Пути рекламы не всегда исповедимы. А первичная точка желания клиента и конечный результат оплаченной транзакции имеют целую цепочку последовательностей, через которую прошел «сигнал» (А) покупки, приведший к результату(Б). Нацеленность маркетинга на скорый результат продаж, выбрасывающего из пути приобретения косвенные действия клиента, часто приводит к ошибке. А именно повороты дороги между точками А и Б считаются невидимо решающими, подтолкнувшими к целевому действию. Если сравнить условно это явление со старым способом, то в покупке двух резиновых шариков цепочка идет на годы назад, если они были приобретены как оформление праздничной комнаты брату, родившемуся из-за случайной встречи родителей у соседа.

Таких косвенных действий в интернет маркетинге, связанных с приобретением, но не напрямую, а опосредованно, много. Они называются ассоциированными конверсиями или (Customer Journey Map — «Карта пути клиента»).

Еще одно определение явлению можно дать, исходя из фигуры пользователя. Ряд промежуточных действий между первичным желанием и покупкой, превративший пользователя в покупателя, и есть ассоциированная конверсия.

Сферы влияния явления

Конверсии связаны с некоторыми элементами маркетинга в интернете:

  • являясь причиной транзакции, становится участником рынка криптовалют, влияя на их волатильность;
  • будучи предметом изучения статистики и SEO, связаны с динамикой показателей релевантности ключей, смещением данных CTR, СРС;
  • оставаясь до конца неисследованными, потому как учесть все возможные косвенные причины покупки невозможно, составляют огромный массив неиспользованных и нереализованных возможностей в учете причин покупки, что делает статистику продаж приблизительной, оставляя свободное пространство погрешности для вероятностного течения событий, что важно для закрытых сегментов интернет пространства, оперирующих конечными цифрами;
  • приблизительность аналитических выкладок оставляет пространство неучтенности полем для маркетинговых маневров программного свободомыслия, опирающегося на явления случайности, рандомности и вероятности.

Преимущества аналитического инструментария Google

Исследование данного сегмента контекстной рекламы проводится в сервисах Яндекс и Google. Первый опирается в получении статистики только на три варианта атрибуции: первый, последний и последний значимый переходы. Такая незначительная выборка не позволяет объективно оценить роль ассоциированных конверсий, предлагая слишком большой разброс приблизительности в конечных результатах, что не может стать основанием для принятия финансовых решений по улучшению рекламной политики.

Яндекс не позволяет отслеживать подробности конверсионных цепочек, не делает подробной аналитики по вкладу конкретных каналов в конечный результат по продажам, не выполняет автоматических расчетов. Для этих целей использование Google Analytics выглядит эффективнее и выгоднее.

В среде исследований данного явления предпочтителен сервис Google Analytics, определяющий явление как «многоканальные последовательности» в подменю «Конверсии». Программа дает срез событий за необходимый промежуток (30 дней, и в подменю «ретроспективного обзора» в истории от 1 до 90 дней).

Основные каналы аналитики ассоциированных конверсий (Google Analytics)

Что является разветвлением пути к конечной цели покупки, когда пользователь «дозревает» до расставания с капиталом? Список частотных трафиков, попадающий под фильтр статистической аналитики Google Analytics содержит четыре позиции:

  • SERP поисковиков;
  • сторонние сайты, возможно, партнерские;
  • сетевой трафик (социальные гиганты — почтовые, информационные, мировые, региональные сети);
  • непосредственное посещение конечного сайта (помещение его пути в адресную строку, либо с закладки в браузере).

Для получения сведений из adWords, связывают его через опцию «Администратор» с необходимыми ресурсами, можно запросить данные обобщенного характера по КМС (контекстно-медийной сети в целом).

Отслеживание покупательских трафиков по названным каналам локализовано в опции «Путь кампании» или «Источник/канал». Второй вариант выкладывает некоторые подробности: ключевики, контекстные запросы, определители адаптивного объявления или рекламного графического сообщения. Напротив них указывается условный процент участия позиции в конечной цели (покупке).

Для разработки автоматической аналитики процессов создан ряд ассоциаций, где покупатель — автор многочисленных конверсионных цепочек, количество разветвлений основного пути равно числу конверсий, первичным каналом цепочки «прямой переход-контекст-закладка-покупка» остается контекстная реклама.

