Последний значимый переход метрика

.

1.Модель атрибуции по последнему взаимодействию

Это — стандартная модель атрибуции для всех существующих инструментов веб-аналитики. Она применяется во всех стандартных отчетах.

Единственное исключение составляет Google Analytics, который в качестве стандартной использует в своих отчетах модель №2.

Это большой минус GA. Почему я так негативно к этому отношусь, вы можете увидеть сами. Если 767 человек совершили конверсию по последнему взаимодействию или по последнему клику, относить успех на счет прямого канала (Direct) просто глупо.

Сюда также входят социальный, органический и реферальный трафик. Мы должны разобраться в том, какую роль они играют в процессе конверсии, так как, в той или иной форме, они там присутствуют.

По традиции все инструменты использовали атрибуцию по последнему клику, так как именно по нему можно с уверенностью сказать, что данный визит завершился конверсией. Да и не было раньше технической возможности провести ориентированный на посетителей анализ. Сейчас решены обе эти проблемы.

На данный момент единственная польза от атрибуции по последнему взаимодействию — способ ускорить ваше увольнение. Избегайте этой модели.

2.Модель атрибуции по последнему непрямому клику

Google Analytics биполярен.

Во всех стандартных отчетах GA ценность при совершении конверсии на все 100% присваивается «кампании», предшествующей конверсии. Кампания — это не что иное, как прямой трафик. Исходя из данного определения, это может быть, что угодно — социальный трафик, органический поиск, e-mail, медийная реклама, аффилированный сайт или сайт-источник переходов и т.д.

Таким образом намеренно занижается значение прямых посещений, которые приводят к конверсии. По картинке, расположенной выше, можно сказать, что все произошло благодаря рефералу.

Это не точно. Зачем превозносить кампанию, если я еще раз заходил на сайт и запомнил его адрес. А потом ввел его в строку браузера и пришел на этот же сайт снова? Почему посещение сайта, на который я пришел, увидев классную рекламу (или же мне кто-то посоветовал на него зайти), не может хоть как-то повлиять на совершение конверсии?

Почему недооценивается Direct? Почему недооценивается работа маркетологов по созданию узнаваемого бренда и наработке позиции бренда?

Я считаю, это ошибка. Возможно, так сложилось исторически. Но нужно взять на себя смелость исправить эту несправедливость.

Бонус: Эта модель — еще одна досадная причина, по которой стандартные отчеты Google Analytics не совпадают с данными стандартных многоканальных воронок, даже если рассматривать конверсии в отчетах, представленных во вкладках «MCF Overview» или «Assisted Conversions».

3. Модель атрибуции по последнему клику в AdWords

Я отношусь к данной модели с долей сарказма, поэтому говорить о ней почти ничего не буду.

Вы, наверное, удивились, как такое возможно. : )

А я скажу, что в этой модели нет абсолютно ничего полезного. Вот так. Я довольно деликатен.

4.Модель атрибуции по первому взаимодействию

Модель, обратная атрибуции по последнему клику. Вместо последнего клика, признается важность первого.

На примере, рассмотренном выше, степень важности нужно перенести на все 100% с прямого на социальный трафик.

Это серьезная ошибка.

Атрибуция по первому клику — это все равно, как если бы мне пришлось отблагодарить свою первую девушку на 100% за то, что я женился на своей жене.

В этом нет никакого смысла, правда?

Если моя первая девушка была такая замечательная, зачем мне понадобилась вторая и третья … чтобы в результате я нашел самую лучшую (я имею в виду кампанию :)) из всех?

В атрибуции по последнему клику есть хоть какая-то доля уверенности в том, что представляет собой данная кампания, когда посещение сайта привело к конверсии. А что дает нам первый клик? Только веру. Веру в свою интуицию.

И никакой логики.

5.Линейная атрибуция

По сравнению с предыдущей, это чуть менее неправильная модель.

Да, именно так. Чуть менее неправильная. Используйте данную атрибуцию, если вам это нужно.

