Руководство по моделям атрибуции Google Ads в 2023 году: будущее за атрибуцией, управляемой данными?

Опубликовано: 2023-04-01

Почему важны модели атрибуции Google Ads

Исследования показывают, что потребители взаимодействуют с продуктом не менее восьми раз перед покупкой , и требуется от 7 до 13+ взаимодействий с вашим бизнесом, прежде чем лид конвертируется . Поэтому использование правильной модели атрибуции имеет основополагающее значение для компаний, чтобы понять, как каналы и кампании работают по отношению ко всем этим точкам взаимодействия.

Вот две основные причины, по которым важно выбрать правильную модель атрибуции:

1. Понимание: модели атрибуции помогают компаниям понять эффективность. Хотя идеальной модели атрибуции может и не быть (хотя некоторые утверждают, что атрибуция на основе данных является наиболее близкой), выбор правильной модели может привести к более точному пониманию эффективности. Это, в свою очередь, приводит к лучшему принятию решений в отношении маркетинговой стратегии и расходов на рекламу.

2. Оптимизация. Использование правильной модели атрибуции также важно для оптимизации рекламных кампаний. Это верно как с точки зрения стратегии назначения ставок — поскольку Google будет использовать данные о конверсиях для оптимизации кампаний, основанных на автоматических стратегиях назначения ставок, — так и для рекламодателей, выполняющих ручную оптимизацию кампаний на основе своих данных о конверсиях. Различные модели атрибуции могут помочь понять, какие ключевые слова и объявления наиболее эффективны для увеличения количества конверсий.


Руководство по моделям атрибуции Google Ads

google_attribution_models

Источник: Louisaustin.co.

Давайте рассмотрим шесть доступных моделей атрибуции Google Ads и выясним, какая из них подходит именно вам, изучив плюсы и минусы каждой модели атрибуции.

  • Атрибуция по последнему клику
  • Атрибуция по первому клику
  • Атрибуция на основе позиции
  • Линейная атрибуция
  • Атрибуция временного распада
  • Атрибуция на основе данных

1. Модель атрибуции последнего клика

Как это работает

Атрибуция по последнему клику, как следует из названия, отдает должное последней точке взаимодействия перед конверсией. Атрибуция по последнему клику проста и широко используется, однако в последние годы произошел сдвиг, связанный с необходимостью сосредоточиться не только на последнем клике, принимая во внимание множество точек соприкосновения на протяжении пути клиента.

Например, путь конверсии может состоять из нескольких точек соприкосновения, начиная с общих ключевых слов, за которыми следуют взаимодействия с медийной и видеорекламой и заканчивая конверсией, происходящей из ключевых слов с брендом. В этом примере ключевое слово бренда получит все преимущества. Однако вы можете утверждать, что общее ключевое слово, которое познакомило клиента с компанией, сыграло роль в конверсии или не менее важно, чем ключевое слово бренда, которому приписывается конверсия. То же самое можно сказать и о взаимодействии с видео и дисплеем.

Идеально подходит для предприятий, у которых мало точек соприкосновения с пользователями до того, как произойдет конверсия, например для предприятий электронной коммерции с коротким циклом продаж.

  • Плюсы: Простота и легкость реализации. Эта модель дает представление о том, как работают каналы на базовом уровне.

  • Минусы: игнорирует все точки взаимодействия, кроме последней. По этой причине он может не дать исчерпывающего обзора пути клиента и значения того, как другие каналы и кампании способствуют конверсии.

2. Модель атрибуции по первому клику

Как это работает

При атрибуции по первому клику вся ценность присваивается первой точке взаимодействия, с которой клиент взаимодействует перед конверсией. Это похоже на атрибуцию по последнему клику, только наоборот. В приведенном выше примере общее ключевое слово, которое впервые познакомило пользователя с бизнесом, получит все заслуги, игнорируя взаимодействия в середине и внизу воронки.

Идеально подходит для компаний, которые сосредоточены на узнаваемости и открытии бренда и хотели бы отдать должное каналам и кампаниям, которые знакомят пользователей с их бизнесом.

  • Плюсы: дает представление о начальной точке соприкосновения клиента с брендом. Это полезно для компаний, которые сосредоточены на узнаваемости бренда и кампаниях, которые лучше всего знакомят пользователей с бизнесом.

  • Минусы: игнорируются все точки взаимодействия, кроме первой, поэтому, как и в случае с атрибуцией по последнему клику, она может не давать исчерпывающего представления о пути клиента.

