В наши дни у компаний как никогда много возможностей для взаимодействия с потенциальными клиентами. Поэтому маркетологам важно знать, в какие
моменты целесообразно обращаться к аудитории, а в какие нет.
Начиная поиск товаров или услуг в Интернете, мы редко знаем, на чем остановимся. Прежде чем принять решение, мы нажимаем на разные объявления, из-за чего маркетологам бывает непросто понять, какое из них сработало. По умолчанию в AdWords применяется модель атрибуции по последнему клику, учитывающая только клики, сделанные тот в момент, когда мы уже определились.
Однако маркетологам важно знать, насколько сильно на наш выбор повлияло каждое из просмотренных объявлений, независимо от того, последовала ли за ним конверсия.
Технология машинного обучения Google, применяемая в модели
атрибуции на основе данных, позволяет узнать, какая доля общей ценности конверсии приходится на каждый клик. Например, вы можете понять, насколько пользователям было интересно объявление, которое показывалось по запросам о каком-либо свойстве товара. Если среди покупателей много тех, кто просмотрел это объявление на любом этапе пути к покупке, значит оно повлияло на их выбор.
Мы внимательно следили за тем, как менялась эффективность аккаунтов с мая 2016 года, когда
модель атрибуции на основе данных появилась в AdWords. Анализ данных сотен рекламодателей, применивших ее вместо модели атрибуции по последнему клику, позволил нам сделать следующий вывод.
Новая модель приносит больше конверсий, чем атрибуция по последнему клику, а цена при этом практически не меняется.
Мы рекомендуем применять модель атрибуции на основе данных для всех кампаний в поисковой сети, поскольку она лучше других позволяет оценивать и повышать их эффективность.
Как работает атрибуция на основе данных
Модель атрибуции на основе данных работает не так, как старые модели на основе правил. Для оценки вклада каждого поискового запроса и клика в конечный результат анализируются данные аккаунта по конверсиям. Алгоритм сопоставляет действия пользователей, которые совершают и не совершают конверсии, выявляя таким образом, что именно подталкивает их к желаемому результату.
Вы сможете применить атрибуцию на основе данных, как только в вашем аккаунте накопится достаточно статистики. Для каждого типа конверсий будет создана собственная модель атрибуции, основанная на анализе действий пользователей на разных этапах пути. Затем эти модели продолжат совершенствоваться при помощи технологии машинного обучения Google. Подробнее читайте в
этой статье.
Почему важно знать ценность каждого клика
Чтобы ответить на этот вопрос, рассмотрим несколько примеров успешного применения модели атрибуции на основе данных.
Компания Select Home Warranty занимается страхованием услуг ремонта частного жилья в США. Благодаря атрибуции на основе данных ее специалистам удалось привлечь на 36% больше потенциальных клиентов, сократив при этом цену за конверсию на 20%.
"Переход на модель атрибуции на основе данных открыл новые возможности для нашего бизнеса. Теперь мы точнее рассчитываем ценность действий на мобильных устройствах, а также запросов, не содержащих название бренда, и в результате получаем больше конверсий", – комментирует Джозеф Шрем (Joseph Shrem), основатель компании Select Home Warranty.
Medpex – одна из лидирующих немецких компаний на рынке онлайн-торговли фармацевтическими товарами. После применения интеллектуального назначения ставок и атрибуции на основе данных компания стала получать на 29% больше конверсий, а средняя цена за конверсию снизилась на 28%.
"По сравнению с назначением ставок вручную автоматические стратегии позволяют нам гораздо точнее учитывать изменение таких факторов, как цены конкурентов и время доставки", – отмечает Франк Мюллер (Frank Müller), директор по маркетингу компании Medpex.
H.I.S. – японское туристическое агентство, чьи представительства можно найти более чем в ста городах мира. Применив атрибуцию на основе данных в сочетании с интеллектуальным назначением ставок и динамическими поисковыми объявлениями, компания стала получать на 62% больше конверсий при той же средней цене.
"Атрибуция на основе данных дала нам возможность улучшить взаимодействие с пользователями, находящимися на стадии готовности к покупке, и привлечь за счет этого больше новых клиентов", – поясняет Рёко Кумэ (Ryoko Kume), специалист по связи с клиентами и веб-маркетингу из головного офиса компании H.I.S.
Как применить новую модель атрибуции
С этого момента в столбце "Конверсии" отчетов AdWords будет отображаться значение, рассчитанное с помощью модели на основе данных. Алгоритм
интеллектуального назначения ставок автоматически адаптируется к новому методу отслеживания конверсий. Если же вы задаете ставки вручную, измените значения
столбцов с пометкой "текущая модель" (их можно найти в отчетах раздела "Атрибуция").
Как извлечь максимум пользы из атрибуции на основе данных
Применив для отслеживания конверсий модель атрибуции на основе данных, внесите изменения в настройки аккаунта AdWords, чтобы ещё сильнее повысить эффективность работы с ним.
- Измените настройки корректировки ставок. Оптимизируйте назначение ставок с учетом данных о числе конверсий, рассчитанных с помощью новой модели атрибуции. Для этого мы рекомендуем воспользоваться одной из стратегий интеллектуального назначения ставок в AdWords, например "Целевой ценой за конверсию" или "Целевой рентабельностью инвестиций в рекламу". Прежде чем менять настройки корректировки ставок, проанализируйте столбцы с пометкой "текущая модель".
- Дождитесь результатов применения новой модели. Статистика по кликам, которые совершают пользователи на пути к конверсии, появляется с задержкой. Чтобы получить корректные данные, подождите, пока пользователи, сделавшие первый клик после перехода на новую модель, совершат конверсии. Обычно это занимает около двух недель.
- Пересмотрите ценность ключевых слов в последовательности конверсии. Модель атрибуции по последнему клику завышает ценность ключевых слов, которые относятся к последнему этапу. Применив новую модель атрибуции, вы увидите, что ценность конверсии в разных кампаниях распределяется по-разному и что вы, скорее всего, не учитывали этого раньше.
О том, как начать работу с моделью атрибуции на основе данных, подробно рассказано в этом
видео. Чтобы узнать, как правильно сравнивать модели атрибуции, а также получить другие рекомендации, прочитайте статью в нашем Справочном центре.
Мы советуем применять модель атрибуции на основе данных ко всем кампаниям в поисковой сети. Кроме AdWords, новая возможность реализована в
DoubleClick Search, а также в
Google Analytics 360 и
Атрибуции 360. Надеемся, что в будущем работа с атрибуцией на различных платформах станет ещё проще.
автор: Джон Аренсмен (Joan Arensman), менеджер по продукту, атрибуция в AdWords,
Уилфред Ён (Wilfred Yeung), ведущий менеджер по продукту, назначение ставок в AdWords