Идеально, когда клиент оформляет заказ на сайте при первом посещении. На практике часто перед покупкой клиенты заходят на сайт несколько раз: изучают информацию, ассортимент, сравнивают варианты, принимают решение о покупке и уже потом покупают. Все эти посещения могут происходить при участии нескольких рекламных каналов и источников. Поисковая реклама, органическая выдача, соцсети, email-рассылки — все каналы могут встретиться на пути пользователя к конверсии и в разной степени повлиять на его решение.
С помощью анализа ассоциированных конверсий можно выяснить:
- с какими рекламными каналами взаимодействует пользователь перед покупкой;
- какие последовательности взаимодействий приносят больше всего конверсий.
Материал подготовила команда платформы PromoPult.
В статье:
Зачем отслеживать ассоциированные конверсии и что это такое
Ассоциированные конверсии — это все посещения сайта из разных каналов, которые предшествовали целевому действию. Чаще всего в системах аналитики по умолчанию используют модель атрибуции конверсий «По последнему клику» — в этом случае конверсии засчитываются тому рекламному каналу, в котором был сделан последний клик перед конверсией.
По факту, клиенты редко покупают с первого контакта. Часто покупке предшествуют несколько заходов на сайт — и каждый раз это могут быть переходы из разных каналов. Как правило, чем дороже и сложнее товар или услуга, тем больше времени проходит от первого контакта пользователя с сайтом и до покупки, и тем больше он делает переходов из разных каналов.
Пример: девушка хочет купить блузку на лето, вводит запрос в Google и переходит по первой ссылке из органических результатов выдачи:
На сайте интернет-магазина просматривает категорию блузок, переходит на несколько страниц товара, но не делает покупку и покидает сайт.
Спустя некоторое время в поиске она видит товарную рекламу с предложениями от этого же магазина:
Девушка кликает по товару, снова переходит на сайт. Рассматривает товар, смотрит на цену и изучает отзывы.
Днем позже девушка видит ретаргетинговое объявление этого бренда в Instagram, переходит на сайт и оформляет заказ:
Модель атрибуции по последнему клику засчитает конверсию на счет канала Instagram: он был последним в пути пользователя к покупке. Но не менее важную роль сыграли SEO и товарная реклама: если бы не было касаний с клиентом в этих каналах, покупка скорее всего бы не произошла.
Почему важно это учитывать
Можно сделать неверные выводы, если анализировать эффективность рекламных каналов без учета ассоциированных конверсий, то есть не рассматривать вклад каждого канала в достижении конверсии. Например, в приведенном выше примере можно решить, что весь рекламный бюджет стоит направить на рекламу в Instagram, а расходы в остальных каналах снизить до минимума.
Правильный подход: проанализировать, какие каналы участвуют в пути пользователя, и уже потом принимать решение развивать или отключать рекламный источник.
Почитать по теме:
Как увеличить конверсию интернет-магазина: чек-лист на примере магазина спортпита
Ассоциированные конверсии в Google Аналитике
В Google Аналитике доступен специальный отчет, в котором можно анализировать участие каналов в пути пользователей к целевому действию.
Переходим в раздел «Конверсии» — «Многоканальные последовательности». В подразделе «Обзор» можно посмотреть визуализацию количества конверсий, в которых были задействованы несколько каналов:
Далее переходим в подраздел «Ассоциированные конверсии». Здесь доступны данные по количеству конверсий, которые система ассоциирует с каждым каналом: прямые заходы, переходы, электронная почта, поисковая реклама, соцсети.
Значимость каждого из каналов рассчитывается как соотношение количества ассоциированных конверсий к количеству конверсий, полученным по последнему клику или прямому взаимодействию. Они позволяют определить роль каждого источника трафика:
Если коэффициент близок к нулю — канал играет завершающую роль в продажах. В нашем отчете таких каналов нет.
Коэффициент, близкий к 1 — вспомогательная и завершающая роль в продажах. В нашем примере это канал «Прямые посещения» с показателем 0,92. Также близок к 1 еще один канал — «Бесплатный поиск» (со значением 1,71). Эти значения дают возможность понять: чаще всего пользователи совершают покупки после захода на сайт по прямой ссылке, а иногда при переходе из органической выдачи.
