За межами кліків: як post-view та post-click аналітика збільшує продажі та ROMI

Коли ми запитуємо пересічного користувача мережі, чи взаємодіє він з рекламою, найімовірніше, чуємо прямолінійну відповідь — «майже ніколи». Але, на щастя для рекламодавця, це зовсім не так. Спробуємо розібратися, як насправді рекламні оголошення конвертують трафік, як працює вебаналітика, що таке моделі атрибуції і яку роль в цьому всьому відіграє post-view та post-click аналітика.

Парадокси реклами

Вплив маркетингової кампанії на майбутні конверсії не завжди очевидний. Рекламодавцю важливо розуміти, що воронка продажів масштабніша, ніж заведено вважати. І медіареклама найчастіше працює на верхніх рівнях цієї воронки, не забезпечуючи миттєвих конверсій після запуску.

При цьому непрямий або відкладений вплив реклами на свідомість людини (особливо інтернет-користувача) — одна з головних «фішок» медіареклами. Вона доводