Встряска модели атрибуции Google: 3 решения для рекламодателей

Вы, наверное, слышали новость: в сентябре Google Ads и Google Analytics 4 полностью откажутся от моделей атрибуции по первому клику, линейной атрибуции, атрибуции на основе времени и позиции.

Модели атрибуции по последнему клику и на основе данных останутся доступными, как и внешняя атрибуция.

Чего не понимают некоторые маркетологи PPC, так это того, что Google не просто отменит эти модели атрибуции с точки зрения ставок. Они также будут удалены из функций отчетности и сравнения.

Это означает, что вы больше не можете анализировать пути клиентов в Google Ads и Google Analytics с помощью моделей атрибуции. Вам нужны альтернативы.

Обзор моделей атрибуции

Модели атрибуции помогают связать конверсию (например, продажу или лид) с кликом по объявлению или показом. Это способ определить, какие объявления, аудитории или сети работают лучше всего.

Исторически мы использовали несколько моделей атрибуции с разными правилами, чтобы установить эту связь.

Используя аналогию с футболом, вот что представляет собой каждая модель:

• Последний щелчок : автор гола заслуживает всяческих похвал.
• Первый щелчок : игрок, который первым коснулся мяча во время действия, ведущего к голу, заслуживает всей похвалы.
• Линейный : все игроки, которые коснулись мяча во время действия, ведущего к голу, заслуживают равной доли.
• Распад времени : последние игроки, которые коснулись мяча во время действия, ведущего к голу, заслуживают большего внимания, чем первые игроки.
• На основе позиции : Автор гола и первый игрок, который коснулся мяча во время действия, ведущего к голу, получают по 40% кредита каждый. Остальные игроки получат оставшиеся 20% поровну.

Проблема с предпочтительной моделью атрибуции Google

Этот сдвиг оставляет атрибуцию на основе данных (DDA) в качестве модели атрибуции по умолчанию в Google Ads.

Google не разделяет правила, определяющие, какие объявления следует связать с конверсией. Я лично предполагаю, что DDA использует комбинацию вышеупомянутых моделей атрибуции.

Однако есть один очень интересный момент: DDA адаптируется к вашей учетной записи.

• «Атрибуция на основе данных отличается от других моделей атрибуции, поскольку она использует ваши данные о конверсиях для расчета фактического вклада каждого взаимодействия с рекламой на пути конверсии. Каждая модель, основанная на данных, уникальна для каждого рекламодателя», — говорится в сообщении Google.

Теоретически это идеально.

Модель атрибуции, созданная специально для вас. И вам даже не нужно было думать об этих правилах!

Тем не менее, это звучит слишком хорошо, чтобы быть правдой.

DDA адаптируется к вашей учетной записи. Но на основании каких критериев? Мы не знаем.

Это не должно иметь значения, пока это работает.

И мы могли убедиться в этом, сравнив его с другими моделями.

Но что произойдет теперь, когда Google уберет «старые» модели атрибуции из раздела отчетов?

Обязательно ли меньшее количество моделей атрибуции означает более низкую эффективность?

Вот это настоящий вопрос.

Хотя мы, вероятно, все ненавидим терять больше контроля с каждым годом, это не должно быть проблемой, пока производительность продолжает расти.

И, как мы видели ранее, влияние с точки зрения управления ставками незначительно (3% всех конверсий).

Настоящая проблема заключается в другом – на стратегическом уровне.

Как заявляет Google:

«На пути к конверсии клиенты могут взаимодействовать с несколькими объявлениями от одного и того же рекламодателя… Модели атрибуции могут дать вам лучшее понимание того, как работают ваши объявления, и помочь оптимизировать пути конверсии».

Итак, как нам оптимизировать пути конверсии, если нам не хватает видимости? Сначала рассмотрим пример:

Анализ пути клиента в действии

У одного из наших клиентов относительно простой медиа-микс, поэтому я буду использовать его в качестве примера, чтобы проиллюстрировать свою точку зрения.

Как и в футболе, у этого клиента разные тактики: защитники, полузащитники и нападающие. Чтобы забить гол, нужна вся команда.

