Ассоциированные конверсии, или Что делать, когда стандартные модели атрибуции не подходят

Когда стандартные модели атрибуции не работают

Стандартные модели атрибуции работают, если более 80–90% пользователей совершают макроконверсию, например «покупку», уже в первый визит. Если же пользователь до совершения конверсии несколько раз взаимодействовал с разными каналами, такие модели могут работать неточно, так как учитывают только одно взаимодействие — первый, последний или последний значимый переход.

Если вы используете несколько платных каналов привлечения трафика, важно проверить, сколько макроконверсий совершается во время первого визита пользователя.

Для этого подойдёт отчёт «Общее число визитов» в Яндекс Метрике:

1. Ориентируйтесь на строку «Визитов в истории» — она поможет понять, как часто пользователи совершают целевые действия сразу, без промежуточных визитов.
2. Определите ключевую для бизнеса цель, например «Ecommerce: покупка», как в примере ниже, или «Отправка заявки».
3. Вместо абсолютных значений настройте отображение доли в процентах по целевым визитам. Чем ниже этот процент, тем сильнее атрибуция по последнему клику может искажать вклад других каналов.

На примере выше — отчёт ecommerce-проекта, где около 40% покупок совершаются в ходе первого визита. Это значит, что атрибуция по последнему переходу может быть неточной для 60% макроконверсий, так как она не учитывает предыдущие этапы пути пользователя к конверсии.

Решением для таких проектов может стать мультиканальная аналитика, которая отражает вклад всех этапов.

Как работают и зачем нужны ассоциированные конверсии и чем они отличаются от атрибуции по последнему значимому переходу

Ассоциированные конверсии — это промежуточные точки касания с брендом, которые помогают потенциальным клиентам быстрее совершить целевое действие. Это решение помогает не переоценивать роль последнего или первого касания в достижении конверсии. Ассоциированные конверсии можно рассматривать как разновидность линейной модели атрибуции. В ней ценность конверсии делится между всеми визитами, а в случае с ассоциированными конверсиями каждому визиту присваивается признак промежуточной точки.

Линейная модель атрибуции лучше подходит для проектов, доход которых легко оценить. Это могут быть ecommerce-сайты или бизнесы, сквозная аналитика которых позволяет понять, какой доход приносят конверсии, и распределить эту сумму между всеми визитами, которые привели к покупке.

Если данных о доходе нет, можно разделить фактические конверсии на количество визитов — ассоциированных конверсий. В этом случае вы получите результат в виде дроби — например, 0,33 конверсии на визит.

Разберём на примере

Рассмотрим данные конкретного проекта, чтобы сравнить эффективность источников трафика с помощью ассоциированных конверсий и атрибуции по последнему значимому переходу и определить, какой подход работает лучше. Основной KPI проекта — CPL. Дашборд в Power BI позволяет сравнить показатели, полученные с помощью ассоциированных конверсий и атрибуции по последнему значимому переходу сразу по всем кампаниям.

Красная линия, которая начинается в начале оси координат, показывает, что между CPL есть связь независимо от подхода. В среднем чем выше CPL по последнему значимому переходу, тем выше он будет при расчёте с учётом ассоциированных конверсий. Но это правило работает не для всех кампаний. Серая и фиолетовая линии, которые идут от обеих осей, делят кампании на четыре группы в зависимости от того, как они расположены относительно средних значений CPL, рассчитанных с учётом разных подходов.

Кампаниям из красного сектора нужно уделить внимание и оптимизировать их. А кампании из тёмно-зелёной зоны в левом нижнем углу можно оставить или пробовать масштабировать. Наибольший интерес вызывают кампании, которые по-разному оцениваются моделями — голубой и зелёный секторы.

Как читать график:

• Красный сектор — высокая CPL по каждому подходу
• Тёмно-зелёный — низкая CPL по каждому подходу
• Голубой — высокая CPL по модели последнего значимого и низкая с учётом ассоциированных конверсий
• Зелёный — низкая CPL по модели последнего значимого и высокая с учётом ассоциированных конверсий

Размер круга на графике отражает расходы на кампанию.

