Всё о Facebook атрибуции. Или почему результаты Facebook не совпадают с Google Analytics?

2414
7 мин.

Любой маркетолог, новичок или опытный специалист, так или иначе сталкивался в работе с Google Analytics и Data Studio. Этот софт — отличный помощник в сборе данных о кампаниях, транзакциях, окупаемости и т.д. На основе этих данных специалисты делают выводы о том, как оптимизировать свои рекламные кампании и масштабироваться. Но что делать, если результаты не совпадают?

Чаще всего мы это наблюдаем в работе с Facebook и Google Analytics. В статье я расскажу, в чём собственно причина проблемы.

Сначала разберемся с главными понятиями, которые нужны нам, чтобы понять проблему и разобраться в ней. Понятие «модели атрибуции» означает распределение ценности конверсии между разными каналами трафика. Есть модели:

  • одноканальные, в которых ценность присваивается только одному каналу;
  • многоканальные, когда ценность распределяется между несколькими каналами.

Важно отметить, что на разных площадках условия для распределения ценности могут сильно отличаться. Например, когда говорим про Фейсбук это будет атрибуция по клику и просмотру рекламы, а у Гугл — по последнему взаимодействию (клику).

Сначала посмотрим условия распределения в Google Analytics.

Как уже говорилось, одноканальные модели предполагают распределение 100% ценности только по одному каналу, который привел к конверсии. Отметим основные варианты:

  1. Первое взаимодействие — 100% ценности получит канал, который привел пользователя на ваш сайт (google/cpc).
  2. Последнее взаимодействие — 100% ценности присваивается последнему каналу на пути вашего пользователя к конверсии. В нашем случае говорим про direct/none.
  3. Последний клик — 100% ценности присваивается последнему клику с google рекламы.
  4. Последний непрямой клик предполагает игнорирование канала direct/none. В отчетах аналитики модель будет установлена по умолчанию.

Многоканальные модели

Теперь рассмотрим основные примеры того, как может распределяться конверсия при многоканальных моделях.

Первый вариант — линейная модель атрибуции. Она предполагает распределение ценности конверсии равномерно по всем каналам. Например есть 1 транзакция и 4 канала, которые привели к конверсии. Каждый канал получит по 25% ценности. Но у нее есть недостаток: сделать выводы об эффективности какого либо канала практически невозможно.

Также есть модель атрибуции «временной спад». Тут наибольшую ценность получит канал последнего взаимодействия и, как логично следует, наименьшая ценность будет у первого канала.

Модель атрибуции на основе позиции — комбинация двух вышеописанных моделей. Первый и последний канал получит 40% ценности, а остальная ценность равномерно распределяется между остальными каналами. Недостаток заключается в обесценивании промежуточных каналов.

И финальная модель «на основе данных». Все предыдущие модели работают по определённым правилам. Она наиболее точно оценивает вклад каналов, поскольку основывается на полученных данных.

Модели атрибуции Facebook

Если сравнивать атрибуции в Фейсбук и Гугл можем заметить их сходство, но разница будет в том, что Google Analytics анализирует ценность по сеансам, а вторая площадка и по сеансам, и по показам. Но приоритет будет у сеанса. Также отметим, что под взаимодействием в Facebook понимают клики, показы, посещения.

Мы можем выбрать условия распределения ценности во всех моделях атрибуции в Фейсбук. Исключением будет модель на основе данных. Рассмотрим условия по порядку:

  1. Учитывать все посещения. Ценность будет распределяться равномерно.
  2. Не принимать к сведению прямые посещения (по умолчанию). Распределение ценности осуществляется между платными и бесплатными каналами взаимодействия. При их отсутствии ценность будет присваиваться прямым посещениям.
  3. Не принимать к сведению посещения. Распределение ценности происходит только между показами и кликами. В ситуации, когда эти взаимодействия не принимают участия в конверсии, ценность будут получать прямые посещения.

Итак, с атрибуциями разобрались. Теперь пора продемонстрировать доказательства отличия результатов. Основные факторы того, как Фейсбук и Гугл считают конверсии.

  1. Google Analytics учитывает конверсии за счет последнего прямого взаимодействия, который привел пользователя к продаже. Facebook же учитывает все конверсии, которые ему удалось соотнести с пользователями, видевшими рекламу.
  2. Google Analytics не отслеживает конверсии по показам Facebook. Вы не можете отследить показ объявлений Facebook через Google Analytics. Окно атрибуции в Facebook по умолчанию будет составлять 7 дней с момента перехода по ссылке и 1 день после просмотра рекламы, но обе эти цифры настраиваемые. Представим ситуацию: пользователь посмотрел рекламу, но не перешел по ней в течение установленного промежутка времени, зато сделал покупку. Все конверсии по этому сценарию будут отнесены к рекламным переходам в Facebook, а не в Google Analytics.
  3. Google Analytics не отслеживает конверсии между различными устройствами, в отличие от Facebook, где это возможно.

Но у Facebook есть преимущество. Вы можете связывать пользователей соцсети и различные действия, которые привели к конверсии. На практике это возможность отслеживать пользователей в любом браузере и на любом устройстве, где был осуществлен вход в Фейсбук. Google Analytics ориентируется только на файлы cookies, то есть отслеживает пользователя исключительно в пределах браузера.

В моменты, когда полученные результаты не совпадают, на помощь приходят ассоциированные конверсии. Что же это такое?

Ассоциированные конверсии — посещения, которые приводят к конверсии через цепочку последовательностей. Их часто называют скрытыми, поскольку они не видны в Google Analytics. При этом пользователь может попадать на сайт из нескольких источников, взаимодействуя с сайтом до конверсии.

Показывает конверсии, на которые прямо или косвенно влиял выбранный канал. Указанный источник может располагаться в начале или середине цепочки, но не в конце.

Как правильно выбрать окно атрибуции

На самом деле не существует какого-то золотого правила или совета, как правильно выбрать нужное окно. Всё индивидуально: зависит от продукта, ниши и данных, которых вы получаете. При правильном анализе и подходе вы сможете сделать правильный выбор. Держите парочку советов, которые помогут в будущем:

  1. Прислушивайтесь к своему клиенту. Чаще всего именно он знает жизненный цикл продукта и сколько времени нужно потенциальному покупателю, чтобы принять решение о покупке.
  2. После запуска кампании анализируйте полученные результаты. Определите, в какой момент доля прироста возврата пользователей начинает спадать.
  3. Основываясь на анализе, учитывайте какая доля пользователей припадает на быстрый спрос и на все остальные конверсии. Запустите еще несколько кампаний и проанализируйте их. Таким образом вы будете иметь более понятную картину.

Выводы

Все модели атрибуции необходимы для того, чтобы иметь возможность определить, как разные маркетинговые каналы влияют на конверсию. К сожалению, нет универсального ответа, какую модель атрибуции стоит выбрать. Всегда учитывайте цели бизнеса и маркетинговой стратегии, чтобы подобрать оптимальную модель конкретно под ваш бизнес.

Если анализ показывает, что при использовании какой-то модели данные отличаются существенно, то это свидетельствует о необходимости детального изучения пути вашего клиента и того, как каналы влияют на конверсию. Возможно, если использовать другую модель, это позволит провести переоценку влияния каналов и перераспределения бюджета.

27 августа 2021
4.4 / 5 (7 голосов)