Jak se vaše reklamní kanály vzájemně ovlivňují? Jaký je nejlepší způsob, jak mezi ně rozdělit finanční prostředky? Měli byste zakázat reklamní kampaň, pokud nepřináší konverze? Na všechny tyto bolestivé otázky lze odpovědět studiem chování uživatelů a jejich cesty k nákupu. V tomto článku vám ukážu, jak toho dosáhnout pomocí asistovaných konverzí a porovnáním atribučních modelů v Google Analytics.

Co jsou asistované konverze?

Efektivní kanály přitahují uživatele, kteří na webu provádějí cílené akce (transakce, registrace, objednávky zavolat zpět a další - vše závisí na způsobu monetizace projektu). Někdy přitom návštěvníkovi ke konverzi stačí jedna interakce se stránkou, ale ne vždy. Častěji funguje pravidlo „sedmi dotyků“ – proto se pro každou fázi prodejní cesty používá samostatný nástroj. Grafická reklama například pomáhá uživatelům dozvědět se o vašem produktu, zatímco reklama ve vyhledávání přitahuje uživatele, kteří již projevili zájem.

Přidružené konverze— cílové akce, ve kterých byl analyzovaný kanál pomocným zdrojem (tj. ke konečné interakci došlo po přechodu z jiného kanálu). Představte si, že prodáváte dětské hračky.

1. Uživatel viděl mediální reklama a přešel na váš web. Mezi sortimentem internetového obchodu se mu líbil hračkářský minion, ale uživatel transakci nedokončil, protože v té době neměl zájem o nákup (to se stává často u bannerové reklamy - čtěte).

2. O týden později byl tento návštěvník pozván na narozeninovou oslavu a vzpomněl si na hračky na vašem webu. Hledal jsem „hračka přisluhovače“ a viděl jsem vaši. reklama ve vyhledávání a uložil si stránku do záložek prohlížeče, abys ji po obdržení platu rychle našel.

3. Nakonec během třetí přímá návštěva uživatel si objednal hračku. Ve výchozím nastavení Google Analytics přiřazuje všem konverzím hodnotu na základě posledního nepřímého zdroje návštěvy, v našem případě reklamy ve vyhledávání. Zároveň v obecných přehledech neuvidíme, že display reklama byla jedním z faktorů, kvůli kterému si uživatel koupil hračku na vašem webu.

Pokud jeden z vašich kanálů nebo zdrojů nevykazuje konverze v běžných přehledech Google Analytics, nespěchejte s jeho opuštěním, může to být klíčový krok na cestě uživatele k nákupu.

Jak zobrazit asistované konverze pomocí Google Analytics?

Chcete-li zjistit, zda kanál nebo zdroj přispěly ke konverzní cestě uživatele či nikoli, použijte přehled Vícekanálové cesty. Chcete-li to provést, přejděte na kartu „Přehledy“ a v levém panelu vyberte „Konverze“ - „Vícekanálové cesty“. 1. V podpoložce „Přehled“ můžete vidět obecné shrnutí a vizualizaci vztahu mezi různými zdroji konverzí.
2. V podpoložce „Přidružené konverze“ můžete vidět přímé informace o kanálech přidružených konverzí, jejich množství a hodnotě:
3. Na záložce „Time to Conversion“ je k dispozici užitečné informace abyste zjistili, kolik dní vašim uživatelům trvá rozhodnutí o nákupu. Tyto informace lze použít ke správnému nastavení remarketingu.
Upozorňujeme, že řádek „12–30 dní před konverzí“ zobrazuje součet cílových akcí za analyzované dny. Kliknutím na plus vedle řádku uvidíte přesnější informace.
4. Poslední podpoložkou jsou „Hlavní konverzní cesty“. Zobrazí se informace o tom, kolik interakcí uživatelé provedou s webem před nákupem a jaké kanály používají. V našem příkladu vedou přímé návštěvy a reklama ve vyhledávání. To nejsou všechny možnosti analýzy souvisejících konverzí, které Google Analytics poskytuje. Dále se podíváme na nástroj pro porovnání atribučních modelů.

Co je to atribuce a jaké modely existují?

Atribuce je rozdělení hodnoty konverze mezi všechny interakce uživatele s webem před provedením transakce.

