Все про Facebook атрибуцію. Або чому результати Facebook не збігаються з Google Analytics?

63
7 хв.

Будь-який маркетолог, новачок або досвідчений фахівець, так чи інакше стикався в роботі з Google Analytics і Data Studio. Цей софт — відмінний помічник у зборі даних про кампанії, транзакції, окупність тощо. На основі цих даних фахівці роблять висновки про те, як оптимізувати свої рекламні кампанії й масштабуватися. Але що робити, якщо результати не збігаються?

Найчастіше ми це спостерігаємо в роботі з Facebook і Google Analytics. У статті я розповім, у чому власне причина проблеми.

Спочатку розберемося з головними поняттями, які потрібні нам, щоби зрозуміти проблему й розібратися в ній. Поняття «моделі атрибуції» означає розподіл цінності конверсії між різними каналами трафіку. Є моделі:

  • одноканальні, у яких цінність присвоюється тільки одному каналу;
  • багатоканальні, коли цінність розподіляється між кількома каналами.

Важливо зазначити, що на різних майданчиках умови для розподілу цінності можуть сильно відрізнятися. Наприклад, коли говоримо про Фейсбук це буде атрибуція при натисканні й перегляду реклами, а в Гугл — за останнім взаємодії (кліку).

Спочатку подивимося умови розподілу в Google Analytics.

Як уже говорилося, одноканальні моделі припускають розподіл 100 % цінності тільки на один канал, який привів до конверсії. Зазначимо основні варіанти:

  1. Перша взаємодія — 100 % цінності отримає канал, який привів користувача на ваш сайт (google / cpc).
  2. Остання взаємодія — 100 % цінності присвоюється останньому каналу на шляху вашого користувача до конверсії. У нашому випадку говоримо про direct / none.
  3. Останній клац — 100 % цінності присвоюється останньому кліку з google реклами.
  4. Останній непрямий клац передбачає ігнорування каналу direct / none. У звітах аналітики модель буде встановлена за замовчуванням.

Багатоканальні моделі

Тепер розглянемо основні приклади того, як може розподілятися конверсія у разі багатоканальних моделей.

Перший варіант — лінійна модель атрибуції. Вона передбачає розподіл цінності конверсії рівномірно за усіма каналами. Наприклад є 1 транзакція і 4 канали, які привели до конверсії. Кожен канал отримає 25 % цінності. Але в неї є недолік: зробити висновки про ефективність будь-якого каналу практично неможливо.

Також є модель атрибуції «тимчасового спаду». Тут найбільшу цінність отримає канал останньої взаємодії та, як логічно випливає, найменша цінність буде в першого каналу.

Модель атрибуції на основі позиції — комбінація двох вищеописаних моделей. Перший і останній канал отримає 40 % цінності, а решта цінності рівномірно розподіляється між іншими каналами. Недолік полягає в знеціненні проміжних каналів.

І фінальна модель «на основі даних». Всі попередні моделі працюють за певними правилами. Вона найбільш точно оцінює внесок каналів, оскільки грунтується на отриманих даних.

Моделі атрибуції Facebook

Якщо порівнювати атрибуції у Фейсбук і Гугл можемо помітити їхню схожість, але різниця буде в тому, що Google Analytics аналізує цінність за сеансами, а другий майданчик і за сеансами, і за показами. Але пріоритет буде в сеансу. Також зазначимо, що під взаємодією в Facebook розуміють кліки, покази, відвідування.

Ми можемо вибрати умови розподілу цінності у всіх моделях атрибуції у Фейсбук. Винятком буде модель на основі даних. Розглянемо умови по черзі:

  1. Враховувати всі відвідування. Цінність буде розподілятися рівномірно.
  2. Не брати до відома прямі відвідування (за замовчуванням). Розподіл цінності здійснюється між платними й безплатними каналами взаємодії. У разі їхньої відсутності цінність буде присвоюватися прямим відвідуванням.
  3. Не брати до відома відвідування. Розподіл цінності відбувається тільки між показами та кліками. У ситуації, коли ці взаємодії не беруть участі в конверсії, цінність будуть отримувати прямі відвідування.

