Анализ данных: Сравнение атрибуции и инкрементальности для эффективного маркетинга

5 сентября 2023, 12:10
0

Анализ данных: Сравнение атрибуции и инкрементальности для эффективного маркетинга

В этой статье Mobio расскажет о плюсах и минусах атрибуции и инкрементальности в маркетинге и поделится сведениями для совершенствования своих стратегий и стимулирования роста...
Анализ данных: Сравнение атрибуции и инкрементальности для эффективного маркетинга

Стремление к совершенству и эффективности является постоянной задачей, в том числе и в маркетинге. Если бы мы только могли зафиксировать каждую точку соприкосновения, взаимодействие и шаги на пути пользователя, мы бы оказались в маркетинговом раю, ведь со всеобъемлющими знаниями в нашем распоряжении ни один доллар не был бы потрачен впустую, и ни одна реклама не пошла бы по ложному следу. На сегодняшний день у нас есть два ключа к измерению влияния рекламы — атрибуция и инкрементальность. Как коррелируют и взаимодействуют эти понятия для оценки и анализа эффективности рекламных кампаний в эпоху cookies-кризиса и отказа от IDFA и GAID — Mobio разберёт в этой статье.

Понятия атрибуция и инкрементальность часто смешивают вместе, однако это совсем не одно и то же, что подтверждают и рекламные площадки, и аналитические сервисы

Понимание их ключевых различий имеет решающее значение для навигации в хитросплетениях анализа данных и оптимизации стратегий кампаний.

Понятия атрибуции и инкрементальности

Атрибуция: распределение заслуг

Фокусируется на распределении заслуг между различными точками касания на пути клиента, стремясь понять, какие каналы или тактики способствовали определенной конверсии. Иными словами, атрибуция осуществляет увязку взаимодействия пользователя с рекламой, например, показов и кликов, с его покупательским поведением. Например, представьте себе путь клиента, где человек видит рекламу в социальных сетях, затем ищет товар в Google и, наконец, совершает покупку через приложение. Модели атрибуции будут присваивать заслуги каждой точке контакта на основе заранее определенных правил, таких как первое или последнее взаимодействие, наиболее значимая точка контакта или взвешенное распределение. (Различные модели атрибуции, включая Click Through, View Through, Last Touch, First Touch, Multi-Touch и другие мы рассматривали в своей статье).

Однако мы знаем, что на решения о покупке (загрузке) влияют многочисленные факторы, такие как ценность бренда, WOM (сарафанное радио), оффлайн-кампании и выход нового фильма с Брэдом Питтом. В связи с этим возникает вопрос о приписывании всех доходов исключительно рекламе, на которую отозвался пользователь. К сожалению, модели атрибуции не могут учесть эти дополнительные факторы, хотя и представляют собой отличный инструмент для быстрого принятия решений.

Инкрементальность: измерение истинного воздействия

Если атрибуция фокусируется на распределении заслуг, то инкрементальность глубже проникает в причинно-следственные связи маркетинговой деятельности. Ее цель — понять дополнительное воздействие конкретных маркетинговых усилий путем сравнения результатов органики и рекламной кампании. (Более подробно мы рассматривали инкрементальность и способы ее измерения в своей статье). Сам процесс измерения инкрементальности довольно длительный, дорогостоящий и представляет собой вычислительно-жизнеспособную модель, которая охватывает рандомизацию, машинное обучение, перекрестную валидацию, подсчет баллов и атрибуцию причинно-следственных эффектов рекламы. Вот так сложно может выглядеть только один небольшой этап расчетов:

Взаимосвязь: взаимодополняющие понятия

Хотя атрибуция и инкрементальность подходят к измерению с разных сторон, они дополняют друг друга — атрибуция помогает определить точки соприкосновения, которые влияют на конверсии, а инкрементальность помогает измерить степень, в которой эти точки соприкосновения действительно приводят к дополнительным результатам. Например, атрибуция может показать, что значительное количество конверсий приписывается рекламе в социальных сетях. Однако анализ инкрементальности позволяет выяснить, являются ли эти конверсии следствием рекламы или произошли бы и без нее, а также в какой именно степени рекламные объявления привлекли пользователей и совпадают ли эти данные с цифрами атрибуции.

Плюсы и минусы атрибуции и инкрементальности

Когда возникает необходимость в инкрементальных тестах

Эти тесты могут быть трудоемкими и дорогостоящими, поэтому на них лучше всего сосредоточиться в ситуациях, где проблема инкрементальности становится очевидной. На практике инкрементальность следует протестировать, если между целевыми действиями, приписанными каналу, и фактическим количеством целевых действий, полученных в результате его использования, существует значительная разница (более 10-15%). Что может спровоцировать такую ситуацию:
  • Сильное присутствие бренда

Если у вас есть устоявшийся бренд с известной репутацией, сформированной предыдущими рекламными кампаниями или циклами роста, роль органической осведомленности о бренде становится значительной, даже если она собирается через платные каналы.
  • Длинный цикл транзакции

Если ваш продукт проходит долгий путь от знакомства с брендом до покупки, он с большей вероятностью столкнется с проблемами атрибуции.
  • Изменения внешних факторов

Изменения внешних факторов, например, проблемы с отслеживанием из-за IDFA или изменения в логике cookies-файлов браузера, могут повлиять на измерение атрибуции.
  • Накрутка лидов (фрод)

Если ваш трафик переполнен, например, недобросовестными партнерами, перепродающими ваш собственный органический брендовый трафик, это может породить скликивание рекламных бюджетов.
  • Устаревшая модель атрибуции

Если вы давно используете модель атрибуции, которая не адаптировалась к изменениям в вашем продукте, каналах вовлечения или бизнес-целях, она может неточно отражать фактические данные.
  • Каналы, которые сложно измерить

Некоторые каналы затрудняют измерение их эффективности из-за таких факторов, как отсутствие явных переходов по кликам, закрытие воронки вместо формирования спроса или формирование спроса без его конвертации в целевые действия.
  • Множество рекламных каналов

Использование большого количества рекламных каналов может привести к пересечению аудиторий, что является причиной:
  • синергии (несколько каналов способствуют конверсии, дают совместный эффект 1+1=3)
  • каннибализации (платные объявления, размещаемые по поисковым запросам с брендом рекламодателя, «съедают» свой же бесплатный трафик из органической выдачи)
  • overlap (действия одного и того же пользователя приписываются нескольким каналам).

Корректировка атрибуции

Сами по себе модели атрибуции не позволяют понять причинно-следственные связи между каналами и целевыми действиями. Они служат в качестве ориентиров, и на их эффективность влияют такие динамические факторы, как конкуренция каналов, влияние межканального взаимодействия, изменения бюджета и бизнес-цели. На оценку результатов инвестирования в продвижение продукта могут повлиять (помимо сезонности, экономической ситуации и других внешних факторов) сильные колебания:

В маркетинге:

  • меняется ценовая политика, вводятся новые программы лояльности, акционные предложения и т.д.;
  • вводятся рекламные кампании (перформанс, медиа, PR, реклама в подкастах и т.д.);
  • укрепляется брендинг;
  • усиливается рекламная активность конкурентов;
  • наблюдаются значительные изменения в отзывах пользователей.

В продукте:

  • происходят качественные изменения;
  • конкуренты выводят аналогичный продукт со значительным улучшением качества;
  • наблюдаются технические сбои приложения (технические неполадки могут нивелировать эффект рекламной кампании).
Учитывая, сколько факторов могут повлиять на unit-экономику и, как следствие, привести к ошибкам в маркетинговой политике и упущению возможностей продвижения, выбор верной модели атрибуции, максимально приближенной к инкрементальности продукта, становится ключевым и требует периодического пересмотра. Проверка соответствия включает несколько этапов.

Этап 1. Анализ расхождения фактических целевых действий (конверсий) и атрибутированных

Даже если модель атрибуции изначально была выбрана верно и соответствовала бизнес-модели, то со временем с учетом внешних факторов, изменением самого продукта или введении маркетинг-микса изначальная модель может потерять актуальность для определенного этапа продвижения и отражать некорректные данные. Поэтому на первом этапе оцениваем, приносят ли определенные маркетинговые активности ожидаемые дополнительные результаты соразмерно данным атрибуции. Если разница оказывается значительной (более 10-15%), переходим ко второму этапу.

Этап 2. Оценка рекламных кампаний с помощью тестов

В зависимости от потребностей и сложности бизнеса проводим инкрементальный A/B-тест:
  • самостоятельно — методом сравнительного анализа, отключением или аномальным масштабированием каналов или их поэтапным запуском;
  • с помощью рекламных платформ или ММР.

Этап 3. Анализ совокупной системы

При получении результатов тестов важно не ограничиваться пониманием инкрементальности отдельных каналов, а оценивать общую результативность маркетинговой экосистемы. Нужно учитывать такие факторы, как взаимодействие между каналами, влияние распределения бюджета и любые потенциальные внешние факторы, которые могут повлиять на эффективность в целом.

Этап 4. Корректировка модели атрибуции на основе результатов тестов

Настраиваем модели атрибуции по результатам инкрементального тестирования (например, перенастроим кампанию ретаргетинга на основании данных о поведении органических пользователей или направим усилия на укрепление реферального канала).
Инкрементальность становится все более важной, поскольку мобильный маркетинг переходит от детерминированной атрибуции, когда маркетологи имели высокий уровень уверенности в своих измерениях, к миру, где существует меньше сигналов на уровне пользователя. По мнению Netflix инкрементальный подход призван решать проблемы измерения воздействия маркетинга:

Следует признать, что хотя измерение инкрементальности и дает действительно ценные сведения — это все-таки не волшебная палочка и не one-size-fits-all решение. Как и любой подход к измерению, инкрементальность имеет свои недостатки и проблемы. Однако при его использовании в сочетании с моделями атрибуции может обеспечить более полное понимание влияния различных каналов, кампаний и креативных стратегий на общую эффективность бизнеса.

Квалифицированная команда Mobio обладает знаниями и опытом для работы с этими методологиями измерения. Не решайте дилемму атрибуции и инкрементальности в одиночку. Вместе мы сможем подобрать подходящую именно вашему бизнесу модель атрибуции или их комбинацию и продвинуть ваш бизнес к значительному росту. 


Переходите в наш Telegram-канал и будьте в курсе всех digital-новостей.  

Ответить?
Введите капчу