Когда мой сын был поменьше, он участвовал в конкурсах и соревнованиях, где каждому давали грамоту просто за участие, а не за результат.

В применении к ситуациям, случающимся в жизни, это не такая уж и утопия. Когда проходят соревнования, кто-то получает золотую медаль, кто-то серебряную, а кто-то бронзовую. А другие проигрывают и возвращаются домой с осознанием того, что в следующий раз надо приложить больше усилий, чтобы выиграть.

Нельзя подходить к оптимизации маркетинга с таким же отношением. Можно и нужно делать свое дело лучше.

Если кто-то требует это от вас под угрозой жизни, примените эту модель. Раздайте каждому, кто внес свой вклад в общее дело, диплом участника. А если вы в безопасности и вам ничего не угрожает, то понять, какой из каналов действительно самый эффективный и приносит больше прибыли, помогут другие модели. Одну модель от другой отделяет всего один клик.

6.Модель атрибуции с учетом давности взаимодействия

О, это уже намного лучше!

Суть этой модели заключается в следующем: самую большую ценность получает ближайший к конверсии переход на сайт. Переход, совершенный до этого, менее ценный. Вот и все, простой и разумный алгоритм.

Вам хватит и пяти секунд на то, чтобы понять, что данная модель подходит для всего, чего угодно: в этом есть здравый смысл.

Можно спорить о степени ценности одних переходов по сравнению с другими. Но здесь все логично: чем дальше от момента конверсии отстоит тот или иной переход (органический поиск, например, или переход из социальных медиа), тем меньше ценности он должен получить. В конце концов, если предыдущие переходы на сайт были такими эффективными, почему они не привели к конверсии?

Один из плюсов этой модели — вы можете настраивать продолжительность периода взаимодействия и моделировать атрибуцию, руководствуясь своими ощущениями. Заметьте, я сказал «ощущения». 🙂

Если вы собираетесь заняться атрибутивным моделированием, обратите внимание на модель с учетом давности взаимодействия. Она великолепна и проходит проверку на наличие здравого смысла. Запустите инструмент сравнения моделей, кликните «Select Mod», выберите «Time Decay” и начинайте мыслительный процесс!

Бонус: Введите количество дней до конверсии . Эту настройку нужно осуществлять в соответствии с отчетом «Time Lag» в папке «Multi-Channel Funnels».

7.Атрибуция с привязкой к позиции

В каком-то смысле, мне очень нравится модель с привязкой к позиции, а все потому, что у меня есть собственные соображения экспертное мнение.

Так просто подставлять «соображения» в данную модель и получать в результате что-то классное.

Именно этим она и опасна. Если вы не знаете, что делаете, то и результаты будете получать соответствующие.

По умолчанию модель атрибуции с привязкой к позиции присваивает 40% важности первому и последнему взаимодействию, а оставшиеся 20% равномерно распределяются между взаимодействиями, находящимися посередине.

1. Перечитайте то, что я написал о модели атрибуции по первому клику;

2.

Яндекс.Метрика 2.0 — что главное изменилось

Поймите, почему я считаю, что модель с привязкой к позиции, взятая «по умолчанию», не достаточно оптимальна;

3. Обещайте мне, что вы никогда не будете использовать модель «по умолчанию»;

4. Торжествуйте, вам удалось избежать опасности.

Из шести имеющихся моделей атрибуции выделяется одна, которой можно пользоваться иногда и все равно получать ценную информацию (по давности взаимодействия). Еще одна не представляет собой ничего особенного, но она вам и не сможет серьезно повредить (с привязкой к позиции). Еще три из моделей настолько слабы, что на них вообще можно не обращать никакого внимания.

Так для чего так много моделей? Мир, который мы знаем, намного меньше того, который нам не знаком. Всегда есть шанс попасть в тупиковую ситуацию, когда все идет не по плану. Кроме того, всегда найдется какой-нибудь растяпа, который что-то сделает не так. Вот почему лучше иметь все эти модели под рукой, чем их не иметь. Но пользоваться любой из моделей нужно осознанно.

