Мультиканальная аналитика: неочевидные подходы к оценке эффективности рекламы

Большинство компаний стремится привлечь новых клиентов, вкладывая деньги в различные в рекламные каналы. Но рынок динамичен, и соперничество между конкурентами за внимание потребителей усиливается с каждым днем. Без грамотного управления рекламой можно столкнуться с ситуацией, когда расходы на продвижение превышают полученную прибыль. В итоге владелец приходит в маркетинговый отдел с вопросом: «Где лиды?!».

В этой статье мы рассмотрим ряд неочевидных аспектов, на которые стоит обратить внимание при оценке эффективности рекламы. Кроме того, мы расскажем об инструментах, позволяющих оптимизировать рекламные кампании без потери качества, увеличить поток потенциальных клиентов и повысить доход компании.

Маркетологи часто стремятся получить полное представление о цепочке взаимодействий с разными рекламными источниками, которую прошел клиент перед тем, как обратиться в компанию. Речь о так называемом «пути клиента». Однако немногие могут четко объяснить, как они применяют эти сведения на практике.

Если вы только начинаете продвижение бизнеса, то количество касаний, скорее всего, будет небольшим. Но в случае компаний, давно присутствующих на рынке, число касаний может стать огромным. Работать с таким массивом данных становится чрезвычайно сложно, а порой и вовсе невозможно. «Путь» современного потребителя от первого клика до обращения стал более длинным и раздробленным . Что может помочь маркетологу справедливо оценивать эффективность источников?

Часть маркетологов по-прежнему оценивают эффективность рекламы, ориентируясь лишь на последний канал, который привел клиента. Такой подход зачастую искажает реальную картину — одни источники оказываются недооценены, а другие, наоборот, переоценены. Это приводит к неверным выводам и, следовательно, к неверным решениям. Именно эту проблему помогает решить мультиканальная аналитика.

Представьте, что потенциальный клиент впервые знакомится с вашей компанией через контекстную рекламу в Яндекс.Директ. Позже он находит ваш сайт посредством органического поиска (SEO), затем его «догоняет» рекламный пост в Telegram, после чего он решает обратиться к вам. Если оценивать данные односторонне, может показаться, что именно Telegram является эффективен, а Яндекс.Директ не приносит результатов.

Мультиканальная аналитика дает маркетологам возможность увидеть полный путь каждого отдельного клиента, учитывая все каналы взаимодействия — от первого до последнего. Этот подход позволяет оптимизировать распределение маркетингового бюджета, увеличивая инвестиции в наиболее эффективные каналы и сокращая расходы на те, которые не дают ощутимого результата. Учитывая каждую точку соприкосновения клиента с брендом, мультиканальная аналитика помогает точно определить, какие каналы или кампании сыграли решающую роль в конверсии.

Чтобы наглядно продемонстрировать принцип работы, рассмотрим пример.

Предположим, вам выделили бюджет в 500 тыс. руб. Вы разумно распределили бюджет между тремя источниками: Яндекс.Директ, ВКонтакте и Telegram.

Ваша цель — привлечь максимальное количество целевых обращений. По итогам рекламной кампании на перечисленных площадках вы заметили, что Яндекс.Директ показал наихудшие результаты по количеству лидов и стоимости их привлечения.

На первый взгляд может показаться, что рекламные расходы на Яндекс.Директ неоправданно высоки. Вы принимаете решение отключить этот источник. Однако после отключения происходит следующее: стоимость привлечения лида во ВКонтакте увеличивается, а общее количество лидов сокращается.

Почему так произошло? Ведь вы отключили только рекламу в Яндексе, рассчитывая сэкономить 150 тысяч рублей и потерять лишь 98 лидов. Но в результате вы потеряли дополнительно 248 лидов из ВКонтакте. Чтобы разобраться в этой ситуации, необходимо обратиться к мультиканальному анализу.

Мультиканальная аналитика тесно связана с понятием «модель атрибуции». На практике маркетологи часто оценивают данные по трем наиболее популярным моделям:

• First Click (первое взаимодействие): эта модель атрибуции означает, что конверсия приписывается тому источнику, с которого клиент впервые попал на сайт.
• Last Click (последнее взаимодействие): конверсия приписывается последнему источнику, с которого клиент пришел на сайт перед совершением целевого действия (это именно тот случай, который описан в примере выше).
• Всего взаимодействий: оценивается общее количество уникальных взаимодействий, которые канал принес как напрямую, так и опосредованно.

Мы видим следующие данные:

При мультиканальном анализе становится ясно, что с Яндекс.Директом у клиентов происходило первое касание. Т.е. многие пользователи впервые знакомились с брендом именно через этот канал, хоть и не обращались в компанию сразу. Отключив его, вы снизили видимость бренда для потенциальных клиентов, что привело к потере не только прямых лидов, но и уменьшению эффективности других каналов.