Обратите внимание, что платный поиск довольно хорошо «зарабатывает» при использовании модели атрибуции по первому клику. Однако не так много при использовании последнего клика. Органический поиск и электронный маркетинг затмевают всех при использовании этой модели атрибуции.

Это ожидаемо, потому что:

• Путь конверсии начинается с небрендового платного поиска. Они генерируют лиды.
• Воспитание лидов необходимо для взросления потенциальных клиентов. В основном это делается с помощью электронного маркетинга.
• Квалифицированные потенциальные клиенты в конечном итоге покупают через органический и платный брендированный поиск.

Или, выражаясь футбольными терминами:

• Небрендовый платный поиск = Защитники
• Электронная почта = Полузащитники
• Органический и платный брендированный поиск = Strikers

Достаточно ли ДДА?

Вы бы поняли эту воронку конверсии без этих моделей атрибуции?

Вероятно. Этот пример довольно прост.

Но что, если мы начнем работать над проектом B2B, где продажи занимают месяцы, или над проектом B2C, где важны повторные покупки?

Теперь это другая история. Я видел множество примеров, когда DDA не работал хорошо.

Я думаю, что подтверждение выводов DDA со старыми и жесткими моделями атрибуции все еще имеет значение. Без таких ориентиров вы подвергаете себя потенциальному вреду.

В конце концов, машинное обучение настолько разумно, насколько разумны данные, которые мы ему передаем.

Вот три решения для рекламодателей, которые хотят адаптироваться к изменениям.

Решение 1. План тегирования следующего уровня

Разработка надежной программы данных — ваш первый шаг к выявлению взаимодействий на пути к покупке.

Благодаря полному отслеживанию вы можете уверенно использовать модели DDA или атрибуции по последнему клику… но со всеми этими этапами пути клиента, чтобы заменить первый клик и так далее.

Я знаю, что это не идеально, но это первый шаг. Если мы возьмем мой пример выше, вы отнесете лиды по последнему клику к небрендированному поиску, а продажи по последнему клику — к брендированному поиску. Не идеально, но работает.

Естественно, для этого необходимо отслеживать весь путь клиента. Вы не можете полагаться на свой старый упрощенный план тегов. Вам нужны микроконверсии.

Решение 2. Интеграция данных CRM

Отслеживая конверсии, останавливаетесь ли вы на продажах?

Теперь вам нужно отслеживать и передавать весь путь клиента (да, включая послепродажный) обратно на рекламные платформы с помощью внешней атрибуции.

Затем вы можете использовать этот инструмент для повышения наглядности — например, оценку лидов, но на этот раз с оценкой клиентов.

Если вы обнаружите расхождения в производительности, это должно позволить вам влиять на ваши ставки иначе, чем в модели, основанной на данных.

Короче говоря, CRM должна стать (если она еще не стала) центральным инструментом для рекламодателей, позволяющим лучше понимать и информировать о пути клиента, а, следовательно, и о подходящем медиа-миксе.

Решение 3. Другие методы атрибуции

Я рискну здесь углубиться в более сложные основания, которые не применимы ко всем проектам.

По сути, инкрементальность означает показ вашей рекламы аудитории и целенаправленное сокрытие той же самой рекламы от аналогичной аудитории, а затем сравнение уровней эффективности обеих аудиторий.

Как вы можете себе представить, этот метод очень классный, но подвержен ошибкам. (Не говоря уже о том, что доступно только в том случае, если у вас есть большие бюджеты в первую очередь для обеспечения надежности данных.)

Ваш следующий лучший выбор — опросы клиентов.

Например, вы можете использовать всплывающее окно с намерением выйти (спрашивая уходящих посетителей, откуда они пришли, что им не понравилось и т. д.) или дополнительные поля в пути к покупке/лиду, чтобы получить дополнительную информацию.

Естественно, будьте осторожны с такими декларативными данными, поскольку они часто сильно искажены.

Идеальной модели атрибуции не существует

На протяжении всей этой статьи я искал идеальный способ измерения производительности.

Но не заблудитесь в кроличьей норе. Идеальной атрибуции не существует.

Что вам нужно, так это надежный, но направленный вклад в вашу стратегию.

Преодоление этого этапа предназначено для таких фанатов рекламы, как я, но бесполезно для принятия бизнес-решений. Соответственно расставляйте приоритеты.