Модель атрибуции в маркетинге: что это такое и какую модель выбрать

Что такое модель атрибуции

Слово «атрибуция» переводится с латыни как «приписывание». Этот термин мог вам встретиться во многих сферах — психологии, авторском праве, лингвистике. В маркетинге модель атрибуции (МА) — это набор правил, которые определяют, как распределяется ценность между каналами взаимодействия с клиентом. Каждому из них приписывается какая-то часть заслуги за полученный результат, МА определяет — по какому принципу.

Путь к покупке бывает довольно сложным и запутанным. Скажем, пользователь впервые узнал о товаре из видеоролика на YouTube, потом зашёл на сайт, но ничего не купил. Потом он может увидеть рекламу в социальных сетях, перейти по ссылке и подписаться на рассылку. Через какое-то время он получит письмо со скидкой, и только тогда зайдёт в корзину и оплатит отложенный товар. Какой канал в этой цепочке больше всего повлиял на результат? Сложность онлайн-продвижения в том, что универсального ответа на этот вопрос не существует.

У каждого шага на пути к продаже своя роль, оценить его важность и значимость помогают разные модели атрибуции. При их применении маркетолог исходит из того, что весь путь клиента к покупке составляет 100%, а каждый отдельный шаг получает значение от 0 до 100. МА бывают одноканальные (они отдают всю значимость одному каналу, от модели зависит — какому именно) и многоканальные, учитывающие вклад нескольких инструментов.

Зачем нужна атрибуция в маркетинге

Модели атрибуции позволяют понять ценность каждого шага на пути к продаже. Безусловно, эффективность каналов можно измерить и другими инструментами — через конверсию, например. Однако важные каналы взаимодействия могут иметь низкую конверсию. Например, на ранней стадии контакта с рекламой аудитория может узнать о товаре и зайти на сайт, но еще не иметь достаточного доверия для совершения покупки. Конверсия на этом этапе может быть менее 1%, но, благодаря широкому охвату, который приводит новых клиентов, возможны следующие ступени взаимодействия с пользователем.

Использование модели атрибуции в маркетинге позволяет осознанно управлять продвижением: распределять бюджет, вовремя отказываться от непродуктивных каналов, фокусироваться на максимально эффективных.

Как рассчитывают атрибуцию

Рассчитать атрибуцию могут как штатный аналитик и маркетолог, так и профессионалы, специализирующиеся на Big Data. Если бизнесу на текущей стадии важно разобраться с теми каналами взаимодействия, которые он полностью контролирует (например, собственными лендингами и обращениями в мессенджеры), может быть достаточно внутренней информации. Охватить весь клиентский путь получится только если есть доступ к сторонним данным: поисковым запросам, реакции на баннеры и другую рекламу на сторонних площадках, статистике телесмотрения.

Большую часть работы делают машинные алгоритмы. Вот что можно полностью или частично автоматизировать в расчете атрибуции:

1. Сбор информации о взаимодействиях клиентов с различными маркетинговыми каналами и точками контакта. Это могут быть кликовые данные, сведения о посещениях сайта, транзакции, хронология и продолжительность сессий.

2. Выделение пользователя. Чтобы отследить клиентский путь, нужно понимать, какие касания принадлежат одному и тому же человеку. Пользователь должен остаться анонимным, но сведения о его активности можно привязать к обезличенному ядру — коду, идентификатору. 

3. Поиск точки конверсии. Она покажет, до какого момента нужно отслеживать касания.

4. Подготовка данных. Ошибки и повторы удаляются, дубликаты объединяются, сведения структурируются для дальнейшего анализа.

Дальше собранные и обработанные данные анализируют, чтобы определить вклад каждого маркетингового канала и точки контакта в достижении конверсий. На этой стадии нужно выбрать модель атрибуции под свои задачи: она определит, по какому принципу каждому каналу в цепочке будут присваиваться баллы. Чем больше баллов — тем больше заслуга канала в закрытии продажи. 