3. Модель атрибуции на основе позиции

Как это работает

Атрибуция на основе позиции дает больший вес первой и последней точкам взаимодействия, с которыми пользователь взаимодействует перед конверсией. Например, обычная поисковая кампания может вызвать некоторый первоначальный интерес, а затем пользователь может совершить конверсию после нажатия на медийное ретаргетинговое объявление . Атрибуция на основе позиции будет учитывать роль кампаний в поисковой и контекстно-медийной сети в конверсии.

Идеально подходит для компаний, которые проводят кампании по брендингу и кампаниям прямого отклика и хотели бы разделить атрибуцию между первой и последней точкой взаимодействия.

  • Плюсы: присваиваются точки соприкосновения в начале и в конце пути клиента, что отражает идею о том, что эти точки соприкосновения являются наиболее влиятельными.

  • Минусы: эта модель не учитывает точки взаимодействия в середине пути клиента. Если пользователь нажимает на 10 ваших ключевых слов за период времени до покупки, 8 ключевых слов в середине ничего не будут связаны.

4. Линейная модель атрибуции

Как это работает

Линейная атрибуция распределяет ценность поровну между всеми точками взаимодействия на пути клиента. Если бы кликов было 3, то каждой из этих точек взаимодействия приписывалась бы треть конверсии.

Идеально подходит для компаний, которые хотят учитывать все точки соприкосновения, а также для тех, у кого более длительные циклы продаж и многократные взаимодействия, прежде чем их клиенты сконвертируются.

  • Плюсы: Равномерно распределяет кредит по всем точкам взаимодействия на пути клиента, обеспечивая более полное представление о производительности.

  • Минусы: хотя эта модель немного более проницательна, чем предыдущие 3 модели, и более справедлива при распределении заслуг, линейная атрибуция может неточно отражать влияние каждой точки взаимодействия. Например, первая точка взаимодействия может иметь низкое намерение по сравнению со средней и последней точками взаимодействия с высоким намерением, а это означает, что средняя и последняя точки взаимодействия могут заслуживать большего внимания при попытке точно определить эффективность рекламных кампаний.

5. Модель атрибуции Time Decay

Как это работает

Атрибуция с временным затуханием присваивает большее значение точкам взаимодействия, которые происходят ближе по времени к событию конверсии. Наибольшее количество баллов будет отдано последней точке взаимодействия перед конверсией, за ней следует точка взаимодействия перед ней и так далее.

Рассмотрим такой сценарий: пользователь сначала нажимает на общее ключевое слово и посещает страницу продукта. Затем в течение недели им показывают ретаргетинговые видеообъявления, и, наконец, они ищут продукт, нажимают на рекламное объявление и совершают покупку. В этом примере атрибуция с временным затуханием будет присваивать большую долю ценности товарному объявлению, затем следует видеокампания и, наконец, наименьшая доля ценности общему ключевому слову.

Идеально подходит для компаний с более короткими циклами продаж, но все же имеющими множество точек соприкосновения на пути клиента. Это также может быть полезно для компаний с чувствительными ко времени точками взаимодействия.

  • Плюсы: больше внимания уделяется точкам взаимодействия, которые ближе к конверсии, что отражает идею о том, что недавние точки взаимодействия являются наиболее влиятельными. Эта модель атрибуции может дать больше информации, чем атрибуция по последнему клику, и обеспечить более точное понимание эффективности, поскольку кредит отдается предыдущим точкам взаимодействия.

  • Минусы: эта модель может либо игнорировать ранние точки взаимодействия, либо неточно учитывать влияние более ранних точек взаимодействия, препятствуя истинному отражению производительности.

6. Модель атрибуции на основе данных

Как это работает

Атрибуция на основе данных, также известная как DDA, — это новейшая модель атрибуции, которую Google рекомендует использовать, если ваша учетная запись соответствует определенным критериям. Но вам может быть интересно, как модель атрибуции на основе данных Google Ads учитывает конверсии.

Атрибуция на основе данных использует расширенное машинное обучение для анализа данных и определения того, насколько важна каждая точка взаимодействия в пути клиента. Конверсии разбиваются и приписываются каждой точке взаимодействия в зависимости от ее влияния на конверсию клиента.

google_data_studio_attribution_model

Источник: Windsor.ai

Клики и взаимодействия с видео анализируются в поиске (включая покупки), YouTube, медийной рекламе и объявлениях Discovery в Google Ads , чтобы выявить закономерности, которые приводят к конверсиям. При использовании автоматического назначения ставок эти шаблоны не только поддерживают DDA для назначения конверсий, но также помогают стратегии назначения ставок использовать данные и шаблоны, которые приводят к конверсиям, для поиска клиентов, которые ведут себя аналогичным образом. Именно это делает атрибуцию на основе данных самой передовой моделью атрибуции.

