Отчет сравнения моделей атрибуции в Google Analytics 4: полный гайд  

Современные маркетинговые стратегии предусматривают использование разных источников трафика и создания многочисленных рекламных кампаний. Важно отслеживать, какие из них имеют более высокую эффективность и подталкивают пользователей к конверсии. В этом поможет отчет сравнения моделей атрибуции в Google Analytics 4.

Зачем нужен отчет сравнения моделей атрибуции

Он помогает измерять эффективность каналов трафика и рекламных кампаний, а также определять точки роста для увеличения рентабельности инвестиций.

Представим ситуацию.

1. Пользователь увидел рекламу в YouTube и перешел на сайт, попав в одну из аудиторий Google Analytics 4.
2. В следующий раз, уже познакомившись с брендом, пользователь увидел карусель товаров в Facebook с привлекательными ценами. Нажал на ссылку, но конверсию не осуществил.
3. Через время он ввел название товара в поиске Google, увидел рекламное объявление Google Ads, перешел на сайт и осуществил конверсию.

Возникает несколько вопросов.

1. Как выявить, какая точка взаимодействия подтолкнула пользователя к конверсии?
2. Если пользователь осуществил конверсию после взаимодействия с поисковой рекламой Google, только она дала результат?
3. Можно ли утверждать, что рекламные кампании на YouTube и Facebook «сливают бюджет» и отключить их?
4. Возможно ли учитывать влияние всех точек взаимодействия на пути к конверсии?

Чтобы найти ответы, нужно проанализировать атрибуцию.

Отчеты по каналам или рекламным кампаниям за тот же период будут иметь разные показатели ценности в зависимости от модели атрибуции.

Какими бывают модели атрибуции

В отчетах Google Analytics 4 есть две основные модели: по последнему клику и на основе данных.

Атрибуция по последнему клику

Она присваивает полную ценность по конверсии последней точке взаимодействия. Отчет показывает каналы с наивысшей эффективностью, учитывая только последнюю точку перед событием-конверсией.

Например, пользователь имел три точки взаимодействия: видео YouTube, карусель товаров Facebook и поисковую рекламу Google. В отчете 100% ценности конверсии будет иметь последнее взаимодействие — поисковая реклама Google. Предыдущие точки будут показывать затраты.

Атрибуция на основе данных (data driven)

Она с помощью искусственного интеллекта распределяет ценность конверсии между всеми точками взаимодействия, учитывая ряд факторов:

• типы устройств;
• порядок показа рекламных объявлений;
• общее количество точек соприкосновения;
• типы ресурсов и объявлений;
• время между взаимодействием относительно конверсии итд.

Благодаря искусственному интеллекту, модель атрибуции на основе данных способна анализировать более 50 точек взаимодействия и рассчитывать влияние каждой из них. Она предназначена для точного отображения эффективности работы каналов, поэтому индивидуальна для каждого рекламодателя и каждого события-конверсии.

Если у пользователя было три точки взаимодействия: видео YouTube, карусель товаров Facebook и поисковая система Google, в отчете отразится, что каждая имеет свой процент влияния на результат.

Как анализировать отчет сравнения моделей атрибуции

Готовый отчет состоит из блока параметров и трех блоков с показателями.

1. Показатели, подсчитанные по последнему клику с фактическими данными.
2. Показатели, подсчитанные по модели атрибуции на основе данных с фактическими данными.
3. Блок, который в процентах отображает разницу в данных между двумя атрибуциями.

В отчете, в зависимости от модели атрибуции, напротив каждой группы каналов изменяется количество конверсий и прибыль.

Чтобы посмотреть разницу по группе каналов, отсортируйте их по наибольшей разнице в количестве конверсий. Для наглядности измените количество строчек с 10 на 25.

Перечислю, какие выводы сделала из полученного отчета.

1. Display — наиболее переоцененная группа каналов по последнему клику. Она получила 60 конверсий, но если учитывать предыдущие точки взаимодействия клиента в конверсию с Display, ценность кампании снижается до 31,78, что почти в два раза меньше. Стоит обдумать оптимизацию этой кампании для улучшения результатов и снижения приоритета в пользу более эффективных.
2. Значительно снижается ценность Organic Search — до 18,56%. Перед переходом на сайт по органике и осуществлением конверсии, пользователи контактируют с другими каналами, в частности с платными. Вывод: общая рентабельность у платной рекламы выше, чем это показывают отчеты атрибуции по последнему клику.
3. Бросается в глаза разница в ценности Paid Shopping — показатели выше на 170,79%. С Paid Shopping получили одну конверсию по последнему клику и 2,71 на основе данных. Необходимо получить больше статистических данных для выводов.
4. Группа каналов Cross-network содержит кампании с максимальной эффективность. Они имеют на 24,42% больше ценности на основе данных. Допускаю, что кампании с показателями графических креативов и видео влияют на конечное решение потребителя относительно осуществления конверсии, хотя и могут быть не последней точкой взаимодействия. Необходимо обдумать увеличение распределения бюджета в пользу Cross-network.
5. Группы каналов Paid Video имеют на 8,83% высшую ценность за атрибуцию на основе данных.

Дальше стоит посмотреть на отчет в разрезе кампаний. Для этого в первой колонке выберите «Кампания». Для удобства отсортируйте по количеству конверсий от большего к меньшему — нажмите на «Конверсии» в другой колонке с моделью атрибуции на основе данных.

Перечислю, какие выводы я сделала из этого отчета.

1. Кампания Perfomance Max имеет на 24,07% большую ценность на основе данных. Отчет показывает, что кампании с показами графических креативов и видео позитивно влияют на количество конверсий и доход. Хотя последний клик перед конверсией может достаться поисковой системе или другим каналам.
2. Брендовые рекламные кампании имеют на 15,94% меньшую ценность на основе данных. Они не могут получать всю ценность за конверсию на свой счет, ведь перед поиском бренда в строке поиска, пользователь должен о нем узнать и заинтересоваться.
3. Поисковая категорийная рекламная кампания показывает результаты на 7,26% лучше, чем атрибуция на основе данных. Она настроена на привлечение новых клиентов, поэтому показатель очень уместный. Стоит обдумать ее масштабирование.

В поиске точки роста:

• не останавливайтесь на одном или двух настройках отчета;
• экспериментируйте с уровнями, сужайте данные по аудиториям;
• выбирайте разные события-конверсии;
• анализируйте специфические параметры;
• обращайте внимание на кампании, которые значительно учитываются в конверсии и имеют успех среди последних точек взаимодействия.

Как настроить отчет сравнения моделей атрибуции в Google Analytics 4

Отчет отображает работу рекламных кампаний и каналов за определенный период, сравнивая только модели атрибуции. Он доступен в Google Analytics 4 бесплатно.

Главные требования для использования отчета:

• настроенное отслеживание конверсий;
• исходящие данные хотя бы за 30 дней — чем больше данных, тем выше точность.

Расскажу, как настроить отчет сравнения моделей атрибуции.

1. Откройте Google Analytics 4 и в меню слева выберите «Реклама».
2. Нажмите на «Сравнение моделей» в разделе «Атрибуция». Откроется рабочая зона отчета с настройками.

3. Настройте даты. Во всплывающем меню выберите нужный период. От его длительности и количества анализируемых данных будет зависеть точность статистики.

4. Выберите событие-конверсию. Стандартно Google Analytics 4 предлагает учитывать все события-конверсии.

Чтобы анализировать конкретные конверсии типа покупок (purchase), нажмите на всплывающее меню, поставьте галочки напротив нужной и выберите «Применить».

5. Установите время отчета. Существует два варианта:

• «Время взаимодействия» — отчет будет включать все точки взаимодействия за указанный период;
• «Время конверсии» — отчет будет включать только точки взаимодействия, которые привели к выбранному событию-конверсии за указанный период.

Стандартно Google показывает время конверсии. Чтобы это изменить, нажмите в меню справа кнопку «Время отчета»и поставьте отметку напротив нужного параметра.

6. Отфильтруйте аудитории по необходимым критериям. Стандартно предлагается отчет со всеми пользователями, но его можно сузить. Для этого в верхнем меню нажмите «Добавить фильтр +». Справа откроется панель настроек с тремя фильтрами аудиторий.

Есть возможность добавить Условия для аудиторий, чтобы сузить их по дополнительным параметрам: географией, демографией и т.д.

7. Выберите основной параметр для отчета из всплывающего меню:

• «Группа каналов по умолчанию»;
• «Источник/канал»;
• «Источник»;
• «Канал»;
• «Кампания».

Рядом с основным параметром можете уточнить данные, нажав на «+». Откроется меню элементов: «Регион», «Возраст», «Пол», «Источник трафика», «Устройство» и др.

На уровне фильтрации аудитории показаны данные только по выбранной аудитории (например, по Киеву). При уточнении параметра видно сравнение между несколькими аудиториями по выбранному параметру (например, сравнение Киева, Харькова, Днепра и Львова).

При дальнейшей работе со своим отчетом есть возможность фильтровать параметры в поисковой строке.

8. Сравните модели атрибуции. Раньше было доступно больше моделей: по первому клику, линейная, на основе предложения, с учетом давности взаимодействия итд. Но с мая 2023 Google и не поддерживает. Сейчас к сравнению доступны две основные модели атрибуции: по последнему клику и на основе данных.

Поздравляем, отчет готов!

Пути обмена отчетами

Чтобы поделиться отчетом с коллегами или заказчиками, воспользуйтесь одним из способов.

1. Отправьте ссылку на отчет, если адресат имеет доступ к Google Analytics 4.
2. Загрузите файл CSV и отправьте его адресату. Сработает независимо от наличия доступа к ресурсу. Также в загруженный отчет можете добавить дополнительные данные и формулы. К примеру, затраты на рентабельность.

Функция «Поделиться отчетом» находится в самом отчете. Нажмите на иконку в верхнем правом углу отчета и выберите необходимый вариант.

Недостатки отчета сравнения моделей атрибуции Google Analytics 4

Перечислю особенности отчета, которые стоит учитывать во время работы.

1. Модель атрибуции на основе данных начала работать с 14 июня 2021 года. Данные за предыдущие периоды невозможно проанализировать, используя эту модель.
2. Часть значений параметров может быть недоступна или удалена. В этом случае, в отчете будут значения «Не указано», «Не отмечено», «Атрибуция невозможна» итд. Например, в URL-адресах, которые отмечены тегами вручную, могут отсутствовать параметры «Кампания», «Источник» или «Канал».
3. Отчеты по атрибуции на основе данных включают не только фактические конверсии и прибыль, но и вероятные. То есть гипотетические показатели, предоставленные искусственным интеллектом. Алгоритм и принципы начисления ценности невозможно проверить, приходится слепо им доверять.
4. Меньше у аналитики статистических данных — менее точное моделирование. В этом случае маркетологам сложнее выявить реальные точки развития и пути оптимизации рекламных кампаний.

Чтобы обойти эти недостатки, крупные компании создают собственные модели атрибуции. Преимущества такого решения:

• полная прозрачность начисления ценности;
• гибкость относительно выбора принципов начисления;
• использование преимуществ существующих атрибуций и исключения их недостатков;
• учет всех нюансов бизнеса и возможность найти точки роста;
• выявление потенциальных проблем и лучшее понимание важности разных рекламных кампаний и каналов.

Вывод

1. Отчет сравнения моделей атрибуции показывает, какую роль на пути к конверсии играют разные точки соприкосновения с пользователями.
2. Он помогает распределить рекламный бюджет, увеличить доход и оптимизировать рекламные кампании.
3. С помощью отчета можете проанализировать, как меняется процент ценности конверсий.
4. В отчетах Google Analytics 4 есть две основные модели: по последнему клику и на основе данных.
5. Чтобы поделиться отчетом с коллегами или заказчиками, пришлите ссылку на него или загрузите файл CSV, чтобы отправить его адресату.