Отже, з атрибуціями розібралися. Тепер пора продемонструвати докази відмінності результатів. Основні чинники того, як Фейсбук і Гугл рахують конверсії.

  1. Google Analytics враховує конверсії шляхом останньої прямої взаємодії, яка привела користувача до продажу. Facebook ж враховує усі конверсії, які йому вдалося співвіднести з користувачами, які вбачали рекламу.
  2. Google Analytics не відстежує конверсії за показами Facebook. Ви не можете відстежити показ оголошень Facebook через Google Analytics. Вікно атрибуції в Facebook за замовчуванням буде складати 7 днів із моменту переходу за посиланням і 1 день після перегляду реклами, але обидві ці цифри налаштовуються. Уявімо ситуацію: користувач подивився рекламу, але не перейшов за нею впродовж встановленого проміжку часу, зате зробив покупку. Усі конверсії за цим сценарієм будуть віднесені до рекламних звернень у Facebook, а не в Google Analytics.
  3. Google Analytics не відслідковує конверсії між різними пристроями, на відміну від Facebook, де це можливо.

Але у Facebook є перевага. Ви можете зв’язувати користувачів соцмережі й різні дії, які призвели до конверсії. На практиці це можливість відстежувати користувачів у будь-якому браузері й на будь-якому пристрої, де був здійснений вхід у Фейсбук. Google Analytics орієнтується тільки на файли cookies, тобто відстежує користувача виключно в межах браузера.

У моменти, коли отримані результати не збігаються, на допомогу приходять асоційовані конверсії. Що ж це таке?

Асоційовані конверсії — відвідування, які призводять до конверсії через ланцюжок послідовностей. Їх часто називають прихованими, оскільки їх не видно в Google Analytics. Водночас користувач може потрапляти на сайт із кількох джерел, взаємодіючи із сайтом до конверсії.

Показує конверсії, на які прямо або побічно впливав обраний канал. зазначене джерело може розташовуватися на початку або в середині ланцюжка, але не в кінці.

Як правильно вибрати вікно атрибуції

Насправді немає якогось золотого правила або ради, як правильно вибрати потрібне вікно. Все індивідуально: залежить від продукту, ніші й даних, яких ви отримуєте. У разі правильного аналізу та підходу ви зможете зробити правильний вибір. Тримайте низку рад, які допоможуть у майбутньому:

  1. Прислухайтеся до свого клієнта. Зазвичай саме він знає життєвий цикл продукту та скільки часу потрібно потенційному покупцеві, щоби прийняти рішення про покупку.
  2. Після запуску кампанії аналізуйте отримані результати. Визначте, у який момент частка приросту повернення користувачів починає спадати.
  3. Грунтуючись на аналізі, враховуйте, яка частка користувачів припадає на швидкий попит і на всі інші конверсії. Запустіть ще кілька кампаній і проаналізуйте їх. Таким чином ви будете мати більш зрозумілу картину.

Висновки

Усі моделі атрибуції необхідні для того, щоби мати можливість визначити, як різні маркетингові канали впливають на конверсію. На жаль, немає універсальної відповіді, яку модель атрибуції варто вибрати. Завжди враховуйте мети бізнесу та маркетингової стратегії, щоби підібрати оптимальну модель конкретно під ваш бізнес.

Якщо аналіз показує, що у разі використанні якоїсь моделі дані відрізняються істотно, то це свідчить про необхідність детального вивчення шляху вашого клієнта й того, як канали впливають на конверсію. Можливо, якщо використовувати іншу модель, це дасть змогу провести переоцінку впливу каналів і перерозподілу бюджету.

27 серпня 2021
5 / 5 (2 голоса)