Одноканальные модели атрибуции

Одноканальные МА приписывают всю значимость одному конкретному каналу маркетинговых взаимодействий — источнику трафика или способу покупки. Все остальные взаимодействия и каналы игнорируются.

С одноканальными моделями несложно разобраться даже не специалисту, по ним достаточно просто проводить оценку. Но они не учитывают протяжённость и сложность клиентского пути, игнорируют вклад предшествующих этапов в принятие решения о покупке. Это может привести к недооценке роли других каналов.

Однако в некоторых случаях такие модели идеально подходят для решения конкретной задачи. Например, если вы хотите сосредоточиться на эффективности отдельного канала или стадии взаимодействия с потребителем.

Вот какие одноканальные МА используют маркетологи.

Первое взаимодействие (First Touch Attribution)

Модель первого касания приписывает всю заслугу за конверсию первому каналу, с которым клиент взаимодействовал до совершения целевого действия (например, сделки или покупки). Скажем, маркетолог запустил рекламную кампанию, которая включает объявления в поисковике, контекстную рекламу в соцсетях и электронную рассылку. Клиент в первую очередь увидел рекламное объявление в Google и перешел по нему, потом зашел на сайт рекламодателя, оставил там свои контактные данные, а затем совершил покупку. В модели первого взаимодействия весь кредит за конверсию будет приписан первому каналу — рекламному объявлению в поисковике. 

Эта МА полезна, когда первый контакт с клиентом особенно важен в процессе принятия решения о покупке. Например, в сферах с длинным циклом принятия решения о покупке — продаже недвижимости, автомобилей, услуг частных ВУЗов. Также она нужна для оценки эффективности каналов привлечения новых клиентов и создания узнаваемости бренда. Вряд ли подойдёт для сферы, где путь до покупки включает несколько контактов.

Последнее взаимодействие (Last Touch Attribution)

Модель последнего касания приписывает всю ответственность за конверсию последнему каналу взаимодействия клиента перед совершением целевого действия. Например, интернет-магазин использует несколько каналов: контекстную рекламу, социальные сети, электронную рассылку. Клиент узнал о магазине через контекстную рекламу, потом подписался на рассылку, а покупку сделал после перехода с поста в социальной сети. Весь кредит за конверсию достанется посту в социальной сети. 

Модель последнего взаимодействия особенно полезна, когда последний шаг перед покупкой является решающим. Например, для брендов, которые уже добились нужного уровня узнаваемости и теперь работают над пользовательским путём к покупке — делают его более коротким и более удобным. А вот на стадии привлечения новых клиентов эта МА подойдет только в сочетании с другими моделями, которые охватят первые контакты с потребителем.

Последнее платное взаимодействие (Last Paid Interaction) 

В этой модели кредит за конверсию полностью присваивается последнему платному каналу или рекламной активности, в которых участвовал клиент перед совершением целевого действия. Например, интернет-магазин оплачивает рекламу в соцсетях и поисковиках. Клиент сначала увидел объявление в поисковой системе, потом перешёл на сайт и подписался на рассылку, получил пару писем, и, наконец, сделал покупку, кликнув по баннеру в соцсети. В этой цепочке два платных канала продвижения и несколько бесплатных, но вся значимость отдается рекламе в соцсети. 

Эту модель легко реализовать и интерпретировать — достаточно отслеживать платные взаимодействия и присваивать конверсию последнему по времени. Но в некоторых случаях последний платный канал не так сильно влияет на решение о покупке, как вся предыдущая воронка продаж. Если продажи в вашем бизнесе прямолинейны и решение потребитель принимает относительно быстро, эта модель может быть эффективной. Но лучше дополнить ее многоканальными моделями, если сценариев клиентского пути много или покупатели склонны подолгу обдумывать покупку.

Последний клик (Last Click Attribution)

Согласно этой модели, за успех продажи или конверсии отвечает именно последний клик, который привел к результату. Если клиент узнал о вашем продукте через поиск в интернете, затем перешел на сайт и совершил покупку, то весь кредит будет приписан поисковому запросу.

