Сквозная аналитика Андата — оцениваем маркетинговые каналы и источники трафика

Маркетологи и рекламодатели часто соизмеряют данные и принимают решения на их основе. Для этого они используют сквозную аналитику. С её помощью можно:

• увидеть полный путь пользователя от первого взаимодействия с рекламным контентом до целевых действий, таких как покупка, регистрация или подписка,
• понять, какие маркетинговые стратегии приносят наибольший доход и где теряются клиенты.
• корректировать рекламные кампании и оптимизировать затраты на рекламу.

В этой статье мы на практических примерах рассмотрим, как визуализировать данные, использовать различные модели атрибуции и применять когортный анализ.

Сквозная аналитика объединяет данные из различных источников, таких как CRM, ERP и BI-системы, не связанные с сайтом, но в которых также происходят целевые действия. Эти данные помогают понять, как пользователи взаимодействуют с рекламой или брендом на всех этапах кампании.

Вот основные события, которые учитываются:

• продажи — информация о покупках, средний чек, возвраты;
• пользовательское поведение — посещённые страницы, время на сайте, переходы;
• рекламные каналы — источники трафика, клики, конверсии.

Всё это обрабатывается в системе кросс-канальной аналитики Андата. Для удобства данные представляются в виде графиков, диаграмм и таблиц, что позволяет оценить ключевые показатели и выявить тенденции и проблемные моменты.

👆🏻На графике представлены различные модели атрибуции, визуализированные по времени.

Модели атрибуции нужны для точной оценки эффективности маркетинговых каналов и показывают, какие действия привели пользователя к конверсии, и как распределяется заслуга между ними. Вот 4 основных принципа атрибуции в Андата:

• Линейная модель атрибуции учитывает все внешние каналы, предшествующие событию, и считает их одинаково ценными. Пользователь взаимодействовал с тремя различными каналами перед покупкой, каждый канал получает равную долю заслуги.

Теперь поговорим о том, как получать ценные инсайты на основе данных. Важно понять, как различные модели атрибуции влияют на результаты и какие каналы приносят наибольшую пользу.

• Продолжаем предыдущий пример и фильтруем каналы по Яндексу, чтобы сосредоточиться на данных, которые важны для определённой маркетинговой стратегии.

Теперь мы оцениваем эффективность Яндекса — влияние одной модели атрибуции отличается от другой примерно на 30%. Это означает, что угол обзора изменяет цифры, по которым мы измеряем эффективность маркетинга.

Здесь используем 4 модели атрибуции, о которых говорили выше, по каждой из которых мы выбираем разбивку на 3 категории и таким образом распределяем заслугу между:

• платными — внешние каналы закупленного трафика, без прямого входа и без учёта органики,
• значимыми — органический трафик,
• всеми, когда учитываются только прямые входы.

Здесь визуализируем как отдельные элементы в штуках, так и доходы (как на скриншоте ниже). Если события имеют доход, мы автоматически считаем их и распределяем по атрибуциям.

Чтобы увидеть все каналы, количество привлечённого ими трафика и уникальных пользователей, открываем визуализацию в исходном формате.

Для каждой модели мы анализируем, сколько доходов принесли разные каналы и как именно работает механизм атрибуции в отдельных видах размещения рекламы.

Чтобы увидеть маркетинговый расклад, переходим к визуализации по шаблону, в которой отображается количество:

• кликов с каналов,
• уникальных пользователей,
• заслуг в штуках по избранной модели атрибуции,
• из перехода в целевые действия,

а также:

• суммы доходов, сообщенных из размеченных событий,
• средний чек,
• долю доходов из размещения.

Кроме того, при наличии расходов можно посчитать ДРР и ROMI.

Далее следует визуализация, в которой можно использовать собственные классификации для отслеживания трафика в определённых группах. Для этого объединяем различные рекламные кампании или каналы в отдельную таблицу.

Один из наиболее интересных инструментов для оценки долгосрочной эффективности маркетинговых кампаний — визуализация по когортам. Когортный анализ помогает выявить поведенческие тенденции и улучшить стратегию удержания клиентов. Это означает, что мы видим информацию, связанную с датой привлечения и можем выбирать разные уровни детализации: неделя, месяц или день.

Когортный анализ — это метод, позволяющий группировать пользователей по определённым характеристикам, таким как дата первого взаимодействия или источник привлечения. Это помогает понять, как разные группы пользователей взаимодействуют с продуктом или услугой с течением времени.

Когорта, которую мы анализируем — это доход за прошедшую неделю, а также трафик, который был привлечён за этот период. Он составляет 70% от общей суммы. Остальные 30% — это доходы от трафика, приобретённого ранее.

