Скрытые двигатели роста: как правильно оценить вклад каждого маркетингового канала

В 2023 году по разным оценкам рынок рекламы в России вырос на 23-32% по сравнению с 2022 годом. По прогнозам на 2024 год рынок продолжит расти. В условиях перенасыщенности рынка и изобилия товаров и услуг конкуренция за внимание потребителя между рекламодателями накаляется. Грамотный и точный анализ каждого рекламного канала, будь то охватные каналы или перформанс, необходим для обеспечения окупаемости каждой инвестиции, стратегического распределения бюджетов, устойчивого роста и развития компании.

Как правильно оценить вклад всех маркетинговых каналов и повысить эффективность маркетинговых усилий, рассказывает Алена Якина, Head of paid social (руководитель отдела платной рекламы в соцсетях) в компании EBAC.

Как правильная атрибуция может раскрыть «скрытые двигатели роста» и повысить эффективность маркетинговых усилий

В маркетинговой стратегии каждый канал выполняет определенную роль на разных этапах взаимодействия с потенциальным клиентом. Этапы могут варьироваться от первого знакомства с брендом, когда клиент только начинает осознавать свои потребности, до момента формирования намерения совершить покупку. Правильный выбор метода атрибуции или даже комбинации нескольких моделей имеет решающее значение, поскольку ошибки в анализе эффективности каналов могут привести к недооценке важных этапов воронки продаж.

Например, если атрибуция неверно оценивает вклад определенных каналов в развитие клиентской базы, это может привести к сокращению инвестиций в критически важные точки взаимодействия. В результате компания рискует упустить возможности продвижения потенциального клиента дальше по воронке и повышения общей эффективности маркетинговых усилий.

Влияние эффективной атрибуции на ROI (возврат инвестиций)

Для получения прибыли от рекламных инвестиций важно разбираться в следующих аспектах:

Роль каждого рекламного канала в покупательской воронке: необходимо понимать, на каком этапе воронки каждый канал оказывает наибольшее влияние – на начальном этапе создания осведомленности, стимулировании интереса, принятии решения о покупке или поддержки лояльности. Эффективность должна оцениваться в соответствии с их специфическим вкладом.

Точная оценка вклада каждого канала: включает анализ того, как именно рекламные кампании влияют на доходы и прибыльность. Используя правильную модель атрибуции, маркетологи могут точно определить, какие каналы являются наиболее эффективными с точки зрения возврата инвестиций и вклада в конечные продажи.

Используя эти данные, можно принимать обоснованные решения о том, какие каналы требуют дополнительных инвестиций, а какие – оптимизации или сокращения бюджета.

Какие проблемы могут возникнуть из-за неправильной атрибуции

Внутренняя конкуренция между каналами. Например, клиент видит баннер на Яндекс Дисплее, затем переходит по рекламе в соцсетях. Далее изучает цены на сайте, перейдя на него с бренд поиска (Яндекс Директ), получает email с акцией, взаимодействует с контентом в блоге, и в конце концов, совершает покупку после получения промокода по email. Здесь возникают 2 проблемы: с Last Touch, когда весь вклад в успех приписывается email-рассылке (последнему каналу), игнорируя вклад предыдущих каналов. И с First Touch, когда первичный баннер получает всю заслугу, минимизируя роль последующих взаимодействий.

Перекрестное загрязнение данных – трудности в изоляции вклада отдельных каналов при наличии множественных точек соприкосновения. Например, пользователь одновременно взаимодействует с кампаниями в разных каналах, что затрудняет точную оценку эффективности каждого канала по отдельности.

Затенение эффекта мультиканальных взаимодействий. Одноканальные модели не учитывают взаимосвязь и последовательность различных точек взаимодействия, что приводит к упущению значимых моментов. Например, клиент, который получил email после просмотра баннера, может быть более склонен к покупке, но последующее взаимодействие через поисковую систему затмевает предыдущие каналы.

По Last Touch атрибуции, оценивая эффективность размещений, мы можем сделать вывод, что сработала только email-рассылка, а Яндекс Дисплей, ВКонтакте, Яндекс Директ сработали в абсолютный минус. Исходя из этого, мы принимаем, казалось бы, справедливое решение, снизить инвестиции в остальные каналы. Однако, сделав это, мы совершим ошибку и не получим больше продаж вообще, так как схема взаимодействия с клиентом была глубже. 