Атрибуции — виртуальная среда исследований

Атрибуции — искусственно заданные условия совершения транзакций с некоторыми исходными данными, являющимися критерием или основанием аналитики, и перед каждым из них стоит не реальное значение, а вымышленное.

В системе аналитики конверсий, атрибуция — условное наделение тех или иных шагов, приведших к целевому действию, ценностью.

Поскольку просчитать конверсии невозможно, даже сгруппировав по сходствам поведенческого признака, Googl Analytics берет за точку отсчета различные условности. Разработка моделей конверсий базируется не только на совершенных транзакциях, но и на покупателях, не совершивших целевых действий, если сравнить явление с математической шкалой, то это антипод состояния конверсии, позволяющий создавать вероятностные ситуации маркетинга и возможность оценивать не только конкретное приобретение, но и склонность его совершить теми, кто этого не сделал.

Такое математическое пространство моделирования торгового процесса является хорошей базой для программистов, осваивающих метафизические пространства сети.

Вектор Шепли математический алгоритм аналитической среды

Базовый алгоритм, использованный при создании атрибуций многоканальных конверсий, называется вектор Шепли. Числовая функция разработана в теории, изучающей явление коалиционных игр. В основе его функции — справедливое наделение вещественной победой всех участников группы победителя.

По ассоциации с игрой, членами команды атрибуций Google Analytics становятся варианты коммуникаций с потенциальным потребителем:

  • поисковые системы (Яндекс, Google, Bing);
  • реклама средствами медиа (Google Реклама, РСЯ, Begun);
  • почтовые сервера (Gmail.com, mail.ru, yundex.ru).

Конверсии — выигрыш представителей команды. Алгоритм распределяет их для каждого способа получения. Сопоставляя вероятность конверсии с похожим поведением покупателей, ставших участниками выбранных совместных действий в реальном и вероятностном случае, с опорой на то, что в момент перехода, остался способ, не задействованный в транзакции.

Ценность конверсий складывается как из конкретных транзакций, так и из упущенной выгоды несовершенных покупок реальными пользователями, которые в полях атрибуций создаются из вероятностных неиспользованных вариантов последовательностей покупки, при совершенных из ряда предложенных в 7 видах атрибуции.

Вектор Шепли — математическая основа для создания базы численных последовательностей, являющихся массивом цифровой подложки под семантическое поле маркетинговых событий. В любом процессе, а в игре особенно, есть ряд аномалий, связанных с поведенческим фактором, который, являясь показателем допустимой погрешности, ставит под сомнение конгруэнтность и полное совпадение проекции вектора Шепли на маркетинговую политику в сети.

7 атрибуций Google Analytics

Семь основных атрибуций ассоциированных конверсий в системе Google Analytics:

  1. последнее звено в цепи конверсий, после которого совершена покупка составляет 100% («последнее взаимодействие»);
  2. начальное взаимодействие, как следствие желания покупки, побудило к какому-то действию, направленному на его исполнение равно 100% («первое взаимодействие»);
  3. любое предпоследнее косвенное действие за вычетом прямых конверсий, вызвавшее клик приравнивается к 100% (» последний непрямой клик»);
  4. финальный клик из AdWords — последний переход из рекламного контента AdWords составляет 100% успешности транзакции («последний прямой клик в AdWords»);
  5. равноудаленный вариант (линейный метод) значение всех действий усредненно равны («линейная модель»);
  6. позиционный вариант (промежуточные касания равномерно распределяют 20%, конечные имеют по 40%) («на основе позиции»);
  7. метод на основе давности произошедшего, ценность действий находится в прямой пропорции от близости времени касания к покупке. Методика пользуется значением «экспоненциального распада» с исходным по умолчанию временем полураспада в 7 дней, где ценность любой конверсии канала по истечении недели уменьшается вдвое, а полный распад происходит за 30 дней («временной распад»).

Сервис позволяет создавать собственные модели атрибуции и исследовать поведенческие факторы ассоциаций, исходя из их статистики, сравнивать с имеющимися атрибуциями.

По умолчанию система настраивает исследования на «последнее непрямое воздействие» клиента с каналом.

Для получения объективной картины по ассоциированным каналам: прямым, поисковой рекламе, бесплатному поиску, переходам, прочим, социальным сетям, необходимо провести аналитику из нескольких атрибуций, указанных выше. Из сопоставительного обобщения может получится более-менее правдоподобная статистика почти неуловимого сегмента косвенных источников продаж.

Полученные результаты могут стать причиной для перераспределения бюджетных средств в рекламном пространстве. Стабильно низкий показатель во всех методиках у определенного канала позволит отказаться от его финансирования, перераспределив освободившиеся резервы на более эффективный трафик.

Прикладное использование моделей атрибуции

В зависимости от конкретной маркетинговой ситуации возможно узконаправленное использование вариантов атрибуции для получения результатов в необходимом сегменте маркетинга.

Когда бизнес не имеет в последовательности действий элемента «принятия решений», для аналитики достаточно варианта конечного взаимодействия. (Оплата рассрочек, кредитов по ранее приобретенным товарам).

Как контрольную точку объективных замеров косвенных действий, без учета прямых, можно выбрать вариант заключительного непрямого взаимодействия. Это при сравнении даст выраженную картину соотношения ассоциированных конверсий. Именно эта модель выбирается исследователями по умолчанию для отчетности, за исключением многоканальных конверсий. Она же является базовой для сопоставления с остальными атрибуциями. В ситуации, когда покупатель появился из локаций других каналов, значение которых не нужно учитывать, тоже используется данная модель.

Шкалу эффективности каналов и объявлений в самой среде Google Реклама отсканирует «последний клик в AdWords», он укажет на объявления, обеспечившие наибольший приток конверсий.

Посыл, ставший источником интереса, проявленного к бизнесу, раскроет атрибуция «первого взаимодействия». Кроме этого, она оценивает действенность медийной рекламы, основной задачей которой является презентация предложений товара и сервиса. Она удобна для представления неизвестного на рынке бренда, потому как информирует, из каких ключевых слов и маркетинговых источников происходит знакомство с новым брендом.

При аналитике сквозь призму «линейной модели» можно проследить весь путь конверсий, который прошел пользователь, прежде чем стал потребителем. Она направлена на аналитику при создании постоянной целевой аудитории, составляющей устойчивый костяк верных покупателей. Путь является важным, с точки зрения маркетолога, от первого до последнего действия.

Быстрые результаты за короткий срок, связанный с конкретными акциями или непродолжительными рекламными компаниями, лучше отслеживать в сегменте «давности взаимодействия».

Когда для аналитики одинаково важны начало и финал конверсий, взаимодействия и каналы, предпочтительно пользоваться позиционной привязкой (40%, 20%, 40%).

Методика сравнения атрибуций

Изучение статистики конверсий проводится Google Analytics в меню»Отчеты» в последовательности вкладок:

  • Конверсии,
  • Атрибуция,
  • Инструмент сравнения моделей.

Схема создания отчетов атрибуций

  • в подменю «Цели» отбираются значимые в составлении отчетов поводы;
  • в «окне ретроспективного обзора» движком на шкале обозначается срок до начала ассоциированной конверсии (1-90 суток);
  • выставляется вид атрибуции (один из 7) или несколько одновременно (до 3-х);
  • назначают критерий (параметр) отчета: источники трафика, пользователи, AdWords, а также любой параметр из этих критериев;
  • сегментация отчета из окна меню предлагает выбор двух позиций, которые будут сравниваться в ценностном показателе.

Отчеты позволяют получить информацию о каналах транзакций, количестве посещений до принятия решения, сроках от первого действия до приобретения, самых оптимальных источниках информации, наиболее влиятельных ассоциациях в создании реальных покупок.

Исследования позволяют выстроить оптимальную стратегию распределения бюджета.

Статистика со временем получения внутреннего опыта становится инструментом на уровне интуитивного влияния, когда при чтении отчетов и сводок, как предсказание или предчувствие, выстраивается по принципу обратной связи, почти готовая стратегия на карте изменений. Так аналитика Google становится частью дружественной команды, а не только инструментом гармонии чисел.