Эволюция атрибуции в digital
Сегодня развитие технологий и запросов рекламного рынка выводит понимание отдачи инвестиций в digital на новый уровень. Вместе с programmmatic-специалистами АДВ Татьяной Анищенко, Programmatic Director Havas Media Group, и Ильей Володченко, Programmatic Product Lead Havas Media Group, мы порассуждали о том, как менялся подход к атрибуции на протяжении истории, где мы находимся сейчас и предположили, где мы будем завтра.
Атрибуция (от англ. attribute – приписывать, наделять) – распределение ценности среди точек взаимодействия в пути конверсии. Позволяет маркетологам количественно определять вклад каждого канала в продажи и конверсии и отслеживать путь пользователя до покупки.
Сам термин пришел из психологии, где с помощью него описывают механизм объяснения скрытых причин явного поведения другого человека. Перекочевав в digital, термин атрибуция стал обозначать раскрытие всего пути пользователя, который он прошел до того момента как непосредственно совершил покупку.
Например, пользователь видит рекламу на сайте, но не предпринимает никаких действий. Позже он видит рекламу в одной из социальных сетей, переходит по ссылке на сайт, но роста конверсии не происходит. В конечном итоге, он видит призыв к действию на другом сайте, переходит на страницу и совершает целевое действие. Атрибуция позволяет отслеживать весь этот процесс, выявлять наиболее эффективные каналы и, в соответствии с полученной информацией, выстраивать маркетинговую стратегию.

То есть по сути, атрибуция – это digital фонарь: если представить весь путь пользователя до покупки как запутанный лабиринт, где каждый поворот — это новый контакт с брендом (реклама в социальных сетях, контекстное объявление, информация на сайте и т.д.), то с помощью разных методов атрибуции мы можем как фонарем освещать разные участки этого пути, чтобы понимать, как по нему двигался потребитель.
Атрибуция вчера
Атрибуция эволюционировала исторически от самых простых шагов к более сложным и многофакторным моделям:
- Показы в клики. Первый подход к атрибуции появился с первым рекламным баннером. Уже тогда можно было посчитать первую конверсию — из показов в клики. Например, CTR первого баннера был 44%. Хотя клики не позволяли понять, кто же покупатели, переходы на сайт клиента подарили веру в измерение digital и позволили заглянуть в “лабиринт”.
- Last click. Конверсия считается только по источнику, переход с которого был совершен непосредственно перед конверсией. Уже в 2002 году в Urchin появились UTM-метки (Urchin Traffic Monitor), а через пару лет в следующей версии появилась модуль электронной торговли. В 2005 году компания была куплена Google, инструмент стал называться Urchin from Google, а затем он стал всем известным Google Analytics. С помощью веб-аналитики уже тогда можно было даже посчитать ROI.
Cамыми результативными диджитал каналами становятся контекст и email-рассылки, так как именно они доводят уже принявшего решение о покупке пользователя до сайта, чтобы там он совершил долгожданную покупку.
Модель Last Click остается наиболее распространенной и на данный момент.
- Post click. Это «отложенные» целевые действия, которые совершает пользователь, перешедший на сайт с рекламного баннера. Чтобы принять решение о покупке, пользователю может потребоваться какое-то время. За этот период пользователь может прийти на сайт, уйти с него, вернуться через пару дней и только в этот раз совершить конверсию. Важно учитывать вклад каждого посещения на сайт, а не только последнего.
- Post-view. Около 99% контактов бренда с пользователем происходит еще до клика. Если мы говорим о продукте, который пользователь покупать в ближайшее время не планировал, увидев баннер, он не совершает никаких действий. Но через какое-то время, когда потребность в покупке появится, пользователь может перейти на сайт. В связи с этим появилась новая задача – связать поведение до клика и поведение после клика. Главная проблема — несовместимость данных: например, данные веб-аналитики на сайте не включают данные о показах, а данные трекинговых систем не включают данные по органике и поиску.

Мы хотели совместить эти данные и поэтому решили объединить данные из трекинговой системы с данными Google Analytics. Для этого был написан специальный скрипт, который в момент визита пользователя на сайт собирал id пользователя из системы Adriver и id Google Analytics. Таким образом, мы смогли собрать полные данные по цепочкам взаимодействия пользователей вида: показ в системе Н — показ и клик в системе М — платный поиск — конверсия.

В итоге мы убедились в том, что медийная реклама влияет как на платный поиск, так и на визиты с прочих ресурсов и повышает конверсию.
Атрибуция сегодня
Сегодня маркетологи выделяют следующие наиболее распространенные модели атрибуции:
- Последнее взаимодействие (Last Touch) — конверсия приписывается последнему инструменту, после клика на который произошла конверсия.
- Последний непрямой клик — модель аналогичная предыдущему пункту с небольшой разницей: если конверсия совершена с прямого захода на сайт, она засчитывается предыдущему источнику. Cам пользователь не может узнать о сайте без получения информации из внешних источников. Модель по умолчанию используется в Google Analytics.
- Последний клик из Google Ads. Эта модель присваивает конверсию последнему источнику из Google Ads (бывший Adwords), тем самым оценивая только эффективность данного инструмента, не считая прочие. Соответственно, используется в Google Ads.
- Первое взаимодействие (First Touch). Конверсия присваивается первому контакту с рекламой. Используется для задач привлечения новой аудитории, а самым важным считается момент, когда пользователь узнал о бренде в первый раз.
- Вектор Шепли и Цепи Маркова — два метода построения атрибуционной модели на основе данных. Учитываются все контакты с рекламой и вес каждого инструмента определяется на основе математических методов.
Результаты такого моделирования по одному из клиентов показали, что при использовании стандартной атрибуции Google Analytics (Последний непрямой клик) охватные каналы недополучают 30% конверсий:

Online to Offline
Крупные поставщики интернет-рекламы внутри своих инструментов имеют возможность объединить два мира — онлайн и офлайн — разными способами. Например, добавлением в статистику онлайн размещений тех, кто купил в офлайн магазине с помощью CRM базы или с помощью wi-fi ловушек в магазине. Но это не позволяет нам увидеть картину целиком по всей рекламной кампании, поскольку данные доступны только внутри одного инструмента.

Чтобы связать весь путь пользователя по всем digital-каналам с офлайн продажами уже сейчас есть связь аналитики на сайте с adserving — для пост-вью аналитики. С другой стороны, есть связь аналитики на сайте с CRM, то есть с офлайн данными. Но в этой экосистеме на данный момент не хватает связки adserving с офлайн продажами, чтобы отслеживать не только тех, кто кликнул и совершил покупку офлайн, но и тех, кто только видел рекламу, не был на сайте, но потом пришел в магазин и купил. Если нам удастся связать все источники данных в общую инфраструктуру — мы сможем полностью «просветить» digital-лабиринт потребителя.

Атрибуция завтра
Уже сейчас мы можем отследить влияние digital-рекламы, но почти 60% рекламных бюджетов находятся в других медиа — в наружной рекламе, ТВ, радио и т.д. Их также необходимо связать в общую картину.
Первые шаги в эту сторону уже сделаны, но они также находятся внутри отдельных инструментов, например:
- На щитах наружной рекламы ставятся wi-fi ловушки, которые затем мечатся с ловушками в магазинах и тем самым отслеживаются те, кто видели рекламу и затем купили в офлайн магазине.
- QR-коды в прессе, переход по которым в интернет засчитывается как отдельный источник и связывает тем самым прессу и digital.
- Кросс-панели ТВ и Digital, которые позволяют отслеживать кросс-платформенное медиапотребление.
- Smart TV позволяет анализировать ТВ-смотрение и связывать с интернет активностью отдельных пользователей с помощью кросс-приложений (например, https://samba.tv/)
Необходимо решение, которое позволит увидеть все контакты пользователя с брендом, вне зависимости от места и времени контакта. Тогда мы сможем оценить реальный вклад каждого инструмента.
Мы позволили себе немного пофантазировать, как может выглядеть такой инструмент и поняли, что главная его функция — смотреть на мир глазами пользователя. Например, через digital-очки, которые запомнят всю рекламу, которую увидит человек. Нам даже удалось найти стартап, который делает противоположное — очки, которые блокируют рекламу вокруг. Это означает, что они могут делать очень важную вещь — отличать рекламу от нерекламы. Дело за малым — обучить гаджет запоминать эту рекламу. И тогда мы увидим мир рекламы широко открытыми глазами.