Идеально подходит для компаний со сложными путями конверсии и тех, у которых есть несколько точек взаимодействия, а также для любых подходящих компаний с большим количеством данных, которые хотели бы извлечь выгоду из машинного обучения. Поскольку он использует продвинутые алгоритмы для расшифровки данных и атрибутов конверсий, DDA может обеспечить более четкое представление о кампании, группе объявлений, ключевом слове и эффективности рекламы, что делает его хорошим выбором для большинства учетных записей.

Плюсы: использует машинное обучение для присвоения ценности точкам взаимодействия на основе их влияния на конверсии. Это означает, что он обеспечивает более точное представление о пути клиента.

Минусы: для работы требуется много данных, и важно, чтобы отслеживание конверсий было точным. Это может помешать компаниям с небольшим объемом данных о конверсиях и учетными записями с проблемами отслеживания использовать эту модель атрибуции.

Пример использования управляемой данными атрибуции

Вот пример того, как DDA работает на практике:

Основной целью косметического бренда электронной коммерции является продажа губной помады в Интернете с помощью Google Ads. Модель атрибуции на основе данных показывает, что в среднем до совершения покупки совершается несколько кликов. DDA также обнаружил, что пользователи, которые сначала ищут оттенки губной помады, такие как «кораллово-красная помада», а затем нажимают на ключевое слово бренда, с наибольшей вероятностью совершат покупку. В то время как пользователи, которые сначала выполняют поиск по ключевым словам «скидка» и «дешево», а затем нажимают на ключевые слова бренда, имеют наименьшую вероятность конверсии. Это приводит к тому, что DDA присваивает больший вес ключевым словам, группам объявлений и кампаниям, связанным с цветом, расположенным ниже по воронке, что также отражается в отчетах.

DDA использует машинное обучение и дает более четкое представление о том, какие клики являются наиболее эффективными, независимо от того, когда клики произошли в пути пользователя. Помимо лучшего понимания эффективности, недавнее исследование с участием сотен рекламодателей, использующих DDA, показало, что производительность улучшилась по сравнению с атрибуцией по последнему клику .

Вот 3 примера реальных компаний, использующих атрибуцию на основе данных:

1. Medpex, крупнейшая в Германии аптека с доставкой по почте, использовала атрибуцию на основе данных вместе с интеллектуальным назначением ставок. Это привело к увеличению количества конверсий на 29% и снижению стоимости приобретения на 28%.

2. Select Home Warranty предоставляет домашнюю гарантию на проекты ремонта в США. Используя атрибуцию на основе данных, они увеличили количество лидов на 36% и снизили цену за конверсию на 20%.

3. HIS — глобальное туристическое агентство, работающее более чем в ста городах мира. Используя DDA, интеллектуальное назначение ставок и динамические поисковые объявления, компания HIS смогла увеличить количество конверсий на 62 % при той же цене за конверсию.

Требования к данным атрибуции на основе данных

Большинство действий-конверсий, таких как покупки, регистрации и установки приложений, можно использовать для атрибуции на основе данных. Фактически, DDA теперь является моделью атрибуции по умолчанию для всех новых действий-конверсий, которые вы создаете , хотя вы можете вручную переключиться на другую модель атрибуции.

attribution_model _conversions_actions

Источник: Справка Google Реклама.



Для многих действий-конверсий не существует минимального объема, необходимого для запуска DDA. Однако для некоторых из них вам потребуется не менее 300 конверсий и 3 000 взаимодействий с рекламой в течение 30 дней . Эти преобразования могут включать:

  • Действия с высокой ценностью. Действия-конверсии, имеющие более высокую ценность для вашего бизнеса, такие как покупки, лиды или подписки, могут генерировать меньше конверсий или взаимодействий с рекламой, чем действия с меньшей ценностью, такие как просмотры страниц или просмотры видео.

  • Нишевые продукты или услуги: действия-конверсии, связанные с нишевыми продуктами или услугами, могут иметь меньшую аудиторию, что приводит к меньшему количеству конверсий или взаимодействий с рекламой.

