Kā jūsu reklāmas kanāli mijiedarbojas viens ar otru? Kāds ir labākais veids, kā sadalīt līdzekļus starp viņiem? Vai ir jāatspējo reklāmas kampaņa, ja tā nesniedz reklāmguvumus? Uz visiem šiem sāpīgajiem jautājumiem var atbildēt, pētot lietotāju uzvedību un viņu ceļu līdz pirkumam. Šajā rakstā es jums parādīšu, kā to izdarīt, izmantojot veicinātos reklāmguvumus un salīdzinot attiecinājuma modeļus Google Analytics.

Kas ir veicinātie reklāmguvumi?

Efektīvi kanāli piesaista lietotājus, kuri vietnē veic mērķtiecīgas darbības (darījumus, reģistrāciju, pasūtījumus atzvani un vairāk - tas viss ir atkarīgs no projekta monetizācijas metodes). Tajā pašā laikā dažreiz pietiek ar vienu mijiedarbību ar vietni, lai apmeklētājs radītu reklāmguvumu, bet ne vienmēr. Biežāk darbojas “septiņu pieskārienu” noteikums — tāpēc katram pārdošanas piltuves posmam tiek izmantots atsevišķs rīks. Piemēram, attēla reklāma palīdz lietotājiem uzzināt par jūsu produktu, savukārt meklēšanas reklāma piesaista jau ieinteresētus lietotājus.

Saistītie reklāmguvumi— mērķa darbības, kurās analizētais kanāls bija palīgavots (tas ir, pēdējā mijiedarbība notika pēc pārejas no cita kanāla). Iedomājieties, ka pārdodat bērnu rotaļlietas.

1. Lietotājs redzēja mediju reklāma un devās uz jūsu vietni. Interneta veikala sortimentā viņam patika rotaļlietu minions, taču lietotājs darījumu nepabeidza, jo tobrīd nebija ieinteresēts pirkt (ar baneru reklāmu tas notiek bieži – lasi).

2. Nedēļu vēlāk šis apmeklētājs tika uzaicināts uz dzimšanas dienas ballīti un atcerējās jūsu vietnē esošās rotaļlietas. Es meklēju “minion toy” un ieraudzīju jūsējo. meklēšanas reklāma un saglabāja vietni jūsu pārlūkprogrammas grāmatzīmēs, lai pēc algas saņemšanas to ātri atrastu.

3. Visbeidzot, trešā laikā tiešā vizīte lietotājs pasūtīja rotaļlietu. Pēc noklusējuma Google Analytics piešķir visiem reklāmguvumiem vērtību, pamatojoties uz pēdējo netiešo apmeklējuma avotu, mūsu gadījumā — meklēšanas reklāmu. Tajā pašā laikā vispārīgos pārskatos mēs neredzam, ka attēla reklāma būtu viens no faktoriem, kuru dēļ lietotājs iegādājās rotaļlietu jūsu vietnē.

Ja kāds no jūsu kanāliem vai avotiem neuzrāda reklāmguvumus parastajos Google Analytics pārskatos, nesteidzieties to pamest, jo tas var būt galvenais solis lietotāja ceļā uz pirkumu.

Kā skatīt veicinātos reklāmguvumus, izmantojot Google Analytics?

Lai uzzinātu, vai kanāls vai avots ir veicinājis lietotāja reklāmguvumu, izmantojiet pārskatu Daudzkanālu piltuvi. Lai to paveiktu, atveriet cilni “Pārskati” un kreisajā panelī atlasiet “Reklāmguvumi” — “Daudzkanālu piltuves”. 1. Apakšpunktā “Pārskats” varat redzēt vispārīgu kopsavilkumu un dažādu reklāmguvumu avotu attiecību vizualizāciju.
2. Apakšpunktā “Saistītie reklāmguvumi” varat redzēt tiešu informāciju par saistīto reklāmguvumu kanāliem, to daudzumu un vērtību:
3. Cilnē “Laiks līdz reklāmguvumam” ir norādīts noderīga informācija lai uzzinātu, cik dienu laikā jūsu lietotāji pieņem lēmumu par pirkumu. Šo informāciju var izmantot, lai pareizi iestatītu atkārtoto mārketingu.
Lūdzu, ņemiet vērā, ka rindā “12–30 dienas pirms reklāmguvuma” tiek parādīta mērķa darbību summa analizētajās dienās. Noklikšķinot uz pluszīmes blakus līnijai, jūs redzēsiet precīzāku informāciju.
4. Pēdējais apakšvienums ir “Galvenie reklāmguvumu ceļi”. Šeit tiek parādīta informācija par to, cik mijiedarbības lietotāji veic ar vietni pirms pirkuma veikšanas un kādus kanālus viņi izmanto. Mūsu piemērā tiešo apmeklējumu un meklēšanas reklāmu rezultātā. Šīs nav visas Google Analytics piedāvātās saistīto reklāmguvumu analīzes iespējas. Tālāk mēs apskatīsim attiecinājuma modeļu salīdzināšanas rīku.

