Инструмент для подсчета «Ассоциированных конверсий» в GA4 — скрипт для Google таблиц

В этой статье я расскажу об инструменте, который может легко и быстро посчитать ассоциированные конверсии и доход для любого канала, подключенного к Google Analytics 4 (GA4). Это позволит разносторонне подходить к оценке эффективности различных источников, в особенности работающих с холодной аудиторией на средних и высоких уровнях воронки.

Что такое «Ассоциированные конверсии»

Те, кто застал Universal Analytics (UA), наверняка помнят отчет по ассоциированным конверсиям (Assisted conversions), где видно, какие каналы помогли получить конверсию, но не стали последними в цепочке. 

Следуя логике Data-Driven атрибуции (DDA), инженеры Google, по-видимому, посчитали, что конкуренция между показателями Last Click атрибуции и ассоциированными  конверсиями, как в UA, новой версии аналитики не нужна. Отчёт убрали, оставив пользователям возможность лишь визуально просматривать ценность каналов в отчёте «Пути атрибуции» и сравнивать показатели DDA и Last Click атрибуции.

Занимаясь аналитикой рекламных каналов, я понял, что стандартных возможностей мало, поэтому создал инструмент под эту задачу.

Детальнее об ассоциированных конверсиях читайте в тексте моего коллеги. 

Как пользоваться инструментом

Инструмент — скрипт для Google таблицы, который обрабатывает информацию из отчёта «Пути атрибуции» в GA4 и выдаёт результат на отдельном листе.

Подготовка

Первое, что нужно сделать — это выгрузить отчёт «Пути атрибуции». Для этого зайдите в GA4 и кликните в левом меню на пункт «Реклама», далее в раскрывшемся списке «Атрибуция» выберите «Пути атрибуции».

Следующий шаг — выбор нужных ключевых событий в верхней области отчёта. К примеру, если вы хотите учитывать только покупки — выберите в выпадающем списке Purchase.

Далее — выбор содержания путей атрибуции. Доступны: Основная группа каналов, Группа каналов по умолчанию, Источники, Каналы и Кампании.

И завершающий этап — выбор периода справа сверху, за который вы планируете анализировать данные.

После завершения настройки отчёта — экспортируйте его в Google таблицу. Это можно сделать прямо в интерфейсе GA4.

Запуск скрипта

Откройте скрипт и скопируйте его к себе, чтобы получить права на использование.

После того как сделаете это, перейдите на лист Sources, очистите содержимое и скопируйте туда отчёт «Пути атрибуции», который вы экспортировали из GA4. Редактировать его не надо, вставьте без изменений.

Далее перейдите на лист Instructions and Launch и укажите в столбце Keywords (E) ключевые слова без кавычек, по которым вы хотите увидеть ассоциированные конверсии. Если вы выгружали в отчёт кампании, то в качестве ключевых слов можно использовать как фрагменты, так и целые значения UTM-меток (например, utm_campaign) или названий кампаний Google Ads — всё, что поможет идентифицировать нужные источники.

Далее просто нажмите на кнопку небесного цвета Launch script на том же листе и дождитесь окончания работы скрипта. Время выполнения зависит от объёма данных, но даже с сотней тысяч строк скрипт справляется сравнительно быстро, примерно за 25 секунд.

Результат будет выведен на третий лист — Extracted assisted conversions.

Описание результатов

Результаты представляют собой набор данных по источникам, которые скрипт смог идентифицировать в списке путей атрибуции (столбец A на листе Sources) с помощью предоставленных вами ключевых слов (столбец E на листе Instructions and Launch).

При этом выводятся результаты только в том случае, если в списке путей атрибуции искомые вами источники хотя бы один раз присутствовали на не последней и не единственной позиции.

Простой пример: вы хотите получить данные по источнику Test1AdCampaign, при этом в списке путей атрибуции он есть в четырёх вариациях:

1. ["Test1AdCampaign","(referral)","(referral)"]

2. ["Test1AdCampaign","(referral)","Test1AdCampaign"]

3. ["Test1AdCampaign","(referral)","Test1AdCampaign","(referral)"]

4. ["Test1AdCampaign"]

Пути атрибуции под номерами 2 и 4 не будут учитываться и выводиться на листе результатов, поскольку там искомый вами путь (Test1AdCampaign) находится на последней и единственной позиции соответственно.

Почему источник не попадает в результаты, если он последний или единственный в пути

1. В случае, когда искомый источник находится на последнем месте в пути, он является прямым источником конверсии, следовательно, ему по модели Data-driven атрибуции отводится большая доля ценности, а по Last click атрибуции он и вовсе получает всю ценность. Целью этого скрипта является выведение данных именно по ассоциированным конверсиям, поэтому мной было принято решение исключить из результатов такие кейсы, чтобы не засорять статистику.