Jak jsem již psal, ve výchozím nastavení přiřazují přehledy Google Analytics hodnotu poslední nepřímé interakci uživatele s webem. Tyto informace budou užitečné, pokud se uživatel nejčastěji rozhoduje o nákupu po první interakci. Například grafická reklama na rozvoz pizzy může přinést konverze již při první návštěvě webu.

Podívejme se na každý model podrobně pomocí ilustrací z prezentace Google.

100 % kreditu za konverzi je přiřazeno první interakci. Tento model se dobře hodí pro měření efektivity display reklamy, protože jeho cílem je seznámit uživatele s vaší nabídkou.

V řetězci interakcí je 100 % kreditu za konverzi přiřazeno poslednímu kanálu, i když se jednalo o přímý odkaz na web.

3. Model posledního kliknutí Google Ads

Poslední kliknutí na reklamu Google Ads obdrží 100 % hodnoty konverze.

Každé interakci je přiřazena stejná hodnota konverze. Tento model lze použít, když je každý bod interakce uživatele s webem stejně důležitý.

Čím blíže je interakce k okamžiku dokončení cílové akce na webu, tím větší je její hodnota.

Prvnímu a poslednímu kanálu v řetězci interakcí bude přiřazeno 40 % hodnoty, zbývajících 20 % bude rovnoměrně rozděleno mezi zbývající kanály. Tento model bude užitečné, pokud vás zajímá jak první interakce, kdy se uživatelé poprvé dozvěděli o vaší nabídce, tak poslední interakce, kdy byla na vašem webu provedena cílová akce.

Pomocí tohoto modelu nezávisle rozdělujete hodnotu konverzí mezi interakce. Takový model si můžete vytvořit přímo v rozhraní Google Advertising.

Tento model je dostupný v Google Marketing Platform. Distribuuje hodnotu mezi všechny relace v řetězci na základě korelace mezi přítomností zdroje v řetězci a konverzí řetězce.
Data-driven model lze použít pouze v účtech s velkým množstvím dat (minimálně 20 tisíc kliknutí a 800 konverzí za 30 dní).

1. V horním panelu vyberte „Přehledy“, poté v levém menu postupujte podle cesty: „Konverze“ – „Atribuce“ – „Nástroj pro porovnávání modelů“.

2. Vyberte si cíle, které vás zajímají. Nesmíte například brát v úvahu související akce, jako je přidání položky do košíku, ale pouze transakce.

3. V hloubce pohledu vyberte, kolik dní před konverzí se má zvážit pro analýzu (od 1 do 90 dnů).

4. Dále je třeba vybrat atribuční model, se kterým bude sestava sestavena.

4.1. Můžete si vybrat jeden z výchozích atribučních modelů.

4.2. Můžete si také vytvořit svůj vlastní atribuční model nebo importovat hotový model z Google Analycs Gallery.

4.3. Další důležitou vlastností je výběr z několika atribučních modelů (maximálně tří). Vezměme si například atribuční modely pro poslední a první interakce.

5.1. Ve výchozím nastavení můžete analyzovat podle zdrojů, kanálů a jejich skupin.

5.2. Máte také možnost vybrat libovolný parametr ze seznamu zdrojů návštěvnosti, vlastních parametrů a údaje Google Reklamní. 6. A nakonec můžete sestavu segmentovat. Porovnejte například konverze, ke kterým došlo v důsledku reklamy při první nebo poslední interakci.
Použitím výše vybraných segmentů získáte následující typ přehledu:
Nyní jste se naučili používat nástroj pro porovnávání atribučních modelů.

Zjistěte, jak je kredit za konverzi rozdělen mezi různé atribuční modely.

V nástroji pro porovnávání modelů jsou k dispozici následující standardní atribuční modely. Můžete si také vytvořit své vlastní modely.

Popis standardních modelů

V modelu Poslední interakce 100 % kreditu za konverzi je přiřazeno poslednímu kanálu v řetězci interakcí.

Tento model se doporučuje používat při práci s reklamami a kampaněmi, které se zaměřují na zapojení zákazníků v místě nákupu, nebo pokud je vaše obchodní činnost založena především na transakcích, které nezahrnují fázi rozhodování.

V modelu Posledním nepřímým kliknutím přímé návštěvy jsou ignorovány. 100 % kreditu za konverzi je přiřazeno poslednímu kanálu v řetězci interakcí. Analytics používá tento model ve výchozím nastavení pro všechny přehledy kromě přehledů vícekanálových cest.

Protože je tento model výchozí pro všechny přehledy kromě vícekanálových cest, je užitečný jako výchozí pro srovnání s jinými modely.

Je také vhodné, když přímá návštěvnost pochází od uživatelů dříve získaných prostřednictvím jiných kanálů a neměla by být brána v úvahu při analýze chování zákazníků před konverzí.

V rámci modelu Poslední kliknutí v Google Ads 100 % kreditu za konverzi je přiřazeno poslednímu kliknutí na reklamu Google Ads v řetězci interakce. V modelu První interakce 100 % hodnoty konverze je přiřazeno prvnímu kanálu v řetězci interakcí. V lineární modelu, mají všechny kanály v konverzním trychtýři přiřazenu stejnou hodnotu. Pokud nákupní cyklus zahrnuje krátkou fázi rozhodování klienta, můžete si vybrat model S přihlédnutím k době trvání interakcí. Tento model je založen na konceptu exponenciální rozpad. Čím blíže je kontaktní bod ke konverzi, tím je považován za hodnotnější. V rámci tohoto modelu období poločas rozpadu výchozí hodnota je sedm dní. To znamená, že interakce, ke které došlo sedm dní před konverzí, má poloviční hodnotu než interakce zaznamenaná ve stejný den a dva týdny před ní je čtyřikrát méně hodnotná. K exponenciálnímu poklesu dochází během celého období zpětného pohledu (výchozí hodnota je 30 dní). Atribuce na základě pozice je hybridem modelů First Interaction a Last Interaction. Místo přiřazení všech hodnot prvnímu nebo poslednímu kanálu je můžete mezi ně rozdělit. Obvykle se rozděluje následovně: 40 % pro první a poslední kanál a 20 % pro všechny ostatní.

Při analýze propagace webu a zisku z reklamních kampaní je velmi důležité sledovat celou cestu uživatele – od chvíle, kdy web navštíví, až po uskutečnění nákupu. To nám dá příležitost porozumět tomu, jak dále rozdělovat rozpočet mezi reklamní kanály, jak se tyto kanály vzájemně ovlivňují, který z nich je nejúčinnější, a mnoho dalšího.

V praxi se taková cesta může skládat z řetězce různých zdrojů provozu. Například návštěvník poprvé přišel na náš web prostřednictvím kontextové reklamy (placené vyhledávání), prohlédl si několik stránek webu a odešel. Později jsem znovu přešel, ale z organického vyhledávání. O několik dní později jsem šel na stránky přes přímý zdroj (Direct), zadal jsem adresu do lišty prohlížeče a provedl objednávku.

Příklad nákupní cesty uživatele

Před provedením transakce (konverze) tedy uživatel interagoval s webem prostřednictvím tří různé zdroje provoz:

1. Kontextová reklama;
2. organické vyhledávání;
3. Přímý vstup;

Kterému z nich připíše Google Analytics dosažený cíl ve svých přehledech? K zodpovězení této otázky je nutné pochopit takové pojmy jako atribuce A atribuční model. Atribuce ve webové analytice je pravidlem rozdělení hodnoty konverze mezi všechny fáze interakce na konverzní cestě a přiřazením určitého počtu bodů (v %) pro výpočet její účinnosti.

Atribuční model je soubor pravidel, podle kterých se rozhodujete o určení hodnoty konverze. V Google Analytics jich je 7 různé modely přiřazení:

1. Poslední interakce;
2. Posledním nepřímým kliknutím;
3. Poslední kliknutí v AdWords;
4. První interakce;
5. Lineární;
6. Dočasná recese;
7. Na základě pozice.

Poslední interakce (poslední kliknutí)

100 % hodnoty konverze je přiřazeno poslednímu kanálu v řetězci interakcí. V našem příkladu tomu tak je přímý kanál.

Atribuční model – poslední interakce

"Poslední přechod".

Výhodou tohoto modelu je, že můžete se 100% jistotou říci, která návštěva vedla ke konverzi. To má však také nevýhodu - nebere v úvahu předchozí interakce uživatele s webem. Podle našeho příkladu v přehledech Analytics tedy nebudeme schopni pochopit, že uživatel provedl svůj první kontakt prostřednictvím reklamy (jmenovitě jsme za ni utratili peníze a díky ní se uživatel poprvé seznámil s naší nabídkou), a také neuvidíme, že pak provedl podobné pátrání a znovu na nás narazil, ale pouze prostřednictvím organické hmoty. Poslední zdroj vzal veškerou hodnotu!

Tento model se doporučuje aplikovat na ty projekty, jejichž publikum je připraveno nakoupit okamžitě a bez dalšího času na rozmyšlenou. Zpravidla se jedná o zboží nebo služby s rychlou odezvou - rozvoz jídla, přivolání taxi, odtah auta, oprava zařízení atp.

Posledním nepřímým kliknutím

Tento model je výchozí pro všechny přehledy Google Analytics kromě přehledů Vícekanálové cesty. Rozdíl oproti prvnímu modelu spočívá v tom, že atribuce ignoruje přímé návštěvy a 100 % hodnoty je přiřazeno poslednímu kanálu v řetězci interakcí. V našem příkladu tomu tak je organické vyhledávání.

Atribuční model – poslední nepřímé kliknutí

Yandex.Metrica má podobný atribuční model s názvem „Poslední významný přechod“, ve kterém jsou všechny zdroje podmíněně rozděleny na významné a sekundární (nevýznamné). Mezi nevýznamné patří přímé návštěvy, vnitřní přechody a přechody z uložených stránek.

Protože je v Analytics základní, měl by se používat při porovnávání s jinými modely. Nástroj pro porovnání modelů je k dispozici v sekci "Konverze – atribuce". To bude podrobněji probráno v následujících kapitolách.

Nevýhodou tohoto modelu je, že hodnota přímých interakcí je záměrně podceňována.

Poslední kliknutí dovnitřAdWords

100 % kreditu za konverzi je přiřazeno poslední reklamě AdWords v řetězci interakce. V našem příkladu to vůbec neznamená, že 100 % půjde do kontextová reklama(kanál placeného vyhledávání), protože souběžně s Google AdWords můžete provozovat kampaně v jiných reklamních systémech.

Tento model se používá, pokud máte reklamní kampaň v AdWords a uživatelé z vašich reklam přicházejí na web, aby provedli transakce. A Google při zavádění takového modelu do seznamu standardních atribučních modelů Analytics nemyslel na jiné reklamní služby kromě své vlastní.

Web Analytics Guru a Google Evangelist Avinash Kaushik v jednom ze svých článků označil tento model za zbytečný. Budeme se proto držet jeho rad a přejdeme k rozboru té příští.

První interakce

100 % hodnoty konverze je přiřazeno prvnímu kanálu v řetězci interakcí. V našem příkladu tomu tak je kontextová reklama.

Atribuční model – první interakce

Yandex.Metrica má podobný atribuční model s názvem "První přechod".

Lineární atribuční model

Všem kanálům v konverzní cestě je přiřazena stejná hodnota. V našem příkladu 33 %.

Atribuční model - Lineární

Tento model se používá, když je uživatel vystaven různým kanálům během celého konverzního cyklu a všechny kontaktní body jsou důležité při výpočtu efektivity. potenciálního klienta. Například při analýze blogových příspěvků.

Dočasný pokles (s přihlédnutím k době trvání interakcí)

Tento model je založen na konceptu exponenciální rozpad a hodnota cíle se zvyšuje blíže k poslednímu kanálu. Termín pochází do Google Analytics z jaderné fyziky a poskytuje komplexní pochopení podstaty modelu rozpadu v čase: čím blíže je kontaktní bod ke konverzi, tím je považován za hodnotnější. Zbývající body ztrácejí hodnotu s prodlužujícím se časovým intervalem.

Podle tohoto modelu je výchozí poločas rozpadu sedm dní. To znamená, že interakce, ke které došlo sedm dní před konverzí, má poloviční hodnotu než interakce zaznamenaná ve stejný den a dva týdny před ní je čtyřikrát méně hodnotná. K exponenciálnímu rozpadu dochází během celého období retrospektivní analýza(standardně je to 30 dní).

V našem příkladu je kanál nejblíže konverzi přímý přístup. Pak dostane největší hodnotu organické vyhledávání a nejmenší %, s přihlédnutím k době trvání interakcí, má kontextová reklama.

Atribuční model – časový pokles

Model je použitelný pro analýzu nákupů vyplývajících z promoakcí s cílem přiřadit větší hodnotu interakcím ve dnech promo akce. A ty dokončené o týden dříve budou hodnoceny mnohem níže.

