Attribution Model

Щоб зрозуміти, що таке модель атрибуції, достатньо уявити звичайний шлях покупця до замовлення. Наприклад, спочатку людина побачила рекламу товару в Instagram, потім знайшла сайт через Google, а за кілька днів перейшла за пошуковим оголошенням і здійснила покупку.

Який канал привів клієнта? Якщо враховувати тільки останню взаємодію, усю цінність отримає пошукова реклама. Але перше оголошення познайомило людину з брендом, а органічний пошук допоміг вивчити пропозицію. Тому оцінювати ефективність маркетингу виключно за останнім переходом не завжди правильно.

По суті, модель атрибуції – це спосіб визначити внесок кожного маркетингового контакту в досягнення результату. Вона допомагає зрозуміти, які канали залучають нову аудиторію, які підтримують інтерес, а які частіше беруть участь у завершенні покупки.

У межах digital-маркетингу атрибуція використовується для аналізу рекламних кампаній, оцінювання ефективності каналів і перерозподілу бюджету. Завдяки їй компанія може ухвалювати рішення не тільки на основі кількості кліків, а й з урахуванням шляху клієнта до конверсії.

Робота атрибуції починається зі збирання даних про взаємодії користувача із сайтом і рекламними каналами. Система аналітики фіксує переходи, кампанії, джерела трафіку та цільові дії: покупки, надсилання форм, реєстрації або інші конверсії.

Коли користувач виконує цільову дію, вибрана модель визначає, як розподілити її цінність між попередніми контактами. Наприклад, шлях клієнта виглядає так:

1. Реклама в Instagram – перше знайомство з брендом.
2. Органічний пошук Google – вивчення товарів.
3. Google Ads – повернення на сайт і покупка.

Припустимо, користувач здійснив покупку на суму 3 000 грн. Це умовна вартість замовлення, яку використаємо для прикладу розподілу цінності конверсії між маркетинговими каналами.

За атрибуції за останнім кліком усю цінність замовлення буде присвоєно Google Ads. За лінійною моделлю кожен із трьох каналів отримає по 1 000 грн. А алгоритмічний підхід може розподілити цінність інакше, виходячи з аналізу доступних даних.

Важливо, що загальна сума конверсії не змінюється. Змінюється тільки розподіл її цінності між каналами.

Це дозволяє аналізувати не лише прямий результат реклами, а й взаємодії, які передували покупці. Особливо корисний такий аналіз для бізнесу з довгим циклом ухвалення рішення, де клієнт рідко здійснює замовлення після першого відвідування.

Існують різні моделі атрибуції, які відрізняються принципом розподілу цінності між маркетинговими контактами. Їх можна поділити на одноканальні, багатоканальні та алгоритмічні.

• Last Click (останній клік) – уся цінність конверсії присвоюється останній врахованій взаємодії перед покупкою. Модель проста для розуміння, але може недооцінювати канали, які познайомили користувача з брендом.
• First Click (перший клік) – 100% цінності отримує перший контакт. Такий підхід допомагає оцінити джерела залучення нової аудиторії, але не враховує внесок наступних взаємодій.
• Linear (лінійна модель) – цінність розподіляється рівномірно між усіма врахованими контактами. Якщо користувач взаємодіяв із трьома каналами, кожен отримує третину конверсії.
• Time Decay (з урахуванням давності взаємодій) – більшу вагу отримують контакти, які відбулися ближче до покупки. Що раніше була взаємодія, то меншу цінність вона отримує.
• Position-based (на основі позиції) – зазвичай 40% цінності отримує перший контакт, ще 40% – останній, а решта 20% розподіляється між проміжними взаємодіями.
• Data-driven Attribution (на основі даних) – алгоритмічна модель, яка аналізує шляхи користувачів та оцінює внесок окремих взаємодій у ймовірність конверсії. На відміну від моделей із фіксованими правилами, розподіл цінності визначається на основі даних.

Важливо враховувати, що First Click, Linear, Time Decay і Position-based залишаються відомими теоретичними моделями, проте з листопада 2023 року вони більше не підтримуються в Google Analytics 4 і Google Ads. У сучасних інструментах Google основний акцент зроблено на Last Click і Data-driven Attribution.

Одноканальна атрибуція (Single-Touch Attribution) присвоює всю цінність конверсії одній взаємодії. Наприклад, першому або останньому кліку.

Такий підхід підходить для простої звітності, але не дозволяє повноцінно оцінити шлях покупця, якщо він взаємодіяв із кількома джерелами.

Багатоканальна атрибуція (Multi-Touch Attribution) розподіляє цінність між кількома контактами. Це допомагає враховувати роль реклами, органічного трафіку, email-розсилок та інших інструментів на різних етапах воронки продажів.

Наприклад, медійна реклама може формувати початковий інтерес, контент сайту – допомагати порівнювати пропозиції, а пошукова реклама – повертати користувача для покупки.

Під час налаштування Google Ads розуміння цих відмінностей особливо важливе: кампанія, яка рідко отримує останній клік, усе одно може брати участь у залученні клієнтів і впливати на подальші конверсії.

При цьому багатоканальний розподіл цінності не доводить причинний вплив кожного контакту. Для оцінювання реального додаткового ефекту реклами можуть знадобитися окремі експерименти та дослідження інкрементальності.

У Google Analytics 4 атрибуція допомагає оцінювати внесок джерел трафіку в ключові події (Key Events), включно з покупками, реєстраціями та іншими важливими діями користувачів.

Зараз у звітах з атрибуції доступні три варіанти:

• Data-driven – розподіл цінності на основі алгоритмічного аналізу взаємодій.
• Paid and organic last click – цінність отримує останній врахований канал перед конверсією серед платних та органічних джерел.
• Google paid channels last click – за наявності відповідної взаємодії з рекламою Google цінність присвоюється останньому платному каналу Google.

За замовчуванням для атрибуції ключових подій у GA4 використовується модель на основі даних. Вона аналізує шляхи користувачів, включно зі сценаріями з конверсіями та без них, щоб оцінювати внесок різних маркетингових контактів.

Для аналізу доступні звіти Attribution Models та Attribution Paths. Вони допомагають порівнювати розподіл конверсій і вивчати послідовності взаємодій перед цільовою дією.

Важливо також враховувати, що налаштування моделі впливають передусім на показники з прив’язкою до подій. Звіти щодо залучення користувачів і сеансів використовують власну логіку атрибуції, тому значення в різних розділах GA4 можуть відрізнятися.

Одна з поширених проблем digital-аналітики – розбіжність кількості конверсій у Google Analytics, Google Ads і Meta Ads.

Причина часто полягає не в технічній помилці, а в різних правилах обліку та розподілу конверсій. На результати можуть впливати:

• вибрана модель атрибуції;
• вікно атрибуції;
• облік кліків і переглядів реклами;
• відмінності у відстежуваних подіях;
• часові пояси рекламних кабінетів;
• обмеження cookie та згоди користувачів;
• використання моделювання конверсій;
• відмінності між датою взаємодії та датою покупки.

Наприклад, користувач побачив рекламу у Facebook, але пізніше перейшов на сайт із Google і здійснив замовлення. Meta може враховувати цю конверсію відповідно до власних правил атрибуції, а Google Analytics розподілить цінність за своєю моделлю.

Тому дві платформи можуть показувати різні результати для одного й того самого бізнесу. Такі розбіжності не завжди означають, що одна із систем працює неправильно.

Докладно причини відмінностей розглядаються в статті Brander про те, чому результати Facebook не збігаються з Google Analytics. Водночас конкретні налаштування платформ необхідно перевіряти за актуальною документацією, оскільки вони змінюються.

Вибір залежить від бізнес-цілей, тривалості шляху клієнта, кількості маркетингових каналів і доступності даних.

Для простих сценаріїв із коротким циклом покупки атрибуція за останнім кліком дозволяє швидко визначити, який канал безпосередньо передував конверсії. Однак якщо клієнт знайомиться з товаром через кілька рекламних кампаній, такий підхід може давати неповну картину.

Data-driven Attribution корисна для оцінювання взаємодій на різних етапах шляху користувача. Але її ефективність залежить від якості вимірювання, доступних даних та особливостей алгоритму. Перед вибором підходу варто:

• визначити основні конверсії та їхню цінність;
• налаштувати коректне відстеження подій;
• перевірити UTM-мітки й рекламні ідентифікатори;
• вибрати відповідне вікно атрибуції;
• оцінити середню тривалість шляху до покупки;
• порівняти результати доступних моделей;
• врахувати особливості рекламних платформ;
• регулярно перевіряти якість даних.

Окрему увагу потрібно приділяти вікну атрибуції. Воно визначає період, протягом якого взаємодія може отримати цінність за подальшу конверсію. Наприклад, якщо покупець повертається через кілька тижнів, занадто коротке вікно може виключити частину ранніх контактів з аналізу.

Під час аудиту рекламного акаунту важливо перевіряти не тільки кампанії та витрати, а й налаштування конверсій, атрибуції та якість аналітичних даних. Помилки у вимірюванні можуть призвести до неправильних висновків щодо ефективності реклами.

Вибраний спосіб розподілу цінності впливає на показники рекламних кампаній, включно з кількістю приписаних конверсій, вартістю залучення та окупністю рекламних витрат.

Наприклад, якщо одна кампанія приводить нових користувачів, а інша повертає їх перед покупкою, модель Last Click може показувати перевагу другої кампанії. За Data-driven Attribution частина цінності може бути присвоєна першій.

Через це показники CPA та ROAS на рівні окремих кампаній можуть відрізнятися залежно від моделі. При цьому загальна виручка магазину не змінюється: перерозподіляється тільки цінність конверсій між маркетинговими контактами.

Тому атрибуцію не можна розглядати окремо від бізнес-метрик. Для ухвалення рішень важливо одночасно враховувати виручку, маржинальність, вартість залучення клієнта, повторні покупки та фактичний прибуток.

Для бізнесу модель атрибуції – це інструмент більш усвідомленого управління маркетинговими інвестиціями. Вона допомагає аналізувати внесок каналів у конверсії та ухвалювати обґрунтовані рішення щодо розподілу рекламного бюджету.

Для маркетологів це можливість бачити не тільки останню точку контакту, а й інші взаємодії, які могли брати участь у формуванні попиту. Для аналітиків – спосіб порівнювати рекламні канали, вивчати поведінку користувачів і виявляти обмеження системи вимірювання.

Однак, навіть найскладніша модель не гарантує точного визначення причин кожної покупки. Тому результати атрибуції потрібно доповнювати бізнес-показниками, експериментами та аналізом реального приросту продажів.

У підсумку, Attribution Model допомагає оцінювати маркетинг як систему взаємопов’язаних каналів, а не набір окремих рекламних кампаній. Правильно вибраний підхід дозволяє краще розуміти шлях клієнта, оцінювати результативність просування й ефективніше управляти маркетинговим бюджетом.