 |
Эта функция доступна только в Google Аналитике 360, входящей в Google Платформу для маркетинга. Подробнее о Google Платформе для маркетинга… |
Существует два основных принципа атрибуции на основе данных: 1) анализ всех доступных данных о путях переходов, позволяющий получать индивидуальные вероятностные модели конверсий; 2) обработка полученных наборов данных по сложному алгоритму, который назначает частичную ценность каждому способу взаимодействия с пользователем.
Разработка моделей вероятности конверсий для всех путей переходов
Система использует данных о пользователях, не только совершавших, но и не совершавших конверсии. Это позволяет оценить, в каком случае вероятность их выполнения выше. В итоге получаются вероятностные модели, которые демонстрируют, насколько пользователь склонен совершить конверсию в каждой точке пути для данной последовательности.
Назначение ценности конверсий всем способам взаимодействия с пользователями
При атрибуции на основе данных полученная информация обрабатывается с использованием вектора Шепли. Этот инструмент берет начало в теории коалиционных игр, и он был разработан нобелевским лауреатом Ллойдом Шепли (Lloyd S. Shapley) как способ справедливого распределения выигрыша команды между ее членами.
В случае атрибуции на основе данных членами команды являются способы взаимодействия с пользователем (например, Обычный поиск, Медийная реклама и Электронная почта), а выигрышем – конверсии. Указанный алгоритм рассчитывает значение этого показателя для каждого из способов. Для этого он сравнивает вероятность конверсии со сходным поведением пользователей, которые приняли участие в этих способах взаимодействия, в реальности и в гипотетической ситуации, когда один из этих способов не был использован на пути перехода.
Вычисление ценности конверсий для каждого способа взаимодействия с пользователем строится на сравнении ситуаций с разной последовательностью и получении среднего значения для полученных результатов. Это означает, что алгоритм атрибуции на основе данных учитывает последовательность, в которой присутствует каждый способ взаимодействия с пользователем, и назначает свой коэффициент для всех этапов перехода. Например, одна модель создается для случая, когда показ медийной рекламы предшествует просмотру объявления в Google Поиске, а если они следуют в обратном порядке, используется другая.
Пример
В следующем примере сочетание обычного поиска, медийной рекламы и объявления в электронной почте обеспечивает 3-процентную вероятность конверсии. Если из пути убрать медийную рекламу, вероятность снизится до 2%. Итак, мы получаем разницу в размере 50%, что позволяет уверенно выполнить атрибуцию.
Оценивайте эффективность своей модели и связанную с ней рентабельность инвестиций
С помощью отчетов Анализа модели вы можете оценить коэффициенты, которые ваша модель устанавливает на основе данных каналов и позиций. Чтобы детальнее изучить таблицу, загрузите ее в формате CSV. Сравнивайте модели с помощью соответствующего инструмента, чтобы определить возможности оптимизации вашей маркетинговой стратегии. Просматривайте отчеты по анализу рентабельности инвестиций – это позволит соотнести их с вашей моделью.