Někteří marketéři jej však využívají při své práci častěji než ten klasický. "Posledním nepřímým kliknutím", protože je použitelný téměř ve všech tématech. O hodnotě některých přechodů ve srovnání s jinými lze dlouze polemizovat. Ale vše je zde zcela logické - čím dále je ten či onen kanál od okamžiku konverze, tím menší hodnotu by měl získat. Koneckonců, pokud předchozí návštěvy webu nebyly o nic méně efektivní, proč nevedly ke konverzi?

Jednou z výhod modelu Time Decay je možnost specifikovat délku poločasu rozpadu a porovnat ji s jinými základními modely.

Možnost nastavení poločasu rozpadu

Na základě pozice

Na základě pozice je 40 % hodnoty přiřazeno první a poslední interakci a zbývajících 20 % je rovnoměrně rozděleno mezi ostatní. Atribuční model "Na základě pozice" je hybridem modelů "První interakce" A "Poslední interakce."

Atribuční model – založený na pozici

Tento model je nejblíže reálnému životu a doporučuje se jej použít, když potřebujete sledovat všechny kontaktní body: od seznámení a prvního projevu zájmu o vaši značku až po poslední interakci, která vedla ke konverzi.

Všechny uvedené modely jsou standardní Modely Google Analytics. Uživatelé však mají možnost vytvářet vlastní atribuční modely. Můžete to provést pomocí nastavení "Atribuční modely", která je na prezentační vrstvě v uživatelských nástrojích a objektech.

Atribuční modely na úrovni prezentace

V počátečních fázích práce s Google Analytics doporučuji důkladně porozumět 7 hlavním atribučním modelům a přehledům vícekanálových trychtýřů (podíváme se na ně v samostatné kapitole) a teprve poté přejít k tvorbě vlastních.

• Vk.com -

Doby, kdy jste mohli pracovat pouze s jedním zdrojem návštěvnosti (například SEO) a přesto měli dobré prodeje, jsou dávno pryč. Skutečně efektivní růst tržeb dnes poskytuje pouze integrovaný přístup. Při práci s více zdroji však stojíme před důležitou otázkou – jakou roli hraje každý kanál v řetězci uživatelské interakce s webem (multi-channel sekvence) a jak porozumět důležitosti každého kanálu? Koneckonců, záleží na pochopení:

• kolik investic investovat do jednotlivých zdrojů návštěvníků,
• jaký je návrat z každého kanálu,
• jak se kanály vzájemně ovlivňují.

Zvláštní pozornost věnujte interakci. Například uživatelé ze sociálních sítí nemusí provést nákup ihned po přechodu, ale zároveň jsou to právě sociální sítě, které návštěvníky informují o vaší společnosti a po následných interakcích, například prostřednictvím kontextové reklamy, návštěvníci nakoupí .

Pravidla, podle kterých se hodnota dokončené konverze rozděluje mezi kanály, se nazývají atribuce. Když víme, které kanály návštěvník použil, můžeme každému z kanálů (nebo jednomu z nich) přiřadit větší či menší hodnotu a na základě tohoto posouzení se rozhodnout o efektivitě kanálu.

Atribučních modelů může být mnoho, nejběžnější jsou:

V přehledu můžete vybrat atribuční model Atribuce → Nástroj pro porovnání :

Více o nástroji jsme psali v článku níže; nejprve se podívejme, jaké jsou hlavní atribuční modely.

1. Atribuce posledního kliknutí

V tomto případě je celá hodnota konverze přiřazena poslednímu zdroji kontaktu uživatele s webem. Je jasné, že to není úplně správné, protože na téměř všech stránkách, i těch, které nabízejí velmi levné produkty, uživatel před konverzí obvykle provede 2-3 přechody.

Pro stránky s drahými popř komplexní produkt Takových přechodů, jak uživatel přemýšlí, porovnává a seznamuje se s informacemi o produktu, může být podstatně více.

2. Atribuce na základě posledního nepřímého kliknutí

Toto je výchozí atribuční model v Google Analytics. Veškerý kredit za konverzi je přiřazen poslednímu kanálu, pokud se nejedná o přímou návštěvu (například ze záložek nebo adresy URL zadané do lišty prohlížeče). V případě přímé návštěvy webu je hodnota konverze přiřazena předchozímu kanálu. Logika je vcelku jednoduchá – pokud k vám uživatel přišel ze záložek, znamená to, že se na začátku musel o vašem webu odněkud dozvědět.

