Модели атрибуции
Strimix поддерживает следующие модели атрибуции:
First click
Last click
Last non direct click
Last marked click
Linear
U-Shape (скоро будет)
По умолчанию окно атрибуции визита составляет 180 дней.
Выбор конкретной модели атрибуции зависит от многих факторов, включая характер ваших маркетинговых усилий, тип продукта или услуги, а также поведение вашей целевой аудитории.
Модели атрибуции помогают решить следующие задачи:
Оценка эффективности маркетинговых кампаний. Модели атрибуции могут быть использованы для определения того, какие каналы приносят наибольший вклад в конверсии. Это может помочь бизнесу оптимизировать свои маркетинговые расходы и повысить эффективность своих кампаний.
Распределение бюджета между каналами. Модели атрибуции могут быть использованы для распределения бюджета между каналами на основе их вклада в конверсии. Это может помочь бизнесу получить максимальную отдачу от своих маркетинговых инвестиций.
Оптимизация маркетинговых кампаний. Модели атрибуции могут быть использованы для оптимизации маркетинговых кампаний, чтобы повысить их эффективность. Например, бизнес может использовать модель атрибуции, чтобы определить, какие объявления или ключевые слова наиболее эффективны в привлечении конверсий.
Модели атрибуции является обязательным параметром в конструкторе отчетов по трафику и рекламе:
Обзор моделей атрибуции
Модель атрибуции | Как работает | Когда использовать |
---|---|---|
First click (первое взаимодействие) | События и ценность конверсий атрибутируются первому визиту который совершил пользователь. | Используйте эту модель, чтобы выявить каналы трафика, с помощью которых клиенты открывают цепочку коммуникации с вашим проектом. |
Last click (последний клик) | События и ценность конверсий атрибутируются непосредственно последнему визиту. | Используйте эту модель когда последнее взаимодействие является наиболее важным для принятия решения о конверсии. |
Last non direct click (последний непрямой клик) | События и ценность конверсий атрибутируются последнему непрямому визиту. Учитываются визиты с других сайтов (реферальные визиты) и визиты по размеченным UTM-метками ссылкам. В случае, если у пользователя не было непрямых визитов, события будут атрибутированы прямым посещениям сайта. | Используйте эту модель когда вам необходимо исключить прямые визиты сайта, чтобы более точно измерить влияние различных каналов трафика. |
Last marked click (последний размеченный клик) | События и ценность конверсий атрибутируются последнему визиту с UTM-метками. Учитываются визиты по размеченным UTM-метками ссылкам. В случае, если у пользователя не было визитов с UTM-метками, события будут атрибутированы по следующему приоритету:
| Используйте эту модель когда вам необходимо оценить визиты по ссылкам с UTM-метками. |
Linear (линейная) | Распределяет ценность конверсий равномерно между всеми визитами предшествующими событию конверсии. Равномерно распределяется только ценность событий (сумма заказа, сделки и т.п.). Метрики которые учитывают количество событий не распределяют единицу события пропорционально количеству атрибутированных визитов. Каждый линейно-атрибутированный визит получает по одной единице события. Пример: событию конверсии предшествовало два визита - сначала пользователь посетил сайт с рекламы Facebook Ads, потом посетил сайт с рекламы Google Ads и совершил покупку на сумму 100$. В этом случае каждый из двух визитов получит по 50$ ценности покупки и по одному атрибутированному событию покупки. Распределение ценности происходит следующим образом:
| Используйте эту модель когда вы хотите равномерно оценить вклад каждого канала. |
U-Shape (U-образная) | Ценность конверсии распределяется по визитам в следующем соотношении:
Если было всего два визита, то первый получает 40% ценности, а второй – 60%. Если у конверсии один визит, то 100% полностью присваиваются одному визиту. | Используйте эту модель когда вы хотите придать больший вес начальным и завершающим этапам пути клиента, но также учитывать средние этапы. Эта модель предполагает, что первые и последние взаимодействия имеют наибольшее влияние на принятие решения о конверсии. |