Kas ir attiecināšana un kādi modeļi pastāv?

Attiecinājums ir reklāmguvumu vērtības sadalījums starp visām lietotāja mijiedarbībām ar vietni pirms darījuma veikšanas.

Kā jau rakstīju, pēc noklusējuma Google Analytics pārskati piešķir vērtību pēdējai lietotāja netiešajai mijiedarbībai ar vietni. Šī informācija būs noderīga, ja lietotājs visbiežāk pieņem lēmumu par pirkumu pēc pirmās mijiedarbības. Piemēram, picu piegādes pakalpojuma displeja reklāma var radīt reklāmguvumus jau pirmajā vietnes apmeklējumā.

Apskatīsim katru modeli sīkāk, izmantojot Google prezentācijas ilustrācijas.

100% reklāmguvuma kredīta tiek piešķirti pirmajai mijiedarbībai. Šis modelis ir labi piemērots displeja reklāmas efektivitātes mērīšanai, jo tā mērķis ir iepazīstināt lietotāju ar jūsu piedāvājumu.

Mijiedarbības ķēdē 100% reklāmguvuma kredīta tiek piešķirti pēdējam kanālam, pat ja tā bija tieša saite uz vietni.

3. Google Ads pēdējā klikšķa modelis

Pēdējais klikšķis uz reklāmas Google Ads saņem 100% no reklāmguvuma vērtības.

Katrai mijiedarbībai tiek piešķirta viena un tā pati reklāmguvuma vērtība. Šo modeli var izmantot, ja katrs lietotāja mijiedarbības punkts ar vietni ir vienlīdz svarīgs.

Jo tuvāk mijiedarbība ir brīdim, kad tiek veikta mērķa darbība vietnē, jo lielāka ir tās vērtība.

Pirmajam un pēdējam kanālam mijiedarbības ķēdē tiks piešķirti 40% no vērtības, pārējie 20% tiks vienmērīgi sadalīti starp atlikušajiem kanāliem. Šis modelis būs noderīga, ja jūs interesē gan pirmā mijiedarbība, kad lietotāji pirmo reizi uzzināja par jūsu piedāvājumu, gan pēdējā mijiedarbība, kad mērķa darbība tika pabeigta jūsu vietnē.

Izmantojot šo modeli, jūs neatkarīgi sadalāt reklāmguvumu vērtību starp mijiedarbībām. Šādu modeli varat izveidot tieši Googe Advertising saskarnē.

Šis modelis ir pieejams Google Marketing Platform. Tas sadala vērtību visās ķēdes sesijās, pamatojoties uz korelāciju starp avota klātbūtni ķēdē un ķēdes konversiju.
Ar datiem pamatoto modeli var izmantot tikai kontos ar lielu datu apjomu (vismaz 20 tūkstoši klikšķu un 800 reklāmguvumu 30 dienās).

1. Augšējā panelī atlasiet “Pārskati” un pēc tam kreisajā izvēlnē izpildiet ceļu: “Reklāmguvumi” — “Attiecinājums” — “Modeļu salīdzināšanas rīks”.

2. Izvēlieties mērķus, kas jūs interesē. Piemēram, jūs varat neņemt vērā saistītās darbības, piemēram, preces pievienošanu grozam, bet tikai darījumus.

3. Retrospektīvā apskata logā atlasiet, cik dienas pirms reklāmguvuma apsvērt analīzei (no 1 līdz 90 dienām).

4. Pēc tam jums ir jāatlasa attiecinājuma modelis, ar kuru tiks izveidots pārskats.

4.1. Varat izvēlēties kādu no noklusējuma attiecinājuma modeļiem.

4.2. Varat arī izveidot savu attiecinājuma modeli vai importēt gatavu modeli no Google Analitycs galerijas.

4.3. Vēl viena svarīga iezīme ir vairāku attiecinājuma modeļu izvēle (ne vairāk kā trīs). Piemēram, pieņemsim attiecinājuma modeļus pēdējai un pirmajai mijiedarbībai.

5.1. Pēc noklusējuma varat analizēt pēc avotiem, kanāliem un to grupām.

5.2. Jums ir arī iespēja atlasīt jebkuru parametru no datplūsmas avotu saraksta, pielāgotos parametrus un Google dati Reklāma. 6. Visbeidzot, varat segmentēt pārskatu. Piemēram, salīdziniet reklāmguvumus, kas radās reklamēšanas rezultātā pirmajā vai pēdējā mijiedarbībā.
Lietojot iepriekš atlasītos segmentus, jūs iegūsit šāda veida pārskatu:
Tagad esat iemācījies izmantot attiecinājuma modeļu salīdzināšanas rīku.