Кампании, CPL которых выше средней по модели последнего значимого перехода и ниже с учётом ассоциированных конверсий

Эти кампании могут быть недооценены, если использовать только стандартную модель атрибуции — по последнему значимому переходу.

Так происходит, потому что подобные кампании часто встречаются в цепочках касаний пользователей, которые совершают целевое действие. Например, кампания с ID 55677669 при модели атрибуции по последнему значимому переходу получает 17 лидов, и стоимость привлечения каждого из них более чем вдвое выше средней. Однако ассоциированных конверсий более чем в 12 раз больше, а CPL — в два раза ниже средней.

Кампании, CPL которых выше средней с учётом ассоциированных конверсий и ниже по модели последнего значимого перехода

Эти кампании могут быть переоценены, если использовать только атрибуцию по последнему значимому переходу, так как они относительно редко встречаются в цепочках касаний пользователей, совершивших целевое действие.

Например, кампании с ID 56286938 по модели последнего значимого перехода приписывается 29 лидов со средней CPL. При подсчёте по ассоциированным конверсиям CPL будет в два раза выше среднего.

Как отслеживать ассоциированные конверсии в Яндекс Метрике

В Яндекс Метрике можно оценить количество ассоциированных конверсий для группировки любого уровня — например, источника трафика, каналов, кампании или группы объявлений.

Вот как это сделать:

1. Откройте отчёт «Источники, сводка». Он содержит данные обо всех источниках трафика и их вкладе в достижение целей.
2. Создайте сегмент с визитами, в которых была достигнута интересующая вас цель, например покупка.
3. Убедитесь, что в атрибуции выбрана модель «Последний переход». Это позволит сосредоточиться на тех визитах, в ходе которых цель была достигнута, но ваш источник трафика не был финальным.
4. Выделите визиты, в которых интересующий вас источник или кампания были одними из источников трафика, но не последними перед достижением цели.

Количество визитов и конверсий, которые пользователь совершил в цепочках с интересующим вас источником трафика, отобразятся в отчёте.

Как создать собственную модель атрибуции с помощью данных Яндекс Метрики

Для более гибкой аналитики можно создать собственную модель атрибуции на основе неагрегированных (сырых) данных Яндекс Метрики. Только с их помощью можно получить уникальные идентификаторы пользователей и визитов.

Чтобы построить свою модель атрибуции:

1. Выгрузите данные из Яндекс Метрики, например через Logs API. В них должны входить:
   • Идентификатор пользователя — ym:s:counterUserIDHash
   • Идентификатор визита — ym:s:visitID
   • Источники трафика (каналы, кампании, объявления) в нужной атрибуции
   • Дата и время визитов
   • Целевые действия (достижения целей или ecommerce-покупки)
2. Обработайте данные с помощью языков программирования или BI-систем. На этом этапе можно:
   • Распределить ценность конверсии между всеми визитами
   • Учесть особенности бизнеса и установить более длительное окно атрибуции, если решение о покупке происходит в течение большого периода времени

Как не ошибиться с выбором модели атрибуции или подхода для аналитики

Оценка вклада разных каналов в конверсии позволяет оптимизировать затраты на продвижение и эффективнее расходовать бюджет. Выбор модели атрибуции или подхода к аналитике зависит от особенностей бизнеса:

• Если более 80–90% макроконверсий, например покупок, на сайте совершаются уже в первый визит, подойдут стандартные модели — например, по первому или последнему клику
• Если же до совершения конверсии пользователь несколько раз взаимодействовал с разными каналами, более эффективными будут мультиканальные подходы, например с учётом ассоциированных конверсий

Ориентируйтесь на рекомендации в этой статье, чтобы выбрать подходящий подход к атрибуции и при необходимости создать собственную модель на основе данных Метрики.

Дополнительные материалы