3. Přiřazení prvního kliknutí

Co je to linkbuilding v SEO? Jak název napovídá, je to naopak – veškerá hodnota konverze je přiřazena prvnímu kanálu, který umožnil návštěvníkovi dozvědět se o vaší nabídce.

4. První a poslední kliknutí

Hodnota je rozdělena rovným dílem mezi první a poslední kanál, na který uživatel klikl v řetězci, který vedl ke konverzi.

5. Lineární atribuční model

Hodnota konverze se rovnoměrně rozdělí mezi všechny zdroje, na které uživatel klikl.

6. Atribuční model zohledňující aktuálnost interakce

Čím blíže je kanál k okamžiku konverze, tím větší je jeho hodnota. Význam každé interakce klesá s rostoucí dobou do konverze.

Přehledy Google Analytics k vyhodnocení příspěvku každého zdroje návštěvnosti

Protože chápeme důležitost správného posouzení každého zdroje návštěvnosti a známe hlavní typy atribuce, můžeme se obrátit na speciální přehledy Google Analytics:

Již se díváte na obecné informace v záložce "Posouzení" můžeme formulovat obecné chápání toho, jak spolu zdroje návštěvnosti interagují. Každý zdroj je označen barevným kroužkem, jasně vidíme, jaké procento návštěvnosti se „protne“ – to znamená, že návštěvník před nákupem použil několik zdrojů.

Upozorňujeme, že v levém horním rohu snímku obrazovky jsou údaje o souvisejících konverzích.

Přidružené konverze jsou návštěvou z nějakého zdroje, který byl na začátku nebo uprostřed řetězce návštěv, ale ne na konci, tzn. počet interakcí, které nevedly ke konverzi, ale účastnily se řetězce.

Jak můžete vidět na snímku obrazovky, ze 744 konverzí mělo 423 (více než polovina) přípravné návštěvy. Zdroje, které tyto návštěvy poskytovaly, nevedly k přímému prodeji, ale s vysokou mírou pravděpodobnosti můžeme předpokládat, že bez těchto souvisejících konverzí by nedošlo k samotné konverzi, která generuje příjem.

Důležité! Přehled vícekanálových cest používá atribuční model posledního kliknutí, na rozdíl od všech ostatních přehledů, které ve výchozím nastavení používají poslední nepřímé kliknutí.

Pro podrobnější vyhodnocení souvisejících konverzí pro každý zdroj existuje speciální přehled s názvem - "Přidružené konverze" :

Například na snímku obrazovky jasně vidíme, že kliknutí na odkazy nám během zadaného období poskytlo 48 konverzí, kromě toho dalších 58krát tento zdroj byl mezikrokem pro uživatele, kteří nakonec provedli konverzi.

S nastavením elektronického obchodování vám tento přehled pomůže mnohem přesněji odhadnout příjmy z každého zdroje návštěvnosti. Jak si dokážete představit, je to velmi důležité, když se rozhodujeme, do kterých zdrojů se vyplatí investovat. Na počet konverzí se můžete samozřejmě zaměřit i bez e-commerce, ale to je samozřejmě méně přesný ukazatel při tvorbě reklamního rozpočtu.

Chcete-li podrobněji vyhodnotit interakci zdrojů návštěvnosti, přejděte do přehledu „Základní konverzní cesty“ :

Zobrazí se všechny kombinace zdrojů, které vedly ke konverzi.

Například:

Další přehledy, které vám pomohou lépe porozumět řetězci návštěv až do okamžiku konverze – "Čas do konverze" A "Délka sekvence". V nich uvidíte statistiku počtu dní od okamžiku návštěvy do okamžiku konverze a počtu návštěv z libovolných zdrojů do okamžiku konverze.

Google Analytics nám také dává možnost porovnávat různé atribuční modely Konverze→Atribuce → Nástroj pro porovnávání modelů :

Tento nástroj vám umožní lépe porozumět rozdílům mezi různými možnostmi atribuce a vizuálně vidět hodnotu každého kanálu v různých fázích.

Porovnejme například atribuční model pro poslední kliknutí, první kliknutí a lineární atribuci:

Poznámka: vyhledávání zdarma, pokud měříme konverzi pouze poslední interakcí, prohrává s přímým kanálem návštěvnosti. Majitel webu, když vidí takovou zprávu, okamžitě vykřikne: SEO specialista nefunguje dobře!

