Атрибуция — это процесс определения того, с какими точками контакта покупатель взаимодействовал до совершения покупки — рекламное объявление Google Shopping, баннер ретаргетинга, органический результат поиска — и распределения заслуг за эту продажу по всем этим точкам. Вместо того чтобы учитывать только последний клик, модели атрибуции стремятся отразить весь путь, который прошел клиент, что чрезвычайно важно для рекламы, основанной на фидах, где один и тот же продукт может одновременно появляться на многих каналах. Правильная атрибуция — это то, что отличает точное представление об эффективности канала от того, которое переоценивает ту точку контакта, которая находится ближе всего к покупке.

Почему атрибуция важна для эффективности ленты новостей

Товарные фиды позволяют размещать рекламу одновременно на нескольких платформах, поэтому покупатель может увидеть товар в списке Google Shopping, перейти по ссылке из метакаталога через несколько дней и, наконец, совершить покупку после брендового поиска. Без атрибуции вся заслуга за эту продажу достается тому каналу, который спровоцировал последний клик, что систематически недооценивает каналы верхнего уровня воронки продаж, которые фактически сформировали намерение совершить покупку. Это искажает решения о бюджете: ритейлер, полагающийся только на данные о последнем клике, может сократить расходы на канал, который незаметно генерировал большую часть спроса. Поскольку реклама, управляемая фидами, присутствует практически на каждом этапе этого пути — осведомленность, рассмотрение и конверсия — точная атрибуция позволяет команде определить, окупаются ли усилия по оптимизации одного канала и на других.

Как работает атрибуция

Модели атрибуции основаны на данных о событиях, собираемых на протяжении всего пути клиента, обычно с помощью пикселя отслеживания, размещенного на витрине магазина, который срабатывает при просмотре, добавлении в корзину и покупке. Каждое событие помечается тегом канала, кампании, а иногда и идентификатором конкретного продукта, который его вызвал, что позволяет модели атрибуции восстановить последовательность точек контакта для данной конверсии. Более простые модели присваивают всю заслугу первой или последней точке контакта; более сложные — основанные на данных или многоточечные — распределяют заслугу пропорционально на основе исторического вклада каждой точки контакта в конверсии. Результаты напрямую используются в отчетах по отслеживанию конверсий и, в конечном итоге , в расчетах рентабельности инвестиций , поскольку истинную рентабельность инвестиций канала можно оценить только тогда, когда он получает соответствующую оценку за продажи, на которые он повлиял.

Пример

<item>
  <g:id>SKU-33812</g:id>
  <title>Wireless Charging Pad - Matte Black</title>
  <g:price>22.99 USD</g:price>
  <g:link>https://example-shop.com/products/wireless-charging-pad?utm_source=google&amp;utm_medium=cpc&amp;utm_campaign=shopping_q3</g:link>
</item>

utm_ параметры, добавленные к link Поля позволяют модели атрибуции отслеживать клик по конкретному объявлению до исходной кампании, напрямую связывая эффективность фида с точками контакта, которые он сгенерировал в дальнейшем.

Связанные концепции

Атрибуция дает полезные результаты только тогда, когда она основана на надежном отслеживании конверсий и достоверных данных пикселей отслеживания — без точного учета событий даже самая лучшая модель атрибуции распределяет заслуги на основе неполной информации. Правильный подход также является необходимым условием для доверия к любому показателю рентабельности инвестиций, рассчитанному по каналам, поскольку точность ROI зависит от точности лежащей в его основе модели атрибуции.