Подобные когорты можно создавать даже внутри Яндекса, например, разделять пользователей по типу устройства, версии операционной системы или бренду смартфона, например последний iPhone или бюджетный Android. Так мы лучше понимаем характеристики каждого сегмента, их поведение и то, когда они обычно совершают оплату.

Таким образом визуализации, которые мы рассмотрели и разобрали на отдельных примерах, показывают, какие отчёты можно создавать в личном кабинете Андата.

Детализация строится на данных, которые поступают от заказчиков через внутреннюю систему, CRM. Если есть необходимые поля, подгружаем информацию о менеджере, который работал с клиентом, о специалисте который проводил операцию, и так далее. Так мы можем проанализировать все эти данные и создать отчёты по различным критериям, включая каналы. За основу берём событие, которое, в свою очередь, связано со множеством предшествующих ему каналов. Для каждой единицы события можно создать подобные отчёты и наблюдать за показателями модели атрибуции.

Цифровой паспорт — это уникальная технология Андата, которая позволяет точно идентифицировать пользователей и отслеживать их действия на различных устройствах и платформах. Она строит цифровые профили на основе множества метрик и данных, что позволяет улучшать таргетинг и персонализацию рекламы.

Андата собирает различные данные о пользователе, такие как:

• Файлы cookie — небольшие файлы, которые сохраняются на устройстве и помогают отслеживать активность в интернете.
• Super cookie — более сложные файлы cookie, которые труднее удалить и которые также помогают отслеживать активность пользователей.
• Email и телефон — контактные данные, которые ваши посетители оставляют на сайтах.
• ID CRM системы — уникальные идентификаторы из системы управления взаимоотношениями с клиентами.

Алгоритм находит совпадения между этими параметрами и связывает цифровой паспорт с конкретным браузером, устройством и платформой. Система постоянно обновляет связи с помощью вычислений в графах, что обеспечивает точный и актуальный трекинг поведения пользователя. Таким образом можно точно определить, что отдельный пользователь делает в интернете, даже если он заходит с разные устройств или браузеров.

«Цифровой паспорт пользователя» также поддерживает отслеживание без использования cookie. Система использует другие уникальные идентификаторы, такие как графические объекты в local storage браузера и динамическая разметка ссылок. Это позволяет продолжать идентифицировать пользователей даже при отключении, удалении или ограничении использования cookie.

Примеры:

📱 Марта ищет новый смартфон. Она заходит на сайт интернет-магазина с компьютера и просматривает несколько моделей. Потом она открывает тот же сайт на своем телефоне. «Цифровой паспорт» связывает действия Марты на компьютере и телефоне, и реклама с предложениями смартфонов начинает показываться ей на всех устройствах.

💻 Иван интересуется курсами по программированию. Он кликает на рекламную ссылку в почте, а затем просматривает сайт с планшета. Андата получает данные об этих обытиях и помогает настроить таргетированную рекламу, предлагающую курсы по программированию. В результате Иван записывается на курс.

«Цифровой паспорт пользователя» помогает бороться с мошенничеством несколькими способами. Технология отслеживает аномальное поведение, такое как слишком быстрые или неестественные клики, выявляя и блокируя ботов и скрипты. Система анализирует данные и определяет, если клики или конверсии происходят из подозрительных источников, таких как одни и те же IP-адреса за короткий промежуток времени.

Андата уделяет особое внимание безопасности и конфиденциальности собранных данных. Вся информация обрабатывается в соответствии с Федеральным законом от 27 июля 2006 года № 152-ФЗ «О персональных данных». Это гарантирует, что данные пользователей защищены от несанкционированного доступа и использования.

«Цифровой паспорт» устраняет дублирующиеся записи, объединяя информацию о пользователе из разных источников. Например, если один и тот же пользователь заходит на сайт с разных устройств, система объединяет эти данные в один профиль.

Алгоритмы сопоставления анализируют и сравнивают множество параметров, таких как email, телефон, графические объекты и поведенческие данные. Это позволяет точно идентифицировать пользователя и объединять его действия на разных устройствах и платформах.

В панели управления Андата доступны настраиваемые дашборды о поведении пользователей на сайте, что помогает лучше понимать аудиторию и улучшать маркетинговые стратегии. Подробнее об аналитике рекламных кампаний можно узнать здесь.

Маркетологи и специалисты по настройке рекламы получают полный контроль над маркетинговыми данными и могут принимать обоснованные решения благодаря сквозной аналитике на платформе Андата. Интеграция с различными системами, инструменты визуализации и дашборды позволяют точно определить, какие каналы приносят наибольший доход и как оптимизировать ваши маркетинговые стратегии.