2. В случае, когда искомый источник является единственным в пути, он по определению получает всю ценность. Ассоциированных конверсий тут быть не может в принципе.

По каким моделям атрибуции выводятся данные в результатах

Скрипт предоставляет данные сразу по двум моделям атрибуции: Линейной (Linear) и На основе позиции (Position-based 40–20–40).

Эти варианты были выбраны как наиболее оптимальные из доступных. Я бы с большим удовольствием добавил в результаты ещё и данные по модели атрибуции с Учётом давности взаимодействий (Time decay), но, к сожалению, Google не предоставляет информации о том, сколько времени прошло между взаимодействиями, поэтому реализовать это должным образом сейчас невозможно.

Важно отметить, информация о ценности каждого источника по Data-driven атрибуции в отчёте «Пути атрибуции» в GA4 доступна, но она не передаётся при экспорте.

Конкретно в этом отчёте её можно видеть лишь визуально в виде процентов возле источников в пути, но массово выгрузить её оттуда каким-либо образом нельзя.

Помимо этого данные нужного источника по DDA можно увидеть в соседнем отчёте «Модели атрибуции», где интерфейс позволяет сравнивать показатели DDA и Last click.

Однако там проявляется другой недостаток — система учитывает те случаи, где искомый источник является последним и единственным в цепочке, из-за чего вычислить объём ассоциированных конверсий не представляется возможным.

В качестве альтернативы я прибегаю к фиксированным моделям атрибуции при обработке данных в скрипте.

Линейная атрибуция

Столбцы B-C на листе результатов содержат данные по ассоциированным конверсиям и доходу по линейной модели атрибуции (Linear attribution), где всем источникам присуждается равноценный вклад в получение конверсий.

Предположим, что вы загрузили на лист Sources следующий путь атрибуции с тремя источниками: ["Test1AdCampaign","(referral)","(referral)"], который привел к получению одной конверсии и 100 единиц дохода.

При этом в столбце ключевых слов на листе Instructions and Launch указали "Test1AdCampaign".

Линейная модель атрибуции предполагает, что вклад всех источников в получение конверсий равноценен. Поскольку в этом пути атрибуции всего три источника, каждый из них получит по 33% конверсий и дохода по этому пути.

Результат: Источник Test1AdCampaign получает 0,33 ассоциированных конверсий и 33,33 единицы дохода.

Атрибуция на основе позиции (40–20–40)

Столбцы D-E на листе результатов содержат данные по ассоциированным конверсиям и доходу по модели атрибуции на основе позиции (Position-based attribution) с разделением 40–20–40. В этом случае всем источникам присуждается вклад в получение конверсий на основе позиции: первый и последний источник получают по 40% ценности, а оставшиеся 20% распределяются между всеми источниками в промежутке.

Предположим, что вы также загрузили путь атрибуции с тремя источниками: ["Test1AdCampaign","(referral)","(referral)"], который привёл к получению одной конверсии и 100 единиц дохода.

Модель атрибуции на основе позиции предполагает, что вклад, как я описывал ранее, распределяется следующим образом: 40%–20%–40%. В этом пути атрибуции искомый источник является первым, следовательно, он получит 40% конверсий и дохода. 

Результат: Источник Test1AdCampaign получает 0,40 ассоциированных конверсий и 40 единиц дохода из этого пути.

Дополнительные данные

Помимо данных по моделям атрибуции на листе результатов выводится дополнительная информация, которая может быть потенциально полезным дополнением.

Столбцы G и H на листе результата показывают общее количество конверсий и дохода, в получении которых искомый источник принимал участие, но не был последним или единственным в пути атрибуции.

По сути, эти два показателя — это и есть тот самый старый отчёт из Universal Analytics по ассоциированным конверсиям, поскольку он давал как раз такую информацию. Я посчитал, что это удобное аналитическое дополнение к агрегированным данным. Оно позволит увидеть «общую картину» вне зависимости от результатов по моделям атрибуции.

Столбец F просто отмечает количество путей, которые участвовали в расчётах. Это полезно видеть для проверки данных.

Применение на практике

Рассмотрю простой пример.

Основной целью таких кампаний является «прогрев» аудитории: формирование доверия, подведение пользователей к выбору продвигаемого продукта. Как правило, такие кампании редко являются прямыми источниками целевых действий. Тем не менее это не говорит о том, что их вклад отсутствует.

Благодаря отчёту «Пути атрибуции» GA4 и представленному в этой статье инструменту, вы сможете получить конкретные измеримые данные об их вкладе, что позволит провести анализ, найти среди них наиболее эффективные варианты, после чего внести корректировки в распределение рекламного бюджета. В результате «середина» вашей воронки начнёт работать эффективнее.

Важно понимать, что в стандартных отчётах по монетизации, транзакциям и в кастомных исследованиях данные по конверсиям относительно источников выстраиваются с привязкой к сеансу, в то время как отчёт «Пути атрибуции», который мы используем в скрипте, опирается лишь на окно атрибуции — 30/60/90 дней в зависимости от выбранной настройки в GA4.