Uzziniet, kā reklāmguvumu kredīts tiek sadalīts dažādos attiecinājuma modeļos.

Modeļu salīdzināšanas rīkā ir pieejami tālāk norādītie standarta attiecinājuma modeļi. Varat arī izveidot savus modeļus.

Standarta modeļu apraksts

Modelī Pēdējā mijiedarbība 100% reklāmguvuma kredīta tiek piešķirti pēdējam kanālam mijiedarbības ķēdē.

Šo modeli ieteicams izmantot strādājot ar reklāmām un kampaņām, kas koncentrējas uz klientu piesaisti pirkuma vietā, vai ja jūsu uzņēmējdarbības pamatā galvenokārt ir darījumi, kas neietver lēmumu pieņemšanas posmu.

Modelī Ar pēdējo netiešo klikšķi tiešās vizītes tiek ignorētas. 100% reklāmguvuma kredīta tiek piešķirti pēdējam kanālam mijiedarbības ķēdē. Analytics pēc noklusējuma izmanto šo modeli visiem pārskatiem, izņemot daudzkanālu piltuvju pārskatus.

Tā kā šis modelis ir noklusējuma modelis visiem pārskatiem, izņemot daudzkanālu piltuves, tas ir noderīgs kā bāzes līnija salīdzināšanai ar citiem modeļiem.

Tas ir piemērots arī tad, ja tiešā datplūsma nāk no lietotājiem, kas iepriekš iegūti, izmantojot citus kanālus, un to nevajadzētu ņemt vērā, analizējot klientu uzvedību pirms reklāmguvuma.

Modeļa ietvaros Pēdējais klikšķis programmā Google Ads 100% no reklāmguvuma kredīta tiek piešķirti pēdējam Google Ads reklāmas klikšķim mijiedarbības ķēdē. Modelī Pirmā mijiedarbība 100% no reklāmguvuma vērtības tiek piešķirti pirmajam kanālam mijiedarbības ķēdē. IN lineārs modeli, visiem reklāmguvumu piltuves kanāliem tiek piešķirta viena un tā pati vērtība. Ja pirkuma cikls klientam ietver īsu lēmumu pieņemšanas posmu, varat izvēlēties modeli Ņemot vērā mijiedarbības ilgumu. Šis modelis ir balstīts uz koncepciju eksponenciālā sabrukšana. Jo tuvāk saskares punkts ir reklāmguvumam, jo ​​vērtīgāks tas tiek uzskatīts. Šī modeļa ietvaros periods Pus dzīve noklusējuma vērtība ir septiņas dienas. Tas nozīmē, ka mijiedarbība, kas notika septiņas dienas pirms reklāmguvuma, ir uz pusi vērtīgāka nekā mijiedarbība, kas reģistrēta tajā pašā dienā, un divas nedēļas pirms tās ir četras reizes mazāk vērtīga. Eksponenciāla samazināšanās notiek visā apskata periodā (noklusējums ir 30 dienas). Uz pozīciju balstīts attiecinājums ir Pirmās mijiedarbības un Pēdējās mijiedarbības modeļu hibrīds. Tā vietā, lai piešķirtu visu vērtību pirmajam vai pēdējam kanālam, varat to sadalīt starp tiem. Parasti tas tiek sadalīts šādi: 40% pirmajam un pēdējam kanālam un 20% visiem pārējiem.

Analizējot vietnes popularizēšanu un no reklāmas kampaņām gūto peļņu, ir ļoti svarīgi izsekot visam lietotāja ceļam – no vietnes apmeklējuma brīža līdz pirkuma veikšanai. Tas mums dos iespēju saprast, kā tālāk sadalīt budžetu starp reklāmas kanāliem, kā šie kanāli mijiedarbojas viens ar otru, kurš no tiem ir visefektīvākais un daudz ko citu.

Praksē šāds ceļš var sastāvēt no dažādu trafika avotu ķēdes. Piemēram, apmeklētājs vispirms ieradās mūsu vietnē, izmantojot kontekstuālo reklāmu (apmaksāto meklēšanu), apskatīja vairākas vietnes lapas un aizgāja. Vēlāk es atkal pārgāju, bet no dabiskās meklēšanas. Dažas dienas vēlāk es devos uz vietni, izmantojot tiešo avotu (Direct), ievadot adresi pārlūkprogrammas joslā un veicu pasūtījumu.

