Модели атрибуции: как понять, какой канал привёл клиента

Мы часто сталкиваемся с ситуацией, когда маркетологи используют модель атрибуции Last click. Она приписывает всю заслугу последнему каналу перед покупкой. Например, клиент увидел баннер в VK, через неделю загуглил бренд, кликнул по объявлению в Яндекс.Директ и совершил покупку. Last click скажет: всё благодаря Яндекс.Директору. А VK получит 0.

Мы проанализировали кампанию одного из наших клиентов. В ней были задействованы VK Ads и Яндекс.Директ. Бюджет на VK Ads составлял 100 000 рублей, на Яндекс.Директ — 200 000 рублей. Конверсия из объявления VK Ads в посещение сайта составила 3%, из объявления Яндекс.Директа — 5%. Однако модель Last click показала, что все конверсии пришли из Яндекс.Директа.

Мы рекомендовали клиенту использовать модель атрибуции, которая учитывает вклад всех каналов в покупку. После перехода на модель атрибуции с учётом всех каналов клиент увидел, что VK Ads также приносит конверсии. Он перераспределил бюджет в пользу VK Ads и увеличил количество новых клиентов.

Мы используем сквозную аналитику на платформе VECTRALABS. Она позволяет отслеживать путь клиента от первого взаимодействия с брендом до покупки. Мы видим, какие каналы приводят клиентов, какие кампании работают эффективно, а какие — нет.

Мы интегрируем VECTRALABS с Яндекс.Диреkt, Google Ads, VK Ads, amoCRM, Битрикс24, 1С, Tilda. Это позволяет нам собирать данные из разных источников и анализировать их. Мы используем UTM-метки для отслеживания эффективности кампаний.

Мы рекомендуем использовать сквозную аналитику для оптимизации маркетинговых кампаний. Она позволяет точно определить, какие каналы приносят клиентов, и перераспределить бюджет в их пользу. Мы видим, что это помогает нашим клиентам увеличивать количество новых клиентов и повышать ROI.

В нашей практике мы часто сталкиваемся с необходимостью выбора оптимальной модели атрибуции для различных кампаний. Рассмотрим, как разные модели влияют на распределение бюджета и оценку эффективности каналов на примере пути клиента с тремя касаниями: VK → SEO → Яндекс.Директ, покупка на 50 000 ₽.

При использовании модели First click весь кредит конверсии (100%) присваивается первому касанию — VK. Это может привести к тому, что бюджет будет перенаправлен исключительно на рекламу в VK, несмотря на вклад других каналов. Например, если бюджет на рекламу составляет 100 000 ₽, то вся сумма может быть выделена на VK Ads.

Модель Last click, наоборот, отдаёт весь кредит конверсии последнему касанию — Яндекс.Директ. В этом случае бюджет будет сосредоточен на кампании в Яндекс.Директ, что может привести к недооценке роли VK и SEO. Например, 80 000 ₽ могут быть выделены на Яндекс.Директ, в то время как на другие каналы останется значительно меньше средств.

Модель Linear распределяет кредит конверсии поровну между всеми касаниями — по 33% на VK, SEO и Яндекс.Директ. Это позволяет более сбалансированно распределить бюджет между каналами. Например, если общий бюджет составляет 90 000 ₽, то на каждый канал может быть выделено по 30 000 ₽.

Модель Time decay учитывает время между касаниями и конверсией, присваивая больший вес последнему касанию. В нашем примере VK получает 15%, SEO — 30%, а Яндекс.Директ — 55%. Это может привести к тому, что большая часть бюджета будет выделена на Яндекс.Директ, но при этом не будет полностью игнорироваться вклад других каналов. Например, на Яндекс.Директ может быть выделено 50 000 ₽, на SEO — 25 000 ₽, а на VK — 15 000 ₽.

Модель U-shape присваивает 40% первому и последнему касанию, а 20% — среднему. В нашем случае VK и Яндекс.Директ получат по 40%, а SEO — 20%. Это позволяет учитывать вклад как первого, так и последнего касания, а также не игнорировать роль среднего касания. Например, на VK и Яндекс.Директ может быть выделено по 40 000 ₽, а на SEO — 10 000 ₽.

Выбор модели атрибуции зависит от целей и стратегии компании. Важно учитывать специфику бизнеса, поведение клиентов и вклад каждого канала в конверсию. В нашей практике мы рекомендуем использовать комбинацию моделей для более точного анализа эффективности рекламных кампаний.

В e-commerce, где цикл продаж до трёх дней, мы рекомендуем использовать модели last click или time decay. Они позволяют эффективно отслеживать конверсии и оптимизировать рекламные бюджеты. Например, в одном из наших проектов в e-commerce удалось повысить конверсию на 15% за счёт применения модели time decay.

Для отраслей со средним циклом продаж, таких как EdTech и медицина (7–30 дней), мы предлагаем использовать U-shape или линейную модель. Эти модели учитывают вклад каждого канала на разных этапах воронки продаж. В проекте в сфере EdTech с использованием U-shape мы увеличили количество лидов на 20% за месяц.