Ale ve srovnání s jinými atribučními modely uvidíme, že návštěvnost z vyhledávání je nejsilnější pro první interakci, tj. Právě z tohoto kanálu se skuteční zákazníci o vašem webu dozvědí. Důležitost návštěvnosti z vyhledávání potvrzuje i lineární atribuční model, kde je jeho podíl také nejvyšší.

Mějte na paměti, že porovnávání atribucí vám umožňuje podívat se na úspěšnost každého kanálu z různých úhlů pohledu. Chcete-li však kanály navzájem porovnávat a hodnotit úspěšnost každého z nich, musíte zvolit jeden atribuční model.

Například:

- pro krátkodobou kampaň zaměřenou na okamžitý nákup - posledním kliknutím;

- pro kampaň SMM, která zvyšuje celkové povědomí - prvním kliknutím atd.

V Google Analytics si také můžete vytvořit svůj vlastní jedinečný atribuční model, ale jeho vytvořením a prvním vyhodnocením standardních modelů musíte strávit poměrně hodně času.

Pokud to s rozpočtem a hodnocením toho, jak jednotlivé zdroje přispívají k úspěchu vaší firmy, myslíte vážně, neobejdete se bez vícekanálových cest a měření atribuce. Musíte porozumět důležitosti kanálu, nejen jeho příspěvku k přímému prodeji.

Věnujte pozornost těmto přehledům Google Analytics, pracujte s nimi a různé možnosti atribuce – to vám pomůže využívat všechny kanály návštěvnosti efektivněji a inteligentněji. Na základě těchto přehledů můžete inteligentně plánovat svůj reklamní rozpočet napříč různými kanály.

Přihlaste se k odběru našeho newsletteru

H Například člověk přišel z reklamy, pak opustil kartu, zavřel prohlížeč, druhý den ho otevřel, prohlížel, ale nic nekoupil. Pak jsem znovu hledal ve vyhledávači, co jsem chtěl, narazil na váš web, šel na něj a provedl cílenou akci.

V druhá možnost: návštěvník přišel z sociální síť, pak odešel, vrátil se z hledání a koupil to.

T Třetí možnost: Přišel z vyhledávání, pak odešel a přišel přes inzerát a koupil.

Kde jsou umístěny atribuční modely?

V V každém případě bude zdrojem konverze jiný kanál. Zároveň je první zdroj pro každého jiný a k jeho sledování existuje nástroj zvaný atribuce. Téměř v každém přehledu a segmentech jsou modely.

A atribuce je schopnost vyhodnotit přínos jednoho nebo druhého zdroje cílové akce mezi všemi ostatními. Pokud používáte integrovaný přístup k přilákání návštěvnosti, pak je to příležitost střízlivě posoudit jejich efektivitu a v případě potřeby přerozdělit rozpočet. Existuje také něco jako atribuční model. Těch je několik v závislosti na rozložení hmotnosti převodní hodnoty.

• Na první kliknutí
• Posledním kliknutím
• Posledním významným kliknutím

NA Samozřejmě jich může být více, ale teď mluvím konkrétně o tom, co je v Yandex Metrica.

Co znamenají atribuční modely?

V V prvním případě je 100 % hodnoty konverze přiděleno kanálu, přes který se klient poprvé dotkl vašeho webu. Ve druhém podle skutečného posledního kliknutí, které vedlo ke konverzi, například člověk přišel z vyhledávání, zanechal záložku a druhý den ze záložky nakoupil. Ve třetím případě jsou všechny interní a přechody ze záložek zahozeny a jsou zobrazeny pouze ty významné (vyhledávání, kontext, sociální sítě atd.).

Jak rozdělit váhu konverze

SČetlo se, že přiřadit váhu celé konverze jednomu kliknutí je cesta nikam a tento přístup neodráží skutečný obraz, takže je důležité váhu nějakým způsobem rozložit. Například 40 % je věnováno prvnímu a poslednímu významnému kliknutí a zbývajících 20 % tomu, co se stalo v rámci tohoto procesu. Koneckonců, pokud člověk přišel z vyhledávání a nakoupil prostřednictvím reklamy, pak snížením nákladů na SEO, vzhledem k tomu, že reklama funguje lépe, riskujete, že zůstanete zcela bez konverzí, protože první dotek byl stále z vyhledávání.

D Uveďme příklad. Existuje určitý počet konverzí. Díváme se na jejich různá čísla v závislosti na modelu, který si vybereme. První