Простой пример: представьте такой путь атрибуции одного пользователя с условным периодом взаимодействий в 29 дней (от первого касания до конверсии): Demand Gen Google Ads (сеанс №1) — Органический поиск (сеанс №1) — Meta Ads (сеанс №2) — Органический поиск (сеанс №2) — Поисковая реклама Google (сеанс №3) — Конверсия.

В стандартных отчётах и кастомных исследованиях каналы с сеансами №1 и №2 не получат никакой ценности от конверсии, вся ценность будет дана Поисковой рекламе Google (сеанс №3), но в отчёте «Пути атрибуции» все источники этого пути от сеанса №1 и до сеанса №3 будут включены, и у вас будет возможность распределить ценность среди них и увидеть ассоциированные конверсии с помощью скрипта.

На какую модель атрибуции ориентироваться при анализе результатов

Как уже отмечалось ранее, результаты предоставляются сразу в двух вариациях моделей атрибуции — Линейной и На основе позиции. И в такой ситуации возникает вопрос: на какую модель ориентироваться конкретно в вашем случае?

При выборе в первую очередь стоит отталкиваться от бизнеса и модели продвижения.

Несколько примеров, когда можно обратиться к Линейной атрибуции:

1. Длинный цикл сделки и множество условно равнозначных взаимодействий в пути. Например, B2B-сервис, где клиент проходит долгий путь: Поисковая реклама Google — LinkedIn Ads — Email-рассылка — Органический поиск — Поисковая реклама Google — Органический поиск — Сделка. В таком кейсе все источники подогревают интерес условно равномерно и потому тут Линейная атрибуция может работать достаточно эффективно.

2. Работа с контент-маркетингом или воронками «взращивания лидов». Нативная реклама в блоге — Email-рассылка — Вебинар — Реклама в Instagram — Заказ. Контент работает цепочкой, и нет смысла выделять первый или последний шаг — важен весь цикл, логично будет распределить ценность каналов равномерно.

3. Кросс-канальная стратегия без конкретного выделенного лид-канала. Если у вас тестируется сразу много каналов (Google Ads, Meta Ads, TikTok Ads), и ваша цель — понять средний вклад каждого в общей системе. Линейная атрибуция тут будет как раз к месту.

Атрибуция на основе позиции 40–20–40 будет работать лучше в кейсах, где есть чётко выраженный и повышенный вес «первого касания» и/или «финального доведения» до целевого действия.

Пара примеров:

1. Пользователь нашёл сайт посредством Performance Max кампании, настроенную на привлечение новых клиентов, прошёл ряд промежуточных каналов и совершил покупку через ремаркетинговую кампанию в Meta Ads.
   
   Здесь канал, что привёл клиента на сайт, и тот, что дожал к покупке, являются ключевыми и имеют наибольшую ценность. Атрибуция на основе позиции хорошо отражает такую динамику.

2. B2B-лидген с постепенным подогревом и «дожимом» посредством брендовой кампании в поиске.
   
   Запускается лид-магнит кампания, к примеру, в LinkedIn — «скачайте бесплатное исследование/чек-лист», далее множество касаний посредством «подогревающих» рассылок с кейсами, приглашениями на вебинар, статьями по теме, а оформляется заявка позже посредством брендовой поисковой рекламы в Google Ads. Опять же, здесь сильно выделяется стартовый и финальный канал. Атрибуция на основе позиции с распределением ценности в их пользу выглядит справедливой.

В целом, строгого правила, какой модели атрибуции в какой конкретной ситуации придерживаться, нет. Вы вольны сделать выбор самостоятельно и даже провести A/B-тестирование. Кроме прочего, при оценке эффективности ничто не мешает вам ориентироваться на общую картину — то есть на данные по общему числу конверсий и дохода, в получении которых ваш источник принимал участие, но не был финальным касанием (столбцы G-H в результатах). Такой метод также может быть эффективным.

Выводы

Скрипт может стать весьма полезным инструментом для аналитики эффективности каналов, особенно тех, что работают на верхних и средних уровнях воронки.

Кратко о том, как с ним работать:

1. Скачайте отчёт «Пути атрибуции» в GA4, выбрав необходимые ключевые действия, группы источников и период, после чего экспортируйте его в Google таблицу.

2. Откройте скрипт и скопируйте его к себе.

3. Вставьте на лист Sources отчёт «Пути атрибуции», который вы экспортировали.

4. На листе Instructions and Launch в столбце Keywords (E) укажите ключевые слова, по которым скрипт сможет идентифицировать нужные вам источники.

5. На том же листе нажмите кнопку Launch script и разрешите его авторизацию – это потребуется сделать только один раз при первом запуске.

6. Анализируйте результаты на листе Extracted assisted conversions.