Этот инструмент хорош для оценки эффективности специфических каналов, которые непосредственно приводят к покупке: тех же запросов, рекламы в тематических порталах и блогах, предложений в электронных рассылках. А вот ранние стадии взаимодействия с клиентами модель последнего клика не охватывает.

Post-View конверсия

Метод, который учитывает просмотр рекламы перед совершением покупки и присваивает ему главную роль в атрибуции. Позволяет оценить эффективность рекламных каналов, которые не привлекают клиента непосредственно, но вносят вклад через просмотр. Например, реклама в социальных сетях может не привести клиента к покупке сразу, но замотивирует его зайти на сайт или начать искать отзывы в интернете. 

Модель Post-View конверсии можно настроить под свои бизнес-цели и специфику конкретной кампании. Например, установить временные рамки для учета просмотров и настроить веса просмотрам по вашим параметрам. Однако эта МА не учитывает прямое взаимодействие клиента с рекламой — клики, баннеры и т. п. Ещё просмотры сложно связать с конкретными покупками, поэтому метод Post-View показывает больше общую тенденцию, чем точные измерения. 

Post-click конверсия

Фокус в этой МА на значимости каналов и точек контакта между кликом пользователя на рекламу и покупкой. Модель показывает, насколько важным было каждое промежуточное действие: клик в поисковой системе, переход по ссылке в электронной рассылке и т. д. 

Правда, пре-кликовые действия этот метод игнорирует. Еще он оценивает только конверсии и не учитывает важные метрики — узнаваемость бренда, вовлеченность, повторные покупки. Модель Post-click конверсии рассматривает каждый клик как самостоятельное действие, игнорируя контекст, в котором происходит взаимодействие с рекламой. Например, она не учитывает, какое место занимает реклама на странице или какие еще объявления видел клиент. 

Эта МА подходит для бизнесов, которым важно создать максимально прямой путь к покупке. Например, для интернет-магазинов, которые строят стратегию продаж на спонтанных решениях. Еще она помогает точечно оценить инструменты онлайн-конверсии — формы заказа, запроса звонка, чат-боты. 

Многоканальные модели

В отличие от одноканальных моделей, многоканальные учитывают вклад каждого канала в пути клиента к покупке. С их помощью можно оценить все ступени воронки или отдельную её часть.

Линейная атрибуция (Linear Attribution)

Эта МА предполагает равное распределение кредита за конверсию между всеми каналами взаимодействия клиента на его пути до совершения целевого действия.

Допустим, клиент узнал о вашем продукте через поиск в интернете, затем перешел на страницу компании в социальных сетях, просмотрел видеоролик о продукте, зашёл на сайт через рекламу и, наконец, совершил покупку. В модели линейной атрибуции поисковик, социальные сети, видеоролик и реклама получат одинаковую долю кредита за успешную покупку.

Линейная атрибуция особенно полезна, если вы хотите понять общую картину: какие инструменты влияют на решение о покупке. Это позволяет отсечь непродуктивные каналы и внимательнее изучить эффективные. Но индивидуальный вклад каждого способа продвижения линейная МА не покажет.

Пороговая атрибуция (Threshold Attribution)

Учитывает несколько точек контакта с клиентом и позволяет установить пороговое значение или вес для каждого канала, чтобы определить его значимость в процессе конверсии. Предположим, у вас есть магазин электроники, и вы привлекаете клиентов через поисковые запросы, социальные сети и рекламные баннеры. По каждому каналу у вас есть данные о расходах на рекламу и количество конверсий. Сначала вы устанавливаете пороговое значение для каждого — оно указывает минимальный вклад, без которого канал не учитывается в атрибуции. Если канал превышает пороговое значение, он получает кредит за конверсию. 

Эта модель позволяет сосредоточиться на наиболее значимых путях взаимодействия с клиентом. Но поскольку анализ привязан к расходам на рекламу, она не учитывает бесплатные и низкобюджетные каналы продвижения.