В B2B и недвижимости, где цикл продаж составляет 30–90 дней, мы рекомендуем применять data-driven или U-shape модели. Они позволяют более точно анализировать влияние различных каналов на принятие решения о покупке. В одном из наших B2B-проектов использование data-driven модели помогло сократить стоимость лида на 10%.

Ошибка использования одной модели для всех каналов может привести к неправильным выводам и неэффективным решениям. Каждый канал — Яндекс.Директ, Google Ads, VK Ads — играет свою роль в воронке продаж. Например, Яндекс.Директ может быть эффективен для привлечения трафика на сайт, а VK Ads — для повышения узнаваемости бренда.

Мы рекомендуем использовать UTM-метки для отслеживания эффективности рекламных кампаний в разных каналах. Это позволяет точно определить, какие каналы приносят больше всего лидов и продаж. В одном из наших проектов использование UTM-меток помогло увеличить ROI на 15%.

Интеграция с CRM-системами, такими как amoCRM или Битрикс24, позволяет автоматизировать процесс отслеживания конверсий и оптимизации рекламных кампаний. В результате можно быстрее реагировать на изменения рынка и повышать эффективность маркетинга.

Использование сквозной аналитики на платформе VECTRALABS с 19 модулями помогает объединить данные из разных источников и получить полную картину эффективности маркетинга. Фиксированная цена от 4 990 рублей в месяц делает эту платформу доступной для компаний любого размера.

В нашем опыте data-driven модель доказала свою эффективность. Она позволяет принимать решения на основе реальных данных, а не интуиции. Для корректной работы модели нужно не менее 300 конверсий в месяц, три и более каналов привлечения и минимум два месяца истории.

Алгоритм анализирует, какие комбинации каналов чаще всего приводят к продаже, и распределяет вес на основе статистики. Это помогает оптимизировать маркетинговые расходы и повысить ROI.

Например, анализ с помощью data-driven показал, что email-рассылки участвуют в 40% сделок, хотя по last click их вклад составлял всего 3%. На основе этих данных мы вернули бюджет на email-маркетинг.

Мы используем различные инструменты для сбора и анализа данных. Среди них — Яндекс.Директ, Google Ads, VK Ads. Эти платформы позволяют отслеживать конверсии и оценивать эффективность рекламных кампаний.

Также мы работаем с CRM-системами, такими как amoCRM и Битрикс24. Они помогают нам собирать данные о клиентах и их поведении. Мы используем UTM-метки для отслеживания источников трафика и анализа эффективности рекламных кампаний в Яндекс.Метрике.

На основе собранных данных мы можем оценить вклад каждого канала в продажи и оптимизировать бюджет. Например, если мы видим, что один канал приносит больше конверсий по более низкой стоимости, мы можем увеличить бюджет на этот канал.

Мы рекомендуем использовать data-driven подход для оптимизации маркетинговых расходов и повышения ROI. Это особенно актуально для компаний, которые работают с несколькими каналами привлечения и хотят максимально эффективно использовать свой бюджет.

Мы рекомендуем использовать UTM-метки на всех рекламных каналах. Это позволяет точно отслеживать источники трафика и оценивать эффективность кампаний в Яндекс.Директ, Google Ads и VK Ads. Например, можно выделить отдельные UTM-метки для разных объявлений в Яндекс.Директ и сравнить их конверсию.

Свяжите рекламные кампании с CRM-системой, например, amoCRM или Битрикс24. Это даёт возможность видеть все взаимодействия клиента с брендом до покупки. Мы наблюдали случаи, когда клиенты совершали покупку после пятого или шестого касания. Без связки с CRM эти данные были бы потеряны.

Используйте платформу аналитики с поддержкой разных моделей атрибуции. В VECTRALABS можно легко переключаться между моделями и видеть, как меняется картина. Это помогает принимать более обоснованные решения на основе данных.

Начните с U-shape модели атрибуции. Она учитывает первое и последнее касание, а также промежуточные взаимодействия. Через 3 месяца сбора данных можно перейти на data-driven модель. Она основана на анализе исторических данных и позволяет более точно определить вклад каждого канала в конверсию.

Не меняйте модель атрибуции чаще раза в квартал. Частые изменения могут привести к нестабильности данных и затруднить анализ. Мы рекомендуем анализировать данные каждые три месяца и при необходимости корректировать модель.

Мы наблюдали случай, когда клиент использовал U-shape модель и увидел, что первое касание приносит 30% конверсии, а последнее — 70%. После перехода на data-driven модель через три месяца данные изменились: первое касание — 20%, последнее — 80%. Это позволило клиенту оптимизировать бюджет и перераспределить его в пользу наиболее эффективных каналов.

Использование UTM-меток, связка с CRM и платформа аналитики с поддержкой разных моделей — это ключевые элементы успешной маркетинговой стратегии. Они позволяют получать точные данные, оптимизировать бюджет и повышать ROI.