Модели маркетинговой атрибуции: Какая подходит именно вам?

Атрибуция является ключевым инструментом успешного маркетинга приложений. Только имея в распоряжении точные и детализированные данные атрибуции, вы можете определить, какие маркетинговые кампании приносят желаемый результат, а какие – нет.

Но атрибуция на этом не заканчивается…. Опытные маркетологи приложений осознают наличие множества моделей. Зачастую они применяют продвинутые техники атрибуции, чтобы понять относительную ценность различных точек взаимодействия на пути пользователя. 

Что такое модель атрибуции?

Модель атрибуции — это механизм, использующийся для определения ценности различных маркетинговых усилий, будь то реклама в приложении, реклама в соц.сетях или email-кампаний. Модели атрибуции предназначены не только для мобильных маркетологов – они представляют собой вариацию маркетинговой атрибуции в целом, и являются основой цифрового маркетинга в любом контексте.

Модели маркетинговой атрибуции способно рассказать целую историю с помощью данных. Выражаясь маркетинговым сленгом, эти модели следуют по “пути пользователя”.

Точки данных являются важнейшими деталями в этой “истории”, которые рассказывают о роли каждой отдельной рекламы в привлечении пользователей и, в конечном итоге, в прибыли (ROAS).

Но когда пользователи устанавливают приложение в результате нескольких взаимодействий с вашим брендом (после первого раза, когда они увидели вашу рекламу, второго или пятого), становится проблематично определить, какой источник “виновен” в установке.

В моделях маркетинговой атрибуции существует масса вопросов, которые могут привести в замешательство лучшие умы индустрии. Важно понимать различные модели атрибуции, а также их недостатки. Начнем с самых основ. 

Модель атрибуции по первому взаимодействию (клику)

Если рассматривать атрибуцию как приписывание заслуги за целевое действие тому или иному медиа-источнику, тогда модель атрибуции по первому клику (first-touch attribution) засчитывает самый первый клик пользователя на рекламу (также известный как точка касания), а медиа-источник, ответственный за этот клик, получает плату, независимо от того, со сколькими рекламными кампаниями пользователь взаимодействовал до установки. 

Простота атрибуции по первому клику является основным преимуществом этой модели, плюс – это отличный способ измерить формирование спроса. Однако эта модель очень ограничена в плане оптимизации, что критически важно в мобильном маркетинге. Более того, данная модель является неточным и даже несправедливым способом атрибуции, учитывая то, что конверсия предполагает неоднократные контакты пользователя с рекламой.

По сравнению с другими моделями, атрибуция по первому взаимодействию не считается очень продвинутой в плане технологий, но у нее есть свои преимущества: легкость внедрения, простота и доступ к данным о формировании спроса. 

Модель атрибуции по последнему взаимодействию

Модель атрибуции по последнему взаимодействию (last-touch attribution) приписывает заслугу за конверсию той сети, с которой пользователь взаимодействовал непосредственно перед установкой. 

Пример взаимодействия пользователя с рекламой гиперказуальной игры:

• День 1: Клик на рекламу, которая была показана медиа-источником 1 – установка не произошла; 
• День 2: Клик по промежуточной “interstitial” рекламе той же игры от медиа-источника 2, однако установка не произошла;
• День 4: Просмотр видео с вознаграждением, с рекламой той же игры от медиа-источника 3 и последовавшая за ним установка.

В соответствии с моделью атрибуции по последнему взаимодействию, вся заслуга за установку приписывается медиа-источнику 3.

В течение многих лет мобильная реклама использовала модель атрибуции по последнему взаимодействию. Индустрия во многом обязана своему росту данной модели, однако это не отменяет ее проблематичность.

Многие установки являются результатом череды взаимодействий с рекламой, что значит, что каждая реклама на пути пользователя вносит свой вклад в установку, однако заслуга приписывается только последнему взаимодействию. Данная модель недооценивает предыдущие точки взаимодействия  и переоценивает последнюю точку. 

Она не учитывает инкрементальное воздействие каждой последующей точки взаимодействия и затрудняет понимание вашего истинного ROI. 

Модель атрибуции по последнему непрямому клику

Модель атрибуции по последнему непрямому клику (last non-direct attribution) очень похожа на модель по последнему взаимодействию, отличие заключается в том, что она приписывает всю конверсию последнему маркетинговому действию (не последней точке взаимодействия), на который кликнул пользователь перед конверсией.  