Атрибуция на основе данных также может использовать события конверсии в приложении, такие как покупки в приложении, и связывать их с определенными ключевыми словами и объявлениями. Вы также можете импортировать события офлайн-конверсии, такие как телефонные звонки, посещения магазинов и покупки, сделанные лично, и опять же, эти действия можно сопоставить с взаимодействиями Google Рекламы с помощью идентификаторов.

Для существующих событий конверсии, если ваша учетная запись соответствует требованиям, Google уведомит вас по электронной почте, и в этот момент вы можете принять атрибуцию на основе данных или отказаться. Вы также можете проверить, соответствуете ли вы требованиям, в разделе «Атрибуция» вашего аккаунта Google Рекламы. Читайте дальше, чтобы узнать, как переключиться на DDA в Google Ads.

Как выбрать модель атрибуции в Google Ads?

В своей учетной записи Google Ads перейдите в раздел «Инструменты и настройки», а затем в разделе «Измерение» нажмите «Атрибуция». Отсюда вы можете изучить различные пути конверсии и показатели пути конверсии, а также просмотреть вспомогательные конверсии.

attribution_settings

Используйте функцию «Сравнение моделей» в меню слева, чтобы сравнить, как данные о конверсиях в аккаунте были бы связаны с различными моделями атрибуции. Этот инструмент удобен тем, что вы можете увидеть, как были бы назначены конверсии без изменения моделей.

google_model_comparison

На приведенном выше снимке экрана показано сравнение атрибуции по последнему клику и атрибуции на основе данных с использованием окна ретроспективного анализа по умолчанию и 4 событий конверсии, отслеживаемых аккаунтом. Он показывает, как будут работать два важных показателя конверсий — конверсии и цена/конверсия.

Используйте эту функцию, чтобы просмотреть модели атрибуции, которые вы хотите внедрить, прежде чем вносить изменения, чтобы убедиться, что данные о конверсиях соответствуют вашим бизнес-целям.

Если вы готовы изменить свою модель атрибуции, это делается на уровне конверсии, поэтому перейдите в раздел «Инструменты и настройки», а затем в «Конверсии». Нажмите на событие конверсии, для которого вы хотите изменить модель атрибуции, а затем нажмите «Изменить настройки».

attribution_model_settings

В разделе «Модель атрибуции» щелкните раскрывающееся меню и выберите нужную модель атрибуции.

Как перейти на атрибуцию на основе данных

Вы можете переключиться на атрибуцию на основе данных, используя тот же метод, что и выше. Однако в разделе «Атрибуция» вашей учетной записи Google Ads перейдите к пункту «Переключиться на DDA» в меню слева.

data_driven_attribution

Оттуда вы сможете увидеть все действия-конверсии в аккаунте, текущую модель атрибуции, которую они используют, а также то, имеют ли они право на переход на DDA.

Как видно на снимке экрана выше, если вы имеете право, у вас будет возможность сделать переключение самостоятельно, или, если было применено автоматическое переключение, вы можете либо дождаться автоматического переключения, либо отказаться, если вы предпочитаете не использовать DDA. .

Как улучшить модель атрибуции на основе данных

После того как вы перешли на атрибуцию на основе данных, вы можете выполнить ряд других шагов, чтобы получить максимальную отдачу от DDA:

  • Корректируйте ставки в соответствии с конверсиями на основе DDA, анализируя данные о конверсиях, которые DDA начинает приписывать вашим кампаниям.

  • Поскольку DDA будет более точно измерять взаимодействие с рекламой и клики на всем пути к конверсии, вернитесь назад и просмотрите эффективность ключевых слов, чтобы увидеть, как ключевые слова, находящиеся ранее на пути, влияют на конверсии.

  • При использовании атрибуции на основе данных рекомендуется использовать стратегию интеллектуального назначения ставок, например целевую цену за конверсию или целевую рентабельность инвестиций. Прочтите практическое руководство по стратегиям назначения ставок в Google Рекламе здесь .

  • Дайте DDA пару недель на сбор и анализ данных о взаимодействиях с пользователями и конверсиях. Этот период обучения важен и тем более для компаний с более длинным путем к конверсии.

Заключение

Выберите правильную модель атрибуции Google Ads, предварительно взвесив сильные и слабые стороны каждой из 6 моделей атрибуции, а также используя удобный инструмент сравнения Google Ads, чтобы понять, как каждая модель влияет на ваш бизнес.

Выбрав модель атрибуции, которая наилучшим образом соответствует вашему бизнесу и целям, вы получите более точное представление об эффективности, сможете улучшить усилия по оптимизации и повысить общую эффективность своей кампании.

Новый призыв к действию