Мы не учли, что клиент купил, не просто прочитав email, а после того, как познакомился с брендом через Яндекс Дисплей, заинтересовался конкретным предложением после взаимодействия с брендом в ВК, далее найдя легко сайт в поиске через Яндекс Директ и почитав отзывы через блог. И уже принял окончательное взвешенное решение после получения дополнительной скидки через email.

Эти примеры подчеркивают необходимость использования более сложных и точных методов атрибуции, таких как многоканальные или алгоритмические модели, которые учитывают вклад каждого взаимодействия в конечный результат.

Основные модели маркетинговой атрибуции 1. Одноканальные модели: первое (First Touch) и последнее касание (Last Touch) First Touch атрибуция

Модель First Touch приписывает всю заслугу в привлечении клиента первому каналу, через который потенциальный покупатель впервые столкнулся с вашим брендом или продуктом. Модель особенно полезна для оценки эффективности рекламных каналов, которые работают на начальной стадии покупательской воронки, например, таких как:

• Paid Social (VK, Одноклассники, Facebook* и Instagram* (*признаны экстремистскими и запрещены в РФ): эти каналы часто являются первым коммуникационным взаимодействием, где потребители узнают о новых продуктах/брендах.
• Контент-маркетинг: статьи и блоги, которые привлекают первичное внимание к бренду.
• Медийная реклама (Programmatic реклама, GDN, Яндекс ДРС): баннеры на различных сайтах, которые направлены на привлечение внимания и создание осведомленности.

Last Touch атрибуция

Last Touch приписывает всю заслугу за конверсию последнему каналу, через который клиент взаимодействовал перед совершением покупки. Это помогает оценить эффективность каналов, которые находятся ближе к концу покупательской воронки (добивающие каналы), таких как:

• Search каналы: Google Ads, где потенциальные покупатели часто ищут конкретный продукт или услугу непосредственно перед покупкой, Яндекс Директ, Bing Ads и другие.
• Email-маркетинг: письма с предложениями и скидками, которые могут подтолкнуть клиента к покупке.
• Ретаргетинг: реклама, нацеленная на пользователей, которые уже посещали ваш сайт или интересовались вашими товарами, чтобы вернуть их и закрыть сделку.

Обе модели просты и понятны, но не учитывают вклад всех каналов, участвующих в процессе привлечения и конверсии клиента. Они могут быть полезны в определенных контекстах, но для более точной оценки эффективности маркетинговой стратегии требуются более сложные многоканальные модели.

2. Многоканальные модели: Linear, Time Decay, U-Shaped и W-Shaped

Многоканальные модели атрибуции позволяют учитывать вклад нескольких каналов, которые участвовали в процессе взаимодействия с потенциальным клиентом на разных этапах покупательской воронки. Эти модели дают более полное представление о том, как различные каналы взаимодействуют между собой и влияют на принятие решения о покупке.

Линейная модель (Linear)

В линейной модели каждое взаимодействие с рекламой на протяжении всего пути клиента приписывается равным образом. Это означает, что если потенциальный клиент взаимодействовал с четырьмя каналами, каждый канал получит 25% признания за вклад в конечную конверсию. Модель идеально подходит для кампаний, где предполагается, что каждое касание имеет равное значение для решения клиента. Например, в информационных или образовательных кампаниях, где каждый контакт способствует увеличению осведомленности.

Модель убывания со временем (Time Decay)

В модели Time Decay более поздние точки взаимодействия в воронке получают больший вес по сравнению с ранними касаниями. Это отражает идею о том, что действия, ближе к моменту покупки, имеют большее влияние на решение клиента. Модель подходит для длительных сделок и сложных покупок, где последние взаимодействия перед покупкой имеют наибольшее значение. Например, для бизнеса с длинными циклами продаж – автомобили, недвижимость или B2B-продажи.

