• /
  • /
Игнат Сатирский
Автор блога Андата
05.07.2024

Сквозная аналитика Андата — оцениваем маркетинговые каналы и источники трафика

Игнат Сатирский
Автор блога Андата
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.

Содержание

Как работает сквозная аналитика Андата

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.
График конверсий в зависимости от дня недели или диаграмма распределения трафика по каналам дают наглядное представление о внутренних процессах рекламных кампаний. В качестве примера возьмём событие оплаты.
👆🏻На графике представлены различные модели атрибуции, визуализированные по времени.

Ценность каналов и источников трафика

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.
Например, если оплата составила 1000 рублей, и было 3 внешних канала, то каждый из них получит заслугу в размере 333 рублей.
  • Модели First Click и Last Click присваивают заслугу за конверсию первому или последнему клику, то есть взаимодействию пользователя с рекламой перед покупкой, соответственно. Это полезно для понимания, какие каналы привлекают новых клиентов, а какие каналы завершают сделки.
Например, пользователь сначала кликнул на рекламу в рекламной сети Яндекса, а потом совершил покупку через несколько дней после просмотра других рекламных объявлений ВКонтакте. Заслуга за эту покупку будет приписана РСЯ в первом случае и ВК во втором.
  • U-Shape (или U-образная модель) присваивает первые 40% доходов или конверсий первому каналу, ещё 40% — последнему каналу, а оставшиеся 20% распределяет между всеми остальными каналами, которые были между первым и последним. Это позволяет учитывать как старт привлечения клиента, промежуточный путь и завершающий этап сделки.
Например, пользователь сначала кликнул на рекламу в Одноклассниках, затем на рекламу в Яндексе, а потом на рекламу ВКонтакте, после чего совершил покупку. В модели U-образной атрибуции: 40% — ОК (первое взаимодействие), 40% — ВК (последнее взаимодействие), 20% — между Яндексом и любыми другими промежуточными взаимодействиями.

Что показывает аналитика в Андата

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.
👆🏻 На графике видим, как точки наблюдения, то есть сама модель атрибуции, влияют на результат.
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.
👆🏻 В отдельной точке на шкале видны значения для каждой модели с датой и временем.
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.
👆🏻 Выбираем нужную модель из списка справа от графика
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.
👆🏻 Смотрим суммы дохода по каждой модели в определённый момент времени.

Визуализация по всем источникам трафика

Чтобы увидеть все каналы, количество привлечённого ими трафика и уникальных пользователей, открываем визуализацию в исходном формате.
👆🏻 В исходном формате рассматриваем все каналы трафика в виде таблицы со значениями в суммах дохода по каждой модели атрибуции.
Для каждой модели мы анализируем, сколько доходов принесли разные каналы и как именно работает механизм атрибуции в отдельных видах размещения рекламы.
👆🏻 Посмотреть сводную информацию о различных моделях атрибуции их значениях в штуках можно в дублирующейся таблице.
Например, если мы посмотрим на источник трафика MindBox, то увидим, что по равномерной модели доход составил 718 000, в значимых каналах — 783 520, т.к. таких каналов меньше, заслуга канала оценивается выше, а в платных каналах, которых ещё меньше, доход на конкретный стрим — 826 000.
👆🏻 Смотрим цифры по отдельному каналу размещения рекламных объявлений и баннеров.

Маркетинговая аналитика по шаблону

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.
👆🏻 Таблица показывает отдельные маркетинговые метрики.

Группировка и классификация каналов

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.
👆🏻 Группируем избранные каналы в отдельную визуализацию.
Например, некоторые рекламные категории внутри Яндекса можно разделить по потокам: РСЯ, ЕПК, ретаргетинг и товарные кампании. По этим категориям смотрим квоту по расходам и доходам, а также такие метрики как ROMI и ДРР.
👆🏻 Классификация по отдельным категориям РК в Яндексе.

Когортный анализ и детализация

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 по дате привлечения по неделям.
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.
Например, если мы выберем недельный уровень детализации, то сможем увидеть информацию о дате, когда во внутренней CRM-системе происходила оплата с доходами.
👆🏻 В этой визуализации мы видим доход за неделю — 161 845. Эта сумма складывается из разных недель по привлечению в прошлом трафика, которые повлиял на этот доход.
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.
Цель такой когорты — определить конкретное свойство и время, которые привлекают аудиторию, которая надолго остаётся с нами, возвращается и продолжает делать покупки, не теряя интереса.
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.
👆🏻 Смотрим подробную детализацию по заказам, которые входили в пул, суммам дохода и средствам оплаты.
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.

Технология «Цифровой паспорт пользователя» и её роль в аналитике

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.

Какие данные собирает Андата

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.

Борьба с мошенничеством (antifraud)

«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.
Пример. Компания «X» заметила, что их рекламный бюджет быстро исчерпывается, но конверсий мало. Анализ с помощью цифрового паспорта показал, что многие клики поступают с подозрительных IP-адресов. Система заблокировала этот трафик, позволив компании сэкономить деньги и перенаправить бюджет на более качественные клики.

Безопасность и конфиденциальность

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.

Дедупликация и мэтчинг данных

«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.
Пример дедупликации:

Пользователь Антон заходит на сайт с рабочего компьютера и создает аккаунт, указав свой email. Затем он заходит на тот же сайт с домашнего планшета и использует тот же email для входа. Андата связывает эти действия и объединяет их в один профиль, исключая дублирование. Это позволяет рекламодателям точно учитывать действия Андрея и предлагать ему релевантную рекламу на всех его устройства
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.

Коротко о главном

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.
Читайте также