Lietotāja pirkuma ceļa piemērs

Tādējādi pirms darījuma (reklāmguvuma) veikšanas lietotājs mijiedarbojās ar vietni, izmantojot trīs dažādi avoti satiksme:

1. Kontekstuālā reklāma;
2. Organiskā meklēšana;
3. Tieša ieeja;

Kuram no tiem Google Analytics savos pārskatos attiecinās sasniegto mērķi? Lai atbildētu uz šo jautājumu, ir jāsaprot tādi jēdzieni kā attiecināšana Un attiecinājuma modelis. Attiecinājums tīmekļa analīzē ir noteikums, saskaņā ar kuru reklāmguvuma vērtība tiek sadalīta pa visiem mijiedarbības posmiem reklāmguvuma ceļā un noteikts punktu skaits (%), lai aprēķinātu tā efektivitāti.

Attiecinājuma modelis ir noteikumu kopa, pēc kuras jūs nolemjat noteikt reklāmguvuma vērtību. Pakalpojumā Google Analytics ir 7 dažādi modeļi attiecinājums:

1. Pēdējā mijiedarbība;
2. Ar pēdējo netiešo klikšķi;
3. Pēdējais klikšķis programmā AdWords;
4. Pirmā mijiedarbība;
5. Lineārs;
6. Īslaicīga lejupslīde;
7. Pamatojoties uz pozīciju.

Pēdējā mijiedarbība (pēdējais klikšķis)

100% no reklāmguvuma vērtības tiek piešķirti pēdējam kanālam mijiedarbības ķēdē. Mūsu piemērā tas ir tiešais kanāls.

Attiecinājuma modelis — pēdējā mijiedarbība

"Pēdējais krustojums".

Šī modeļa priekšrocība ir tā, ka ar 100% pārliecību varat pateikt, kurš apmeklējums izraisīja reklāmguvumu. Tomēr tam ir arī trūkums - tajā nav ņemta vērā lietotāja iepriekšējā mijiedarbība ar vietni. Tādējādi, saskaņā ar mūsu piemēru Analytics pārskatos, mēs nevarēsim saprast, ka lietotājs savu pirmo pieskārienu veica ar reklāmas palīdzību (proti, mēs par to iztērējām naudu un caur to lietotājs pirmo reizi iepazinās ar mūsu piedāvājumu), un mēs arī nevarēsim redzēt, ka tad viņš veica līdzīgu meklēšanu un atkal saskārās ar mums, bet tikai caur organiskām vielām. Pēdējais avots paņēma visu vērtību!

Šo modeli ieteicams attiecināt uz tiem projektiem, kuru auditorija ir gatava pirkt uzreiz un bez papildus laika pārdomām. Parasti tās ir preces vai pakalpojumi ar ātru atbildi - pārtikas piegāde, taksometra izsaukšana, automašīnas vilkšana, aprīkojuma remonts utt.

Ar pēdējo netiešo klikšķi

Šis modelis ir noklusējuma modelis visiem Google Analytics pārskatiem, izņemot daudzkanālu piltuvju pārskatus. Atšķirība no pirmā modeļa ir tāda, ka attiecinājums ignorē tiešos apmeklējumus un 100% vērtības tiek piešķirtas pēdējam kanālam mijiedarbību ķēdē. Mūsu piemērā tas ir organiskā meklēšana.

Attiecinājuma modelis — pēdējais netiešais klikšķis

Yandex.Metrica ir līdzīgs attiecinājuma modelis ar nosaukumu "Pēdējā nozīmīgā pāreja", kurā visi avoti ir nosacīti sadalīti nozīmīgajos un sekundārajos (nenozīmīgajos). Nenozīmīgi ir tiešās vizītes, iekšējās pārejas un pārejas no saglabātajām lapām.

Tā kā pakalpojumā Analytics tas ir pamats, tas ir jāizmanto, salīdzinot ar citiem modeļiem. Modeļu salīdzināšanas rīks ir pieejams sadaļā “Reklāmguvumi — attiecinājums”. Par to sīkāk tiks runāts nākamajās nodaļās.

Šī modeļa trūkums ir tāds, ka tiešās mijiedarbības vērtība tiek apzināti nenovērtēta.

Pēdējais klikšķisAdWords

100% no reklāmguvuma kredīta tiek piešķirti pēdējai AdWords reklāmai mijiedarbības ķēdē. Mūsu piemērā tas nebūt nenozīmē, ka tiks veikti 100%. kontekstuālā reklāma(Apmaksātās meklēšanas kanāls), jo paralēli Google AdWords varat veikt kampaņas citās reklāmas sistēmās.

Šis modelis tiek izmantots, ja jums ir reklāmas kampaņa programmā AdWords, un lietotāji no jūsu reklāmām ierodas vietnē, lai veiktu darījumus. Un Google, ieviešot šādu modeli Analytics standarta attiecinājuma modeļu sarakstā, nedomāja par citiem reklamēšanas pakalpojumiem, izņemot savus.