U-образная модель (U-Shaped)

В U-образной модели особое внимание уделяется первому и последнему взаимодействиям. Обычно 40% признания отводится первому касанию и 40% последнему, а оставшиеся 20% равномерно распределенными между прочими взаимодействиями. Модель полезна в ситуациях, когда первое впечатление и окончательное решение являются ключевыми факторами в маркетинговой стратегии. Например, для маркетинга потребительских товаров или услуг.

W-образная модель (W-Shaped)

W-образная модель придает особое значение трем ключевым точкам взаимодействия: первому касанию, касанию при ведении лида (например, заполнении формы) и последнему касанию перед покупкой. Обычно распределение признания составляет по 30% для первого и последнего касаний и 30% для ведения лида с оставшимися 10%, равномерно распределенными между другими взаимодействиями. Эта модель идеально подходит для комплексных B2B циклов продаж, где важны начальные взаимодействия, генерация квалифицированных лидов и заключение сделки. Идеально подходит для B2B-сектора и сложных продуктов.

3. Алгоритмическая атрибуция: использование алгоритмов для динамической оценки вклада всех каналов Data-driven атрибуция как наиболее комплексный подход

Data-driven представляет собой самый передовой и технологически сложный метод оценки вклада каждого маркетингового канала в конечный результат. Этот подход использует машинное обучение и большие объемы данных для анализа всех точек взаимодействия посетителей на их пути к покупке, позволяя точно определить влияние каждого канала на принятие решения.

Data-driven атрибуция – мощный инструмент, который может существенно улучшить стратегию маркетинга любой компании, особенно тех, которые работают в условиях высокой конкуренции и имеют сложные многоканальные взаимодействия с клиентами.

Особенности data-driven атрибуции:

• Данные в реальном времени: data-driven атрибуция обрабатывает данные о взаимодействиях пользователей в реальном времени, позволяя маркетологам оперативно реагировать на изменения в эффективности каналов.
• Глубокий анализ: использование статистических методов и машинного обучения для анализа не только порядка касаний, но и их качества, времени воздействия и других контекстуальных факторов. Машинное обучение может помочь выявлять скрытые закономерности в данных и оптимизировать атрибуцию на основе этих знаний. Это может включать в себя прогнозирование вероятности конверсии на основе поведения клиента или определение оптимального маркетингового микса.
• Индивидуализация: модели адаптируются под уникальные паттерны поведения аудитории конкретной компании, что обеспечивает высокую точность атрибуции.

Примеры использования:

Электронная коммерция: интернет-магазины – для определения, какие маркетинговые каналы наиболее эффективно способствуют повторным покупкам и увеличению среднего чека.

Финансовые услуги: банки и страховые компании – для оценки эффективности своих кампаний по привлечению новых клиентов, анализируя длинные циклы и множество точек взаимодействия.

Туризм и гостеприимство: компании этой отрасли анализируют вклад онлайн-рекламы в бронирование отелей и покупку билетов, учитывая сезонные колебания и персональные предпочтения пользователей.

Преимущества data-driven:

• Оптимизация бюджета: более точное распределение бюджета на основе вклада каждого канала.
• Улучшенное понимание клиента: глубокое понимание пути клиента и взаимодействия с брендом.

Применение данных атрибуции для оптимизации маркетинговых кампаний

Компания ABC (сфера образования): улучшение эффективности маркетинговых кампаний через атрибуцию

Компания предлагает широкий спектр образовательных услуг: онлайн-курсы, мастер-классы и карьерные консультации. Маркетинговые усилия компании включают использование трех основных платных каналов – Paid Social (через VK, Одноклассники и TikTok), Яндекс Директ и инфлюенс-маркетинг.

Используемая атрибуция Last Touch не учитывает полный путь клиента от первого контакта до покупки. Вся ценность присваивается последнему каналу (Яндекс Директ), через который клиент взаимодействовал перед совершением покупки. Это, как правило, приводит к неправильной оценке вклада каждого канала и искажению реальной эффективности маркетинговых кампаний. В данном случае кампании Paid Social и инфлюенс-маркетинг, которые играют роль первого касания, лишаются заслуги за привлечение клиентов из-за недостаточной атрибуции.

Решение 1: Использование U-образной атрибуции, где вклад каждого канала учитывается как на начальных этапах, так и на завершающих этапах покупательской воронки. Это позволяет более объективно оценить роль каждого канала в процессе привлечения и конверсии клиентов.

Модель позволяет учитывать вклад платных каналов на различных этапах покупательского пути, включая начальные контакты и завершающие действия. Благодаря учету всех этапов воронки компания может получить более точное представление о том, какие каналы действительно способствуют привлечению и конверсии клиентов.

Решение 2: Комбинация различных моделей атрибуции. Например, использование First Touch атрибуции для начальных контактов и Time Decay для более поздних этапов.

Комбинированный подход позволяет учитывать особенности каждого этапа покупательского пути и выбирать наиболее подходящую модель атрибуции для каждого случая. Таким образом, компания может получить более полное представление о вкладе каждого канала в процесс привлечения и конверсии клиентов.

Анализ и интерпретация данных атрибуции для улучшения решений

Пример значений эффективности в рамках двух одноканальных атрибуций (First and Last Touch) для того, чтобы продемонстрировать, как может распределяться выручка исходя из различных методов.

Из полученных данных можно сделать ключевые выводы.

1. Изменение в оценке выручки между моделями:

• Search: выручка упала с 1 500 000 рублей до 750 000 рублей, что свидетельствует о том, что данный канал играет важную роль на последних этапах воронки, ближе к моменту покупки. Это подчеркивает его значимость в Last Touch модели, где конечное взаимодействие ценится выше всего.
• VK и TikTok: выручка в каналах социальных сетей значительно возросла в модели First-Touch (VK с 500 000 рублей до 1 000 000 рублей и TikTok с 250 000 рублей до 500 000 рублей). Это подтверждает, что социальные сети часто являются первой точкой контакта с клиентами и их влияние недооценивается в модели Last Touch.
• Influencer: доход от инфлюенсеров вырос в два раза (с 750 000 рублей до 1 500 000 рублей), что подчеркивает их ключевую роль в создании первичного интереса и привлечении внимания потенциальных клиентов.

2. Стабильность некоторых каналов:

• Email и Organic: для этих каналов изменений в выручке и количестве лидов практически нет, что может указывать на их равномерное влияние на протяжении всей воронки. Они важны как на начальных, так и на заключительных этапах покупательской воронки.

3. Выводы для маркетинговой стратегии:

• Недооценка каналов: данные подсказывают, что социальные сети и инфлюенсеры получают недостаточно кредита в Last Touch модели, что может приводить к недоинвестированию в эти каналы.
• Перераспределение бюджета: на основе данных First Touch модели можно рассмотреть перераспределение маркетингового бюджета, уделяя больше внимания каналам, которые эффективно привлекают новых клиентов на начальных этапах.

5 советов для внедрения эффективных атрибуционных стратегий в маркетинговую практику

Не существует универсальной атрибуционной модели, подходящей для всех случаев. Учитывайте специфику вашего бизнеса, продукта и покупательского пути. Экспериментируйте с различными моделями атрибуции (First Touch, Last Touch, Multi Touch и даже алгоритмической атрибуцией), чтобы найти наиболее эффективную для вашей ситуации.

Применяйте современные технологические решения для более точной атрибуции. Инструменты, использующие искусственный интеллект и машинное обучение, могут автоматизировать и оптимизировать процесс атрибуции, предоставляя более точные и актуальные данные.

Обеспечьте интеграцию данных со всех маркетинговых платформ и каналов, CRM-систем для создания полной картины взаимодействий клиентов с вашим брендом. Это поможет лучше понять, как различные каналы взаимодействуют друг с другом и влияют на покупательское поведение.

Регулярно анализируйте результаты маркетинговых кампаний и корректируйте стратегии в соответствии с полученными данными, что поможет оперативно реагировать на изменения на рынке и повышать эффективность маркетинговых усилий.

Проводите регулярные тренинги и семинары для маркетинговой команды по использованию атрибуционных моделей и анализу данных. Развитие компетенций в области аналитики и атрибуции повысит квалификацию вашей команды и способствует более эффективному планированию и реализации кампаний.

Правильное применение этих стратегий поможет вашему бизнесу выявить «скрытые двигатели роста», оптимизировать маркетинговый бюджет, повысить общую эффективность маркетинговых усилий и укрепить позиции на рынке.

Источник: www.seonews.ru