Благодаря мультиканальной аналитике вы сможете получить точные данные по каждому источнику трафика. Это позволит вам принять обоснованное решение о том, какой канал действительно стоит отключить, а какой продолжать использовать для максимальной результативности рекламы.

Сразу оговоримся, что правильной для всех модели атрибуции не существует.

Каждый бизнес имеет свои уникальные особенности, в т.ч. у разных компаний разные циклы сделки. Что эффективно в одном сегменте рынка, может быть неприемлемо в другом. Поэтому для каждого маркетолога важно устанавливать собственные метрики и выбирать оптимальную модель атрибуции конкретно для его компании.

На примере системы UIS покажем, какие в целом есть возможности у мультиканальной аналитики и какие существуют модели атрибуции:

1. ᎐᎐᎒ Последнее взаимодействие: модель приписывает конверсию последнему источнику перехода, не учитывая предыдущую историю посещений пользователя.

2. ᎐᎒᎐ Последнее непрямое взаимодействие: источнику, предшествующему источнику прямого перехода (во время которого произошла конверсия).

3. ᎒᎐᎐ Первое взаимодействие: конверсия закрепляется за первым источником, который привел посетителя на ваш сайт.

4. ᎐᎐᎐ Линейная модель: конверсионная ценность равномерно распределяется между всеми посещениями пользователя до момента конверсии.

5. ᎐᎓᎒ С учетом давности взаимодействия: большая ценность присваивается посещениям, ближе расположенным ко времени конверсии. Ценность уменьшается вдвое каждые 7 дней до момента конверсии. Например, посещение за 7 дней до конверсии будет иметь в 2 раза меньшую ценность, чем в день конверсии, а за 14 дней — в 4 раза меньшую.

6. ᎓᎐᎓ С учетом привязки к позиции 40-20-40: первому и последнему посещению присваивается по 40% ценности конверсии, а оставшиеся 20% равномерно распределяются между всеми промежуточными посещениями.

7. ᎓᎒᎓ С учетом привязки к позиции 20-60-20: первое и последнее посещения получают по 20% ценности конверсии, а оставшиеся 60% распределяются равномерно между остальными посещениями.

8. ᎐᎒᎓ С учетом привязки к позиции 10-50-40: первому посещению присваивается 10% ценности, последнему — 40%, а оставшиеся 50% равномерно распределяются между промежуточными посещениями.

Кроме моделей атрибуции, в мультиканальной аналитике предусмотрены также два различных подхода к формированию данных — «ассоциированные взаимодействия» и «всего взаимодействий».

Ассоциированные взаимодействия

Ассоциированные взаимодействия — это число конверсий, в которых рекламный канал участвовал вспомогательно, влияя на решение клиента. Понимание ассоциированных конверсий позволяет маркетологам оценить реальный вклад каждого канала в общий результат, не упуская ни одно из звеньев этой цепи, и затем соответственно распределять бюджет.

Всего взаимодействий

«Всего взаимодействий» — это сумма уникальных обращений, которые рекламный канал принес как напрямую, так и вспомогательно. Этот показатель учитывает все конверсии, в которых канал сыграл любую роль, позволяя получить полное представление о его эффективности.

Как мы уже сказали, не существует универсальной модели атрибуции, которая подошла бы всем без исключения. Каждая компания выбирает ее индивидуально, учитывая множество факторов.

Начать рекомендуем анализ с наиболее популярных вариантов — модели первого взаимодействия, последнего взаимодействия и ассоциированных конверсий. Затем расширяйте рамки: наши гибкие отчеты предоставят вам полную свободу в выборе оптимальной модели атрибуции для вашего бизнеса. Вы сможете сфокусироваться на тех каналах, которые действительно приносят результат, и сократить расходы на те, которые не оправдывают инвестиций. Компетентное использование данных поможет принимать стратегически важные решения и оптимизировать бюджет. Работа с рекламными каналами — это процесс, требующий постоянного внимания и адаптации.

Мультиканальная аналитика помогает избежать проблем, связанных с неполным пониманием эффективности рекламных каналов. Без нее бизнес может неверно оценивать вклад каждого канала в привлечение и удержание клиентов, что приводит к нерациональному распределению бюджета и упущенным возможностям.

Применение различных атрибуций позволит по-разному учитывать ценность рекламных источников, которые так или иначе влияли на интерес клиента на всем его пути от первого клика до обращения. Такой подход даст вам понимание эффективности всех рекламных источников. С учетом выбранных моделей формируется статистика по эффективности всех рекламных источников.

Выбор модели атрибуции должен основываться на специфике вашего бизнеса и поведении вашей аудитории. Анализируя данные с помощью мультиканальной аналитики UIS, вы сможете получить полное представление о пути клиента и принять информированные решения для оптимизации маркетинговых усилий.