Web Analytics guru un Google evaņģēlists Avinašs Kašiks vienā no saviem rakstiem viņš šo modeli nosauca par nederīgu. Tāpēc mēs ievērosim viņa padomu un pāriesim pie nākamās analīzes.

Pirmā mijiedarbība

100% no reklāmguvuma vērtības tiek piešķirti pirmajam kanālam mijiedarbības ķēdē. Mūsu piemērā tas ir kontekstuālā reklāma.

Attiecinājuma modelis — pirmā mijiedarbība

Yandex.Metrica ir līdzīgs attiecinājuma modelis ar nosaukumu "Pirmā pāreja".

Lineārais attiecinājuma modelis

Visiem reklāmguvumu piltuves kanāliem tiek piešķirta viena un tā pati vērtība. Mūsu piemērā 33%.

Attiecinājuma modelis — lineārs

Šis modelis tiek izmantots, ja lietotājs tiek pakļauts dažādiem kanāliem visā reklāmguvumu ciklā, un visi saskarsmes punkti ir svarīgi, aprēķinot efektivitāti. potenciālais klients. Piemēram, analizējot emuāra ierakstus.

Laika samazināšanās (ņemot vērā mijiedarbības ilgumu)

Šis modelis ir balstīts uz koncepciju eksponenciālā sabrukšana, un mērķa vērtība palielinās tuvāk pēdējam kanālam. Šis termins pakalpojumā Google Analytics nāk no kodolfizikas un sniedz visaptverošu izpratni par laika samazināšanās modeļa būtību: jo tuvāk saskares punkts ir konversijai, jo vērtīgāks tas tiek uzskatīts. Atlikušie punkti zaudē vērtību, palielinoties laika intervālam.

Saskaņā ar šo modeli noklusējuma pussabrukšanas periods ir septiņas dienas. Tas nozīmē, ka mijiedarbība, kas notika septiņas dienas pirms reklāmguvuma, ir uz pusi vērtīgāka nekā mijiedarbība, kas reģistrēta tajā pašā dienā, un divas nedēļas pirms tās ir četras reizes mazāk vērtīga. Eksponenciālā sabrukšana notiek visā periodā retrospektīva analīze(pēc noklusējuma tas ir 30 dienas).

Mūsu piemērā kanāls ir vistuvāk reklāmguvumam tieša pieeja. Tad viņš saņem vislielāko vērtību organiskā meklēšana un mazākais %, ņemot vērā mijiedarbības ilgumu, ir kontekstuālā reklāma.

Attiecinājuma modelis — laika samazināšanās

Modelis ir piemērojams, lai analizētu pirkumus, kas izriet no akcijām, lai piešķirtu lielāku vērtību mijiedarbībai reklāmas dienās. Un tie, kas pabeigti nedēļu agrāk, tiks novērtēti daudz zemāk.

Tomēr daži tirgotāji to savā darbā izmanto biežāk nekā klasisko. "Pēc pēdējā netiešā klikšķa", jo tas ir piemērojams gandrīz visās tēmās. Var ilgi strīdēties par dažu pāreju vērtību salīdzinājumā ar citām. Bet šeit viss ir diezgan loģiski - jo tālāk tas vai cits kanāls atrodas no konvertēšanas brīža, jo mazāka vērtība tam jāsaņem. Galu galā, ja iepriekšējās pārejas uz vietni bija ne mazāk efektīvas, tad kāpēc tās neizraisīja reklāmguvumu?

Viena no Time Decay modeļa priekšrocībām ir iespēja norādīt pussabrukšanas perioda ilgumu un salīdzināt to ar citiem bāzes modeļiem.

Spēja iestatīt pussabrukšanas periodu

Pamatojoties uz pozīciju

Pamatojoties uz pozīciju, 40% vērtības tiek piešķirti pirmajai un pēdējai mijiedarbībai, bet atlikušie 20% tiek vienādi sadalīti starp pārējām. Attiecinājuma modelis "Pamatojoties uz pozīciju" ir modeļu hibrīds "Pirmā mijiedarbība" Un "Pēdējā mijiedarbība."

Attiecinājuma modelis — balstīts uz pozīciju

Šis modelis ir vistuvāk reālajai dzīvei, un to ieteicams izmantot, ja nepieciešams izsekot visiem saskarsmes punktiem: no iepazīšanās un pirmās intereses izpausmes par savu zīmolu un līdz pēdējai mijiedarbībai, kas noveda pie reklāmguvuma.

Visi uzskaitītie modeļi ir standarta Google modeļi Analytics. Tomēr lietotāji var izveidot savus attiecinājuma modeļus. To var izdarīt, izmantojot iestatījumus "Attiecinājuma modeļi", kas atrodas prezentācijas slānī lietotāja rīkos un objektos.

Prezentācijas līmeņa attiecinājuma modeļi

Sākotnējā darba posmā ar Google Analytics iesaku rūpīgi izprast 7 galvenos attiecinājuma modeļus un daudzkanālu piltuvju pārskatus (tos apskatīsim atsevišķā nodaļā), un tikai pēc tam pāriet pie sava izveides.

• Vk.com -

Laiki, kad varējāt strādāt tikai ar vienu trafika avotu (piemēram, SEO) un joprojām gūt labus pārdošanas apjomus, ir sen pagājuši. Mūsdienās tikai integrēta pieeja nodrošina patiesi efektīvu pārdošanas pieaugumu. Tomēr, strādājot ar vairākiem avotiem, mēs saskaramies ar svarīgu jautājumu – kādu lomu katrs kanāls spēlē lietotāja mijiedarbības ķēdē ar vietni (vairāku kanālu secība) un kā izprast katra kanāla nozīmi? Galu galā tas ir atkarīgs no izpratnes:

• cik daudz ieguldījumu ieguldīt katrā apmeklētāju avotā,
• kāda ir atdeve no katra kanāla,
• kā kanāli mijiedarbojas viens ar otru.

Pievērsiet īpašu uzmanību mijiedarbībai. Piemēram, lietotāji no sociālajiem tīkliem var neveikt pirkumu uzreiz pēc pārejas, bet tajā pašā laikā tieši sociālie tīkli informē apmeklētājus par jūsu uzņēmumu, un pēc sekojošas mijiedarbības, piemēram, izmantojot kontekstuālo reklāmu, apmeklētāji veic pirkumu. .

Noteikumus, saskaņā ar kuriem pabeigta reklāmguvuma vērtība tiek sadalīta starp kanāliem, sauc par attiecinājumu. Zinot, kādus kanālus apmeklētājs izmantoja, katram no kanāliem (vai vienam no tiem) varam piešķirt lielāku vai mazāku vērtību un, pamatojoties uz šo novērtējumu, pieņemt lēmumu par kanāla efektivitāti.

Var būt daudz attiecinājuma modeļu, visizplatītākie ir:

Pārskatā varat atlasīt attiecinājuma modeli Attiecinājums → Salīdzināšanas rīks :

Vairāk par šo rīku rakstījām tālāk esošajā rakstā. Vispirms apskatīsim, kādi ir galvenie attiecinājuma modeļi.

1. Pēdējā klikšķa attiecinājums

Šajā gadījumā visa reklāmguvuma vērtība tiek piešķirta pēdējam lietotāja kontakta avotam ar vietni. Ir skaidrs, ka tas nav pilnīgi pareizi, jo gandrīz visās vietnēs, pat tajās, kurās tiek piedāvāti ļoti lēti produkti, lietotājs pirms konvertēšanas parasti veic 2–3 pārejas.

Vietnei ar dārgu vai sarežģīts produkts Tādu pāreju var būt ievērojami vairāk, kad lietotājs aizdomājas, salīdzina un iepazīstas ar informāciju par preci.

2. Attiecinājums, pamatojoties uz pēdējo netiešo klikšķi

Šis ir noklusējuma attiecinājuma modelis pakalpojumā Google Analytics. Viss reklāmguvuma nopelns tiek piešķirts pēdējam kanālam, ja tas nav tiešs apmeklējums (piemēram, no grāmatzīmēm vai pārlūkprogrammas joslā ievadītā URL). Tiešā vietnes apmeklējuma gadījumā reklāmguvuma vērtība tiek piešķirta iepriekšējam kanālam. Loģika ir pavisam vienkārša – ja lietotājs pie tevis atnāca no grāmatzīmēm, tas nozīmē, ka sākumā viņš noteikti ir kaut kur uzzinājis par tavu vietni.

3. Pirmā klikšķa attiecinājums

Kas ir saišu veidošana SEO? Kā norāda nosaukums, tas ir otrādi – visa reklāmguvuma vērtība tiek piešķirta pirmajam kanālam, kas ļāva apmeklētājam uzzināt par jūsu piedāvājumu.

4. Pirmais un pēdējais klikšķis

Vērtība tiek vienādi sadalīta starp pirmo un pēdējo kanālu, uz kura lietotājs noklikšķināja ķēdē, kas noveda pie reklāmguvuma.

5. Lineārais attiecinājuma modelis

Reklāmguvumu vērtība tiek vienādi sadalīta starp visiem avotiem, uz kuriem lietotājs ir noklikšķinājis.

6. Attiecinājuma modelis, ņemot vērā mijiedarbības nesenumu

Jo tuvāk kanāls ir konversijas brīdim, jo ​​lielāka ir tā vērtība. Katras mijiedarbības nozīme samazinās, palielinoties laikam līdz reklāmguvumam.

Google Analytics pārskati, lai novērtētu katra datplūsmas avota ieguldījumu

Izprotot, cik svarīgi ir pareizi novērtēt katru datplūsmas avotu, un zinot galvenos attiecinājuma veidus, mēs varam pievērsties īpašiem Google Analytics pārskatiem.

Jau skatāties vispārīgo informāciju cilnē "Pārskats" , mēs varam formulēt vispārēju izpratni par to, kā datplūsmas avoti mijiedarbojas viens ar otru. Katrs avots ir apzīmēts ar krāsainu apli; mēs skaidri redzam, cik procentu satiksmes "krustojas" - tas nozīmē, ka apmeklētājs pirms pirkuma veikšanas izmantojis vairākus avotus.

Lūdzu, ņemiet vērā, ka ekrānuzņēmuma augšējā kreisajā stūrī ir dati par saistītajiem reklāmguvumiem.

Saistītie reklāmguvumi ir apmeklējums no kāda avota, kas bija apmeklējumu ķēdes sākumā vai vidū, bet ne beigās, t.i. to mijiedarbību skaits, kas neradīja reklāmguvumu, bet piedalījās ķēdē.

Kā redzat ekrānuzņēmumā, no 744 reklāmguvumiem 423 (vairāk nekā puse) bija sagatavošanās apmeklējumi. Avoti, kas nodrošināja šos apmeklējumus, neizraisīja tiešu pārdošanu, taču ar lielu varbūtības pakāpi mēs varam pieņemt, ka bez šiem saistītajiem reklāmguvumiem nebūtu bijis pats reklāmguvums, kas radīja ienākumus.

Svarīgs! Daudzkanālu piltuves pārskatā tiek izmantots pēdējā klikšķa attiecinājuma modelis, atšķirībā no visiem citiem pārskatiem, kuros pēc noklusējuma tiek izmantots pēdējais netiešais klikšķis.

Lai detalizētāk novērtētu saistītos reklāmguvumus katram avotam, ir īpašs pārskats ar nosaukumu - “Saistītie reklāmguvumi” :

Piemēram, ekrānuzņēmumā skaidri redzams, ka, noklikšķinot uz saitēm, noteiktā laika posmā mēs ieguvām 48 reklāmguvumus, papildus tam vēl 58 reizes. šis avots bija starpposms lietotājiem, kuri galu galā radīja reklāmguvumu.

Ja ir iestatīta e-komercija, šis pārskats palīdzēs daudz precīzāk novērtēt ieņēmumus no katra datplūsmas avota. Kā jūs varat iedomāties, tas ir ļoti svarīgi, kad mēs izlemjam, kuros avotos ir vērts ieguldīt. Jūs, protams, varat koncentrēties uz reklāmguvumu skaitu bez e-komercijas, taču, protams, tas ir mazāk precīzs rādītājs, veidojot reklāmas budžetu.

Lai detalizētāk novērtētu datplūsmas avotu mijiedarbību, pārejiet uz pārskatu "Pamata reklāmguvumu piltuves" :

Tas parāda visas avotu kombinācijas, kas izraisīja reklāmguvumu.

Piemēram:

Papildu pārskati, kas palīdzēs labāk izprast apmeklējumu ķēdi līdz reklāmguvuma brīdim - "Laiks līdz reklāmguvumam" Un "Secības garums". Tajos redzēsiet statistiku par dienu skaitu no apmeklējuma brīža līdz reklāmguvuma brīdim un apmeklējumu skaitu no jebkuriem avotiem līdz reklāmguvuma brīdim.

Google Analytics arī sniedz mums iespēju salīdzināt dažādus attiecinājuma modeļus Pārvēršana→Attiecinājums → Modeļu salīdzināšanas rīks :

Šis rīks ļauj labāk izprast atšķirības starp dažādām attiecinājuma opcijām un vizuāli redzēt katra kanāla vērtību dažādos posmos.

Piemēram, salīdzināsim pēdējā klikšķa, pirmā klikšķa un lineārā attiecinājuma attiecinājuma modeli:

Piezīme: bezmaksas meklēšana, ja mēs novērtējam reklāmguvumu tikai pēc pēdējās mijiedarbības, tas zaudē tiešajam trafika kanālam. Vietnes īpašnieks, ieraugot šādu ziņojumu, uzreiz kliegs: SEO speciālists nestrādā labi!

Taču, salīdzinot ar citiem attiecinājuma modeļiem, mēs redzēsim, ka meklēšanas datplūsma ir visspēcīgākā pirmajai mijiedarbībai, t.i. Tieši no šī kanāla īstie klienti uzzinās par jūsu vietni. Meklēšanas datplūsmas nozīmi apliecina arī lineārā attiecinājuma modelis, kur arī tā daļa ir visaugstākā.

Ņemiet vērā, ka attiecinājumu salīdzināšana ļauj aplūkot katra kanāla panākumus no dažādiem skatu punktiem, taču, lai salīdzinātu kanālus savā starpā un novērtētu katra no tiem panākumus, ir jāizvēlas viens attiecinājuma modelis.

Piemēram:

- īstermiņa kampaņai, kuras mērķis ir tūlītējs pirkums - ar pēdējo klikšķi;

- SMM kampaņai, kas palielina vispārējo atpazīstamību - ar pirmo klikšķi utt.

Varat arī izveidot savu unikālo attiecinājuma modeli pakalpojumā Google Analytics, taču jums ir jāpavada diezgan daudz laika, lai to izveidotu un vispirms novērtētu standarta modeļus.

Ja jūs nopietni domājat par budžeta plānošanu un novērtēšanu, kā katrs avots veicina jūsu uzņēmuma panākumus, jūs nevarat iztikt bez daudzkanālu piltuvēm un attiecinājuma mērīšanas. Jums ir jāsaprot kanāla nozīme, nevis tikai tā ieguldījums tiešajā pārdošanā.

Pievērsiet uzmanību šiem Google Analytics pārskatiem, strādājiet ar tiem un dažādām attiecinājuma opcijām – tas palīdzēs efektīvāk un saprātīgāk izmantot visus datplūsmas kanālus. Pamatojoties uz šiem pārskatiem, varat saprātīgi plānot savu reklamēšanas budžetu dažādos kanālos.

Abonējiet mūsu biļetenu

H Piemēram, cilvēks nāca no sludinājuma, pēc tam izgāja no cilnes, aizvēra pārlūkprogrammu, atvēra nākamajā dienā, pārlūkoja, bet neko nenopirka. Pēc tam es atkal meklēju meklētājprogrammā to, ko vēlējos, atradu jūsu vietni, iegāju un veicu mērķtiecīgu darbību.

IN otrais variants: apmeklētājs nāca no sociālais tīkls, pēc tam aizgāja, atgriezās no meklēšanas un nopirka to.

T Trešā iespēja: nāca no meklēšanas, pēc tam aizgāja un nāca caur sludinājumu un nopirka.

Kur atrodas attiecinājuma modeļi?

IN Katrā gadījumā konversijas avots būs cits kanāls. Tajā pašā laikā pirmais avots visiem ir atšķirīgs, un tā izsekošanai ir rīks, ko sauc par attiecinājumu. Gandrīz katrā pārskatā un segmentos ir modeļi.

A atribūts ir spēja novērtēt viena vai otra mērķa darbības avota ieguldījumu starp visiem citiem. Ja izmantojat integrētu pieeju satiksmes piesaistīšanai, tad šī ir iespēja saprātīgi novērtēt to efektivitāti un vajadzības gadījumā pārdalīt budžetu. Ir arī tāda lieta kā attiecinājuma modelis. Tie ir vairāki atkarībā no reklāmguvumu vērtības svara sadalījuma.

• Ar pirmo klikšķi
• Ar pēdējo klikšķi
• Pēc pēdējā nozīmīgā klikšķa

UZ Protams, to var būt vairāk, bet tagad es runāju tieši par to, kas atrodas Yandex Metrica.

Ko nozīmē attiecinājuma modeļi?

IN Pirmajā gadījumā 100% no reklāmguvuma vērtības tiek piešķirti kanālam, caur kuru klients pirmo reizi pieskārās jūsu vietnei. Otrajā, saskaņā ar reālo pēdējo klikšķi, kas noveda pie reklāmguvuma, piemēram, cilvēks nāca no meklēšanas, atstāja grāmatzīmi un nākamajā dienā iegādājās no grāmatzīmes. Trešajā gadījumā visas iekšējās un pārejas no grāmatzīmēm tiek atmestas un tiek parādītas tikai nozīmīgākās (meklēšana, konteksts, sociālie tīkli utt.).

Kā sadalīt konversijas svaru

AR Ir lasīts, ka visa konversijas svara piešķiršana vienam klikšķim ir ceļš uz nekurieni un šī pieeja neatspoguļo reālo ainu, tāpēc ir svarīgi svaru kaut kādā veidā sadalīt. Piemēram, 40% tiek piešķirti pirmajam un pēdējam nozīmīgajam klikšķim, bet atlikušie 20% - tam, kas notika šajā procesā. Galu galā, ja cilvēks nāca no meklēšanas un iegādājās, izmantojot reklāmu, tad, samazinot SEO izmaksas, ņemot vērā, ka reklāma darbojas labāk, jūs riskējat palikt vispār bez reklāmguvumiem, jo ​​pirmais pieskāriens joprojām bija no meklēšanas.

D Sniegsim piemēru. Ir zināms skaits reklāmguvumu. Mēs aplūkojam to atšķirīgos numurus atkarībā no izvēlētā modeļa. Pirmkārt