Значение коэффициента существенно выше 1 говорит о вспомогательной роли канала. В нашем отчете это «Электронная почта», «Переход» (внутренние переходы), «Социальная сеть» и «Прочее».
Также полезно проанализировать, в каком порядке пользователи взаимодействовали с каналами на пути к целевому действию. Для этого есть отчет «Основные пути конверсии», он помогает выявить главные тенденции. В нашем примере большинство конверсий получено после того, как пользователи дважды заходили на сайт по прямой ссылке.
У каждого бизнеса и продукта может быть свой набор каналов. Например, отчет может показать, что перед конверсией большинство пользователей взаимодействуют с рекламными каналами так: один раз заходят на сайт из органического поиска → два раза переходят по платной поисковой рекламе → один раз заходят по прямой ссылке → два раза переходят по рекламе из соцсетей → еще один раз заходят по прямой ссылке и совершают целевое действие.
Следующий отчет, который также дает полезную информацию, — «Время до конверсии». Здесь можно посмотреть, сколько дней проходит между первым контактом пользователя и конверсией. Эта информация важна для планирования ретаргетинговых кампаний. Например, если по данным отчета основная масса конверсий происходят в первые 7 дней после первого контакта, то, скорее всего, нет смысла показывать ретаргетинг пользователям на протяжении 14 дней после захода на сайт.
Яндекс.Метрика и ассоциированные конверсии
В отличие от Google Аналитики, в системе аналитики от Яндекса нет отдельного отчета по ассоциированным конверсиям. Посмотреть, с какими каналами взаимодействуют клиенты перед покупкой, не получится. Можно только проверить статистику по каждому из источников трафика и сравнить эффективность каналов.
Статистику по каналам можно посмотреть в отчете «Источники, сводка»:
Здесь по умолчанию отображаются данные по количеству визитов и посетителей, проценту отказов, глубине просмотра и времени на сайте в разрезе разных источников:
Чтобы посмотреть статистику по конверсиям, выбираем нужную цель:
В итоге в отчете останутся лишь те каналы, которые принесли конверсии:
В нашем случае больше всего принесли переходы из поиска.
Модели атрибуции и ассоциированные конверсии: в чем взаимосвязь
Отчеты по ассоциированным конверсиям позволяют лучше понять путь пользователя к покупке. Пути будут отличаться в зависимости от специфики ниши или конкретного продукта. Если вы понимаете путь пользователя, то можете выбрать нужную модель атрибуции в системах аналитики и принять решение о развитии рекламных каналов и распределении между ними бюджета.
В начале статьи упоминали, что по умолчанию в системах аналитики используется модель атрибуции по последнему клику. Если последний переход перед конверсией был из поисковой рекламы — конверсия будет засчитана этому каналу, если последний переход был из соцсетей — зачтется на счет канала «Соцсети». Такая модель атрибуции подходит для тех бизнесов, в которых большинство конверсий совершается с первого контакта с сайтом. Например, это может быть актуально в таких нишах:
службы доставки;
службы такси;
продуктовые интернет-магазины;
магазины кормов и товаров для домашних животных;
интернет-магазины, продающие недорогие товары с сезонным спросом: семена, купальники, очки, товары для пляжа.
Сложным и дорогим товарам, например, дорогая бытовая техника, промышленное или медицинское оборудование, свойственен длинный цикл покупки. Принятие решения может длиться неделями или месяцами. За весь этот период потенциальный клиент может десятки раз заходить на сайт из разных источников, поэтому модель атрибуции по последнему клику в таких нишах даст некорректные данные.
Поэтому в каждом отдельном случае важно анализировать многоканальные последовательности и ассоциированные конверсии, а затем выбирать подходящую модель атрибуции.
Модели атрибуции в Google Analytics
1. По последнему взаимодействию
Источнику, который был последним в пути пользователя перед совершением конверсии, присваивается 100% ценности конверсии.
К примеру, если пользователь переходил на сайт из поиска, потом по прямой ссылке, а последний раз перед покупкой перешел из рекламного объявления в соцсетях, вся ценность покупки будет присвоена каналу «Соцсети».
Такая модель атрибуции подходит для товаров или услуг, у которых есть хорошо сформированный спрос и цикл продаж достаточно короткий, то есть большинство конверсий совершаются с первого контакта.