После того, как вы сделаете первый шаг, экспериментируя и проверяя на деле результаты модели с учетом давности взаимодействия, можно будет сделать кое-что еще. Вы можете создать собственную модель атрибуции.

8. Собственная/настраиваемая модель атрибуции

Я говорил об этом уже дважды и повторю еще раз: не беритесь за эту модель, пока не разберетесь должным образом с моделью по давности взаимодействия. Вам потребуется несколько недель. Но это очень хороший способ чему-то научиться.

Лично я очень люблю заниматься настраиваемой моделью атрибуции. Я благодарен разработчикам Google за то, что они сделали эту модель бесплатной и доступной для любого желающего, а не только для владельцев Google Analytics Premium.

С собственной моделью вы можете использовать в качестве отправной точки любую из рассматриваемых выше моделей, добавив важные для своего бизнеса параметры и показатели.

Я много общаюсь с ведущими бизнесменами и маркетологами, стараясь понять, что на самом деле важно для них. И только после проведения большой подготовительной работы создаю для них модели атрибуции. Обычно я задаю руководителям следующие вопросы:

  • Какой тип поведения пользователей вы цените больше всего?
  • Существует ли оптимальное для вас окно конверсии?
  • Сложился ли за время существования сайта традиционный шаблон поведения пользователя при повторной продаже?
  • Случаются ли микроконверсии, которые определяются другими задачами и связаны с экономической выгодой?
  • При использовании Universal Analytics отсылаются ли обратно в GA данные о совершении оффлайн-конверсий?

И т.д., и т.п. Ответы на эти вопросы дают представление о том, какой должна получиться настраиваемая модель атрибуции.

Читайте другие статьи в нашем блоге:

Катрони говорит! Зачем нужен когортный анализ в Google Analytics?

Ниндзя веб-аналитики! Десять «скрытых жемчужин» Google Analytics

5 Кастомных отчетов в Google Analytics. Инструкция


Узнайте, как распределяется ценность конверсии в различных моделях атрибуции.

 В модели Последнее взаимодействие 100% ценности конверсии присваивается последнему каналу в цепочке взаимодействий.

 В модели По последнему непрямому клику игнорируются прямые посещения. 100% ценности конверсии присваивается последнему каналу в цепочке взаимодействий. Analytics по умолчанию использует эту модель для всех отчетов, кроме отчетов по многоканальным последовательностям.

В каких случаях рекомендуется использовать эту модель:

  • Поскольку эта модель используется по умолчанию для всех отчетов, кроме отчетов по многоканальным последовательностям, ее полезно применять в качестве базовой для сравнения с другими моделями.
  • Кроме того, она подходит в том случае, когда прямой трафик исходит от пользователей, ранее привлеченных по другим каналам, и его не следует учитывать при анализе действий клиента перед конверсией.

 В модели Первое взаимодействие 100% ценности конверсии присваивается первому каналу в цепочке взаимодействий.

  • Эту модель рекомендуется использовать, если цель размещения рекламы – добиться первоначальной осведомленности и пробудить интерес покупателей.

    Например, если ваш бренд не очень известен на рынке, то для вас важнее ключевые слова и маркетинговые каналы, с которых начинается знакомство с вашим брендом.

 В линейной модели всем каналам в последовательности конверсий присваивается одинаковая ценность.

  • Эту модель рекомендуется использовать, если ваша цель – постоянный рекламный контакт с потенциальным клиентом на всем протяжении цикла покупки. В этом случае одинаково важна каждая точка взаимодействия в процессе принятия решения клиентом.

 Если цикл покупки предусматривает короткую стадию принятия решения клиентом, можно выбрать модель С учетом давности взаимодействий. В основе этой модели лежит такое понятие, как экспоненциальный распад. Чем ближе к конверсии находится точка взаимодействия, тем более ценной она считается.

