Как работать с моделями атрибуции Яндекс.Метрики и оценивать эффективность рекламных кампаний

• Александра Кулачикова приветствует участников вебинара.  

• Петр, владелец магазина велосипедов, использует различные рекламные кампании и общается с клиентами через WhatsApp.  

• Рассматриваются различные источники трафика: поисковые системы, рекламные кампании, социальные сети и WhatsApp.  

• Заходы по брендовому запросу велосипеда Петра относятся к поисковой системе.  

• Рекламные кампании могут быть отнесены к CPC или CPM в зависимости от настроек.  

• WhatsApp отслеживается как прямой трафик, если не указана метка в ссылке.  

• Клиенты могут приходить по разным каналам, но конверсию делает только один источник.  

• Петр использует модель атрибуции по последнему переходу, что приписывает конверсии прямому трафику.  

• Существуют модели атрибуции по последнему значимому переходу и первому переходу, которые учитывают историю визитов.  

• Значимые переходы учитывают влияние на конверсии.  

• Яндекс.Метрика перераспределяет конверсии на более значимые источники.  

• Петр видит, что Facebook приносит больше конверсий, чем прямой трафик.  

• Петр сравнивает данные по моделям атрибуции, чтобы понять влияние различных источников.  

• В серых системах данные могут не совпадать с Яндекс.Метрикой из-за разных моделей атрибуции.  

• Важно учитывать закрытые заказы и отказные заказы в серых системах.  

• В Яндекс.Метрике есть три основные модели атрибуции: по последнему, по первому и по значимому источнику.  

• Важно учитывать количество визитов до конверсии.  

• Отчет по общему числу визитов помогает понять, сколько раз пользователи возвращаются для конверсии.  

• Отчет по времени с первого визита показывает, сколько времени требуется пользователям для принятия решения о конверсии.  

• Разные пользователи могут принимать решение о конверсии в разное время.  

• Важно учитывать, что пользователи могут возвращаться на сайт несколько раз перед конверсией.  

• Вебвизор помогает анализировать поведение пользователей на сайте.  

• Можно выделить визиты определенных пользователей и посмотреть, что они делали на сайте.  

• Фильтр позволяет увидеть источники трафика и сессии пользователей.  

• Можно увидеть, из каких источников трафика приходили пользователи.  

• Можно посмотреть, что конкретно интересовало пользователей на сайте.  

• Пример: пользователь интересовался установкой счетчика и настройками.  

• Как увидеть источники трафика, если пользователи конвертируются не сразу.  

• Добавление поля "номер визита" в отчеты.  

• Пример: пользователи, пришедшие с рекламы, могут возвращаться и делать конверсии.  

• Рекламные кампании могут влиять на конверсии.  

• Пример: увеличение конверсий после запуска рекламной кампании.  

• Пользователи могут запоминать рекламные кампании и возвращаться на сайт.  

• Дизайнер тестирует посадочные страницы.  

• Сравнение результативности посадочных страниц через сегментацию.  

• Пример: разные конверсии для разных посадочных страниц.  

• Настройка дашборда для мониторинга рекламных кампаний.  

• Возможность вывода нескольких виджетов для анализа конверсий и доходов.  

• Пример: сравнение динамики по конверсиям и доходам.  

• Использование эпи-метрики для анализа эффективности рекламных кампаний.  

• Пример: перераспределение весов для источников трафика.  

• Модель атрибуции по поведению пользователей для более точного анализа.  

• Источник трафика, приносящий визиты без отказов и с просмотром карточек товаров, получает больше ценностей.  

• Модель называется "бихейвер бейс" и перераспределяет веса по сравнению с моделью "полуаклику по последнему взаимодействию".  

• В модели "бихейвер" значимость CPC и медийных рекламных кампаний выше, чем в модели по развесовке каналов.  

• Для сложных моделей атрибуции необходим доступ к данным из ClickHouse.  

• Данные из ClickHouse можно выгрузить и использовать для построения запросов.  

• В примере показано, как получить доступ к данным и использовать их для анализа.  

• Петр попробовал несколько моделей атрибуции, начиная с "ласт-клика" и заканчивая сложными моделями по развесовке и поведению пользователей.  

• Для разных задач могут потребоваться разные модели: простая модель по первому клику для новых клиентов, сложная модель по поведению для заинтересованных клиентов, модель по последнему значимому переходу для последнего источника на пути к конверсии.  

• Важно рассматривать рекламные каналы с разных точек зрения и анализировать их вклад в развитие пути пользователя до конверсии.  

• Важно понимать, как разные модели атрибуции взаимодействуют и влияют на путь пользователя до конверсии.  

• В Яндекс Метрике можно работать с моделями атрибуции, и служба поддержки готова оперативно ответить на вопросы.  

• Благодарность за внимание.