2. По последнему непрямому клику
При этой модели атрибуции не учитываются все переходы по прямым ссылкам, а в остальном логика такая же, как и у атрибуции по последнему взаимодействию: канал, который был последним перед конверсией, получает 100% ценности. К примеру, если клиент переходил на сайт из поисковой рекламы, а потом зашел по прямой ссылке и оформил покупку, конверсия будет засчитана поисковой рекламе.
Эту модель можно использовать на начальных этапах запуска рекламной кампании — когда в аккаунте еще совсем мало данных. Например, менее 100 кликов или менее 10 конверсий.
3. По последнему клику в Google Ads
Здесь учитывается только Google Реклама. Допустим, путь пользователя выглядел так: кликнул на рекламу в Google, перешел на сайт по прямой ссылке, кликнул по объявлению в соцсетях, перешел по ссылке из электронного письма и оформил покупку. Несмотря на то, что после клика по объявлению в Google было еще несколько взаимодействий с другими каналами трафика, конверсия будет засчитана именно на счет Google Ads.
Подходит, если для привлечения трафика на сайт используется только Google Ads или этот рекламный канал доминирует.
4. По первому взаимодействию
Система связывает конверсию с каналом, который был первым в цепочке взаимодействий пользователя с сайтом.
Такая модель атрибуции подойдет, если необходимо отслеживать, с какого канала пользователи впервые узнают о компании. Обычно актуально для кампаний, направленных на рост узнаваемости бренда.
5. Линейная модель
При этой модели атрибуции ценность конверсии поровну распределяется между всеми каналами, которые участвовали в последовательности. Например, если пользователь переходил на сайт из поиска, соцсетей и email-рассылки, каждому из каналов будет присвоена треть общей ценности конверсии.
Подходит для продуктов с длинным циклом продаж (сложные и дорогие товары или услуги).
6. С учетом давности позиции
Ценность распределяется между каналами, которые участвуют в многоканальной последовательности. При этом больше ценности присваивается тому каналу, который ближе всего к конверсии. Каждые семь дней ценность канала увеличивается в два раза.
Можно использовать в краткосрочных рекламных кампаниях. Например, если акция длится 1-2 дня, такая модель поможет понять, какие каналы сработали в день запуска акции и принесли больше всего конверсий.
7. С привязкой к позиции
Большая часть ценности конверсии равномерно распределяется между первым и последним каналом в цепочке взаимодействий. Остальные промежуточные каналы делят между собой оставшуюся ценность.
Такая модель атрибуции уместна тогда, когда важно учитывать и канал, ставший последним в цепочке взаимодействий, и первый канал — с которого пользователь начал знакомство с брендом.
Модели атрибуции в Яндекс.Метрике
В Яндекс.Метрике доступно четыре варианта моделей атрибуции:
1. Первый переход
Все визиты и достижения целей присваиваются каналу, из которого было первое взаимодействие.
2. Последний переход
Ценность конверсии присваивается каналу, который был последним перед конверсией.
3. Последний значимый переход
Система делит все источники на две группы:
значимые — переходы по рекламным объявлениям, ссылкам на внешних сайтах, результатам органического поиска, соцсетей, мессенджеров и email;
незначимые — прямые, внутренние.
В статистике по визитам и конверсиям учитываются только переходы из значимых источников.
4. Последний переход из Директа
По аналогии с моделью атрибуции «По последнему клику в Google Ads», здесь статистика по визитам и конверсиям присваивается переходу из рекламы в Яндекс.Директе. В случае, если пользователь не взаимодействовал с рекламой Директа, будет использоваться атрибуция по последнему значимому переходу.
К сожалению, модели атрибуции в Метрике не дают возможность одновременно проанализировать вклад каждого канала в достижение конверсий.
Ассоциированные конверсии необходимы для оценки эффективности рекламных каналов
Учет ассоциированных конверсий важен для анализа пути пользователя от первого контакта к покупке и позволяет выяснить, какую роль выполняет каждый из рекламных каналов.
В Google Аналитике доступны отчеты, которые позволяют провести подробный анализ источников трафика и сделать правильные выводы о распределении рекламного бюджета.
В Яндекс.Метрике нет функционала для анализа всей цепочки взаимодействий пользователя с сайтом, но можно отследить количество конверсий из каждого канала в отчете «Источники, сводка».