Последнее непрямое взаимодействие (Last Non-Direct Interaction Attribution) 

Модель атрибуции, которая приписывает всю ценность покупки последнему косвенному контакту с клиентом перед его прямым взаимодействием. Это может быть особенно полезно в случаях, когда клиенты проводят исследования и совершают несколько промежуточных шагов перед покупкой. Например, перед покупкой автомобиля многие ищут отзывы в поисковиках, читают тематические форумы и мониторят предложения по автокредитам. 

Эта МА позволяет определить, какие источники трафика или рекламные каналы создают узнаваемость бренда или привлекают клиентов. С ней маркетологу проще определять, на каких инструментах стоит фокусировать бюджет. Однако прямые взаимодействия, такие как клики на рекламные объявления или переходы по прямым ссылкам, этот метод игнорирует. Также она не учитывает более ранние косвенные контакты. 

Временной спад (Time Decay Attribution) 

Этот метод приписывает всё большую долю значимости каждому каналу коммуникации, который клиент встречает по мере приближения к совершению покупки. Чем ближе канал к моменту оплаты, тем больше вес ему назначается. Это помогает идентифицировать самые эффективные каналы на заключительном этапе покупательского пути. Например, чтобы сделать процесс покупки более удобной, чем у конкурентов. Или закупить больше рекламы на той площадке, откуда приходит много клиентов. Но более ранние взаимодействия эта МА не учитывает, как и пересечения каналов между собой, рассчитывать с ней на полную картину не стоит.

Атрибуция с привязкой к позиции (Position-Based Attribution Model) 

Этот метод приписывает вес инструментам в зависимости от их позиции или роли в клиентском пути. Главный плюс этой МА — гибкость. Маркетолог сам решает, какие каналы считает наиболее значимыми на данном этапе. Если бренд работает на узнаваемость, стоит сосредоточиться на привлечении новых клиентов и первых касаниях. Для устоявшегося бизнеса могут быть важнее инструменты прямого взаимодействия и финальные стадии воронки. 

Учтите, что модель с привязкой к позиции упрощает реальный клиентский путь, не учитывая сложность и взаимосвязь различных каналов. Эта МА игнорирует временные интервалы между контактами с различными каналами, а время между касаниями может быть критическим фактором.

Атрибуция на основе данных (data-driven attribution) 

Единственная МА, которая основывается на фактических данных о поведении клиентов и их взаимодействии с различными маркетинговыми каналами, а не на предположениях. Data-driven атрибуция использует машинные алгоритмы и математические модели для обработки большого объема данных — множественную регрессию, машинное обучение, цепи Маркова. Это позволяет точно определить вес каналов в зависимости от их влияния на конверсию. 

Модель учитывает все взаимодействия клиента с разными каналами, даже если путь был сложным или пользователь совершал повторные касания. Однако, для создания точной МА требуются большие объемы данных. Их сложно собирать, обрабатывать и хранить. Ещё этот метод построен на достаточно сложных алгоритмах, которые сложно самостоятельно освоить без профильного образования. Поэтому компаниям, в которых нет штата data-аналитиков и соответствующей инфраструктуры, скорее подойдут готовые решения, построенные на Data-driven.

Такой сервис предлагает, например, Platforma — российский маркетплейс инструментов Big Data. Машинные алгоритмы обрабатывают идентификаторы, которые присваивают своим абонентам крупнейшие мобильные операторы и интернет-провайдеры. Потом нейросеть соотносит эти анонимные идентификаторы с информацией о транзакциях, перемещениях и других аспектах поведения абонента. Platforma получает эти агрегированные данные в рамках партнёрских проектов.

Пользователь при этом остаётся полностью анонимным, вся информация об интернет-активности, реакции на рекламу и покупках привязывается к обезличенному коду. 

Машинные алгоритмы отслеживают закономерности в поведении потребителей и их реакции на рекламу. Они способны объективно показать, какой вклад внёс каждый канал в продвижение продукта.