Настраиваем Яндекс Метрику — полезный инструмент для изучения работы сайта

В рамках данной модели период полураспада по умолчанию составляет семь дней. Это значит, что взаимодействие, произошедшее за семь дней до конверсии, в два раза менее ценно, чем зарегистрированное в один день с ней, а за две недели – в четыре. Экспоненциальный распад происходит в течение всего периода ретроспективного анализа (по умолчанию он составляет 30 дней).

  • Эту модель рекомендуется использовать в краткосрочных кампаниях, чтобы присваивать больше ценности взаимодействиям в дни проведения рекламной акции. В этом случае взаимодействия, выполненные неделей раньше, будут оценены гораздо ниже, чем те, которые произошли незадолго до конверсии.

 Атрибуция с привязкой к позиции – это гибрид моделей «Первое взаимодействие» и «Последнее взаимодействие».

Вместо того, чтобы присваивать всю ценность первому или последнему каналу, можно поделить ее между ними. Обычно она распределяется следующим образом: по 40% первому и последнему каналу и 20% – всем остальным.

  • Эту модель рекомендуется использовать, если для вас одинаково важны как взаимодействия, с которых началось знакомство потенциальных клиентов с вашим брендом, так и каналы, которые непосредственно привели к конверсии.

О том, как выбрать атрибуцию, подходящую именно вам, вы также можете узнать из нашей статьи по теме.

.

В начале лета Яндекс.Метрика 2.0 вышла из бета-теста и стала основной. Многим, очень многим моим коллегам это было как ножом по… сердцу. Люди существа консервативные, поэтому многие не воспринимают серьезных изменений интерфейсов привычных программ, даже если они явно их улучшают.

Сразу мое резюме: Яндекс.Метрика 2.0 стала лучше в функциональности, но потеряла в красочности и позитивности (только визуальное впечатление). А теперь подробнее.

Список основных изменений по сравнению с первой версией:

  1. Изменен принцип формирования отчетов — теперь данные не попадают в уже сформированные жестко заданные отчеты, а хранятся не в агрегированном виде, таким образом аналитик сам формирует нужный отчет.
  2. Добавлена возможность определять сегменты аудитории
  3. Появились модели атрибуции
  4. Расширены возможности Сводки
  5. Изменена цветовая гамма отчетов… да что скрывать —  полностью поменялся дизайн.

Важность первого пункта многими недооценивается, но именно это делает новую метрику по-настоящему новой. Очень часто для проверки гипотез не хватало «встроенных» отчетов. Приходилось или пользоваться неудобным и очень ограниченным по гибкости  конструктором отчетов или импортировать данных в эксель и работать уже с ними там. Изменение принципа хранения данных позволяет формировать отчеты  гораздо более разнообразные — именно за счет этого изменения появилась возможность формировать сегменты аудитории, появились атрибуции конверсий. Это дает большую нагрузку серверам Яндекса… но мы то ведь не из Яндекса? Поэтому я говорю спасибо Яндексу за расширение моих возможностей.

Что такое сегменты в Яндекс.Метрике? Это возможность формировать отчеты с предварительными условиями — источник трафика, тип устройства, особенности поведения посетителя, особенности посетителя и прочие. Доступно не более 20 условий, чего достаточно в практической работе.

Есть предварительно настроенные сегменты (9 штук) и есть возможность создать и сохранить свой:

Что удобно, сегменты при переходе с одного отчета на другой сохраняются, так же как сохраняются и выбранные цели (в табличном отчете под графиком).

Существует возможность сравнивать сегменты между собой, но, к сожалению, только 2 сегмента — это явно мало. Через сравнение сегментов реализовано и сравнение с историческими данными — нужно просто выбрать  “Сравнить сегменты” -> “С предыдущим периодом”.

Функционал сегментов — это большой шаг вперед, хотя удобство работы с ним требует привыкания. Помимо ограничения в 2 сегмента, всплывающее меню, скачущее при прокрутке его вниз по экрану, не добавляет радости.

