) это тот самый отрезок времени до конверсии, в течение которого учитываются все касания с рекламой. Если конверсионное окно - 30 дней, модель учтет все взаимодействия за последний месяц. А то, что было 31 день назад, в расчет уже не попадет.

Выбор окна так же важен, как и выбор модели. Для товаров импульсного спроса хватит и 1-7 дней, а для покупки квартиры окно может достигать и 90 дней.

Стоит также понимать разницу между post click атрибуцией (учитываются только клики) и post-view атрибуцией (учитываются и просмотры рекламы без клика). Для медийных кампаний, нацеленных на узнаваемость, учет просмотров критически важен. Этот метод становится возможным благодаря инструментам сбора данных, таким как пиксели отслеживания, которые являются частью CDP CleverData Join. Они позволяют фиксировать факт показа рекламы (например, в email-рассылке или на партнерском сайте) и связывать его с дальнейшими действиями клиента, даже если прямого клика не было.

И напоследок, важный нюанс. К параметрам атрибуции не относят качество вашего продукта или работу менеджеров по продажам. Атрибуция данных в рекламе - это инструмент для оценки именно маркетинговых каналов и способ понять вклад источников трафика в конечный результат.

Так что такое модель атрибуции? Пожалуй, это набор линз, через которые вы смотрите на свой маркетинг. Разные линзы дают совершенно разную картинку.

Простые модели атрибуции (вроде First Click/Last Click) - это как камера. Видно, но не все детали. Более сложные виды атрибуций (линейная, U-образная) - уже микроскоп. А алгоритмические подходы, построенные на данных, - это МРТ всего вашего маркетинга.

Единственно верной модели атрибуции не существует. Лучшая стратегия - тестировать разные подходы и сравнивать результаты. Но какой бы тип атрибуции вы ни выбрали, помните: фундаментом для любого анализа служат чистые и объединенные данные.

Создание единого профиля с помощью платформ как CDP CleverData Join - первый и самый важный шаг, чтобы перестать гадать и начать принимать решения, основанные на фактах. Это переход от простого любопытства к построению эффективной и измеримой маркетинговой стратегии.