Примерная последовательность действий:

• Пользователь нажимает на Google ad, направляющий его на веб-сайт и затем совершает некое действие на вебе. Впоследствии пользователь снова посещает данный веб-сайт уже напрямую и совершает покупку после каких-то действий. 
• Покупка атрибутируется на Google Ads, потому что модель является непрямой. 

Ценность этой модели заключается в том, что она фильтрует прямой трафик. Многие рекламодатели связывают прямой трафик с пользователями, которые уже подвергались маркетинговым кампаниям. 

Модель атрибуции мультитач 

Теперь, когда мы определили преимущества и недостатки, связанные с атрибуцией по первому, последнему и последнему непрямому взаимодействию, давайте рассмотрим модель атрибуции мультитач (multi-touch attribution).

Мультитач-атрибуция учитывает каждую точку контакта с рекламой на всем пути пользователя: от первого показа до установки. Каждое новое взаимодействие с рекламой воспринимается как напоминание пользователю, а каждый шаг на пути к конверсии имеет определенный «вес».

Атрибуцию мультитач часто называют «вспомогательными установками» (assisted installs), поскольку каждая точка взаимодействия подталкивает пользователя ближе к конверсии, будь то установка, покупка или другое событие в приложении. Вы также можете встретить название «дробная атрибуция» (fractional attribution).

Мультитач-атрибуция может быть ограничена одним каналом (одним мобильным устройством) или охватывать несколько каналов (например, мобильный телефон, планшет, компьютер и телевизор).

Когда вы смотрите на данные атрибуции с точки зрения «мультитач», вы получаете представление о том, какие медиа-источники повлияли на установку, на каком устройстве и в какой последовательности. Это поможет вам принимать оптимальные решения и правильно распределять бюджет.

Например, представьте, что в Твиттере проходит спонсируемая кампания, которая привлекает 2500 установок по последнему клику. Последний клик важен, как и 1000 сетей-помощников (“assists”), даже если к установке по последнему клику привели другие медиа-источники, например, Facebook, Google Search.

Когда вы сможете выявить «помощников», которые приблизили пользователя к конверсии, вы сможете определить их вклад на пути клиента и соответственно, бюджет.

В рамках атрибуции мультитач есть три основные модели:

• Линейная модель присваивает равную ценность каждой точке взаимодействия. При данной модели распределение бюджета для медиа-источников является относительно простым.
• Кроме того, существует модель «течения времени» (The Time Decay Model), которая исходит из предположения, что не все точки взаимодействия на пути клиента имеют одинаковую ценность. Эта модель дает приоритет точке взаимодействия, ближайшей по времени к конверсии.
• Как и модель течения времени, U-образная модель атрибуции помогает определить, какие медиа-источники являются наиболее эффективными в определенных точках воронки: вклад первой и последней точки взаимодействия оценивается в 40%, а каждая точка взаимодействия между ними – “assisted” – получает по 20%. Если вы рассматриваете первую и последнюю точку взаимодействия (узнаваемость бренда и конверсию соответственно) как наиболее значимые точки на пути клиента, но все же хотите отдать должное сетям, поспособствовавшим конверсии, то U-образная модель вам вполне подойдет.

Кастомизированная модель 

И наконец, существует кастомизированная атрибуция, которая подходит приложениям с опытной командой маркетологов и налаженным процессом измерений.

Если вы хотите сами задавать правила атрибуции, вам нужно начать с детального понимая не только своих пользователей и их пути, но и конкурентов. Тогда вы сможете выявить ценность определенных точек взаимодействия для конверсии.

С кастомизированной моделью атрибуции вы можете добиться невероятной грануляции вашего анализа, и приписывать долевую ценность каждой точке взаимодействия. Например, канал, который оказал самое большое влияние на конверсию, получает самую большую долю; второй по значимости канал получает вторую по величине долю и т.д. Независимо от того, какие по порядку в цикле конверсии были самые влиятельные медиа-источники – первые, третьи или двадцатые – им припишется самый большой вклад в конверсию.

Кроме того, что кастомизированная атрибуция требует знаний, кадровых ресурсов и агрессивной оптимизации, она представляет собой сложную систему. А чем сложнее модель атрибуции, тем выше вероятность совершения ошибок. 

Одним словом

Моделирование атрибуции является фундаментом маркетинга, особенно мобильного, и очень важно получить конкурентное преимущество. Выбор модели зависит от поведения ваших пользователей и вашей стратегии монетизации.

Сравните результаты нескольких моделей, чтобы понять, какая из них подходит лично вам в плане оптимизации. Имейте в виду, что чем сложнее модель, тем больше ресурсов вам понадобится для ее применения.