Модели атрибуции позволяют более точно определять эффективность различных источников в конверсии. В Яндекс.Метрике 2.0 представлены 3 модели:

  1. Первый переход — используется первый зарегистрированный в куках источник и канал (тип источника, если использовать термины Метрики) посетителя . Очень полезно пр ведении рекламных кампаний — позволяет эффективно оценивать их возможности привлечения посетителей на сайт
  2. Последний переход — соответственно последний зарегистрированный источник и канал 
  3. Последний значимый переход — гораздо более информативнее последнего перехода, так как исключаются внутренние и прямые переходы. Очень полезно понимать  какой источник толкнул посетителя в ваши теплые объятия.

Следующим шагом для Метрике будет предоставлять нам информацию о всех источниках в цепочке “путешествия посетителя” и сделать аналог многоканальных последовательностей Google Analytics.

Модели атрибуции

Ждем!

Сводка является окном в Метрику — возможностью одним взглядом оценить ткущее состояние сайта. Очень положительным изменением является расширение ее возможностей — если раньше было 4 или 5 виджетов, то теперь их более 30, при чем каждый виджет можно настроить в соответствии с желаниями, например применить к нему сегментацию трафика.

Минусом является спорная визуализация — я привык оценивать не просто визуально доли на диаграмме, но и видеть конкретные цифры. Особенно это важно для быстрой оценки состояния трафика.

Последний пункт — визуальная составляющая Метрики 2.0 является очень субъективным фактором. Мне она скорее не нравится, но я допускаю, что кто-то будет от нее в восторге.

Чтож, Яндекс сделал большой шаг вперед в гибкости отчетов, но пока он все еще является догоняющим, и до Google Analyics еще развивать и развивать сервис. Я, конечно, не забываю об дополнительных возможностях Метрики — вебвизоре и картах кликов и скролла, потому все еще советую использовать оба сервиса наравне — кросс-проверка данных никому еще не мешала в анализе.

Category: Системы анализаМетки: веб-аналитика, Яндекс.Метрика

Тема правильной оценки эффективности работы рекламных кампаний часто возникает в обсуждениях специалистов, веб-аналитиков и рекламодателей.

Обычно её оценивают по нескольким показателям, например:

  • CR — коэффициент конверсии.
  • CPO — стоимость заказа.
  • ROI — возврат на инвестиции.
  • GrossProfit — общая валовая прибыль.

Для наглядности составляется примерно такая таблица:

(пример обычного отчета об эффективности рекламных каналов)

Показатели эффективности сравниваются между собой и делаются выводы. Например, о том, что медийная реклама плохо работает, и отсюда принимается решение о перераспределении бюджета в пользу рассылки по электронной почте.

Такие мнения свойственны не только рядовым специалистам, но и признанным экспертам веб-аналитики. Авинаш Кошик в своей статье :

Электронная почта все ещё лидирует по числу конверсий. Несмотря на шумиху, искусственно создаваемую вокруг Facebook’а и Twitter’а, а также на колоссальные объёмы инвестиций брендов в социальные сети в надежде получить заоблачную прибыль, вложения в соцмедиа в большинстве случаев не приводят к желаемому результату.

Фактически, коэффициент конверсии по итогам реализации кампаний email-маркетинга почти в 40 раз (!) выше аналогичного показателя для кампаний в Facebook’е и Twitter’е.

Иногда подобные выводы являются ложными, так как не учитывают логику движения пользователя от первого посещения до конверсии.

В чем ошибка такого подхода к оценке?

  1. Ошибка: ожидание, что посетитель должен сразу же совершить конверсию.

Если посетитель не совершает конверсию, значит канал работает плохо. Прямо, просто и логично.

Проблема в том, что не всегда посетитель готов стать покупателем с первого же посещения. Например, пиццу заказывают сразу. Если не заказали, значит и не закажут. А выбирая обувь, посетитель может много раз зайти на сайт и сделать покупку вообще спустя пару недель, когда получит зарплату. В маркетинге такое поведение описывается — модель потребительского поведения, описывающая последовательность событий, ведущих к принятию решения о покупке: внимание → интерес → потребность → действие.

2. Ошибка: источники сравниваются между собой с помощью одних и тех же показателей.

Рекламные каналы привлекают посетителей находящихся на разных этапах модели AIDA. В примере из таблицы, рассылки по электронной почте направляются на аудиторию, которая находится на нижних этапах воронки. Эти пользователи лояльны к вам, они знают ваш бренд. Поэтому конверсия с email-рассылки лучше.

А медийная реклама работает с холодной аудиторией, у которой только предстоит вызвать интерес. Поэтому сравнивать между собой эти каналы с помощью показателя конверсии в покупки — все равно, что сравнивать эффективность футболистов по числу атак на ворота соперника и конверсией в забитые мячи. Готовы после матча выгнать вратаря и защитников?

3. Ошибка. Оценка с использованием мультиканальной атрибуции.

Кратко напомню, какие бывают модели:

  1. Последний клик. Последнему источнику присваивается вся заслуга в том, что пользователь совершил конверсию.

    “Кто последний — тот и папа”. Справедливо, не правда ли?

  2. Последний непрямой клик. В данной модели 100% ценности конверсии присваиваются последнему источнику.

    Расширение атрибуции

    Но если последним источником является прямое посещение, то присваивается предыдущему источнику.

  3. Первое взаимодействие. 100% ценности конверсии присваивается первому источнику. В этом случае остаются недооцененными все последующие.
  4. Линейная модель. В этой модели ценность конверсии разделяется поровну между всеми источниками.
  5. Временной спад. Наибольшую ценность получает последний источник. Предыдущий меньше. Меньше всего получает первый.
  6. По позиции. В данной модели ценность конверсии в различных долях разделяется между всеми источниками. Например, по 40% — первому и последнему, а остальные 20% — между всеми промежуточными.

В первых трех моделях общий недостаток — выделение только одного источника и игнорирование заслуг других. Проблема остальных трех в том, что оценка выносится не исходя из реальной заслуги канала, а просто на основании одного из правил.

Чтобы лучше понять абсурдность ситуации, представьте себе, что команда ваших продажников работала с клиентом. Они заключили контракт. Как их наградить? Все эти модели не учтут, какой вклад реально внес каждый из участников.

А нужно ли вообще оценивать заслугу канала? 

Во всех трех ошибках есть одно общее — канал оценивается по тому, совершает ли посетитель конверсию.

Но решение о том, покупать у вас или пойти на сайт конкурента, посетитель принимает не не основании короткого текста или баннера вашего объявления, а благодаря тому, что он увидел на страницах самого сайта. Насколько увиденное соответствовало его ожиданиям или предвосхитило их. Контент — вот реальный продавец. Задача канала — просто привести посетителя на этот контент. Привести правильного посетителя, того, который принадлежит к целевой аудитории.

Рассмотрим это на примере.

Опыт покупки обуви

Мне срочно понадобилась новая обувь, потому что старые туфли стали промокать. Я набрал в Google поисковый запрос «интернет магазин мужской обуви спб».

Среди первых трех объявлений, мой взгляд сразу же зацепился за знакомые буквы в доменном имени объявления, которое было третьим по счету. Это был интернет-магазин Lamoda, туда я и отправился.

Приметил одни кроссовки, но сразу покупать их не был готов (никогда не покупаю первый приглянувшийся вариант). Поэтому после Lamoda посетил Ebay, Aliexpress и еще какие-то магазины.

Вскоре я начал замечать объявления динамического ремаркетинга от Lamoda в Facebook и на других сайтах. А на самом сайте увидел предложение бонус кода со скидкой 40%. Именно это и добило мои сомнения — я решился сделать покупку.

Но при оформлении заказа бонус код не был принят, потому что сумма покупки должна была быть не менее 5000 руб.

Решил взять что-нибудь еще, чтобы общая сумма достигла 5 тысяч, но ничего не нашел и отказался от покупки.

В объявлениях динамического ремаркетинга мне снова и снова показывали эти кроссовки. Да и покупать что-то все равно нужно было. Тем более поход по офлайн-магазинам завершился неудачно. Так, в конце концов, я оформил покупку на 2 пары обуви.

Сможете оценить мультиканальной атрибуцией вклад каждого источника?

Adwords, как первому в цепочке? Точно нет, так как после первого посещения я вообще не был готов покупать.

Динамическому ремаркетингу как последнему непрямому? Так будут неучтены заслуги ремаркетинга в середине цепочки.

Может быть временным спадом? Но заслуга последних в цепочке явно не больше тех, что в середине.

Или на основе позиции? Например, 20% — первому, и по 40% — тем, что в середине и в конце цепочки. В данном случае, это логично, но не у всех же покупателей будет именно такой опыт.

Ключевую роль в принятии решения о покупке сыграл контент — то, что я увидел на сайте:

  1. Я нашел ту обувь, что мне нужна.
  2. Я получил предложение весомой скидки.

Конечно, рекламные каналы тоже молодцы — меня снова и снова убеждали зайти на сайт. Без их работы контент было бы некому показывать.

Но сила в командном взаимодействии каналов и контента.

Как правильно оценивать эффективность рекламного канала?

  1. Постройте воронку продаж — помогите покупателю принять решение о покупке. Разделите её на промежуточные этапы. Например, воронка может быть такой:

Посетителю легче постепенно принять несколько небольших решений, чем сразу одно большое:

  • Принять решение “Ознакомиться с ассортиментом” легко — оно ни, к чему не обязывает.
  • Оставить свой email в обмен на обещание скидки или интересной информации — тоже не проблема.
  • И вот посетитель уже гораздо ближе к тому, чтобы стать покупателем.

2. Назначьте каждому каналу задачу и показатели, позволяющие оценить насколько он успешно справляется с ней. Например:

На первый этап воронки подойдет Контекстно-Медийный Баннер Яндекса (МКБ). Он обеспечит широкий охват посетителей. Показателями эффективности будут:

  • CPC (стоимость привлечения посетителя).
  • Поведенческие показатели (время на сайте, число просмотренных страниц, показатель отказов).

На основании этих показателей мы можем оценить, насколько качественную аудиторию привлекает канал.

Во время первого посещения мы записали посетителя во всевозможные базы ремаркетинга. Теперь, на втором этапе, напомним ему о том товаре, который его заинтересовал. И сделаем предложение подписаться на рассылку. Показателем эффективности будет служить конверсия в подписку.

  • Подключаем email-рассылку.

    Оцениваем конверсию в покупку.

Задача рекламного источника — привлечение целевой аудитории на нужную посадочную страницу.

Если посетитель на посадочной странице не совершает целевое действие, значит: либо ваш контент недостаточно убедительный, либо по каналу пришел посетитель, не относящийся к нужной вам аудитории.

Проработайте обе версии.

Выводы

Чтобы оценить эффективность рекламных кампаний, недостаточно поверхностного сравнения цифр и тем более нельзя делать поспешные выводы. Необходимо учитывать множество факторов, влияющих на покупку, и рассматривать их комплексное влияние на посетителя:

  1. Узнайте, как покупают ваши посетители. Оцените, требуется ли им время на принятие решения?
  2. Если требуется, то выстройте воронку конверсии и назначьте каналу задачу привлечения посетителя на нужный вам этап.
  3. Оцените, насколько успешно канал выполняет свою задачу. И не измеряйте эффективность всех каналов одними и теми же показателями.
  4. Оцените, действительно ли выстроенная воронка работает — посетители в итоге выполняют главную цель. В этом поможет отчет по ассоциированным конверсиям Google Analytics
  5. ROI, GrossProfit — эти показатели больше подойдут для оценки эффективности вашего маркетинга в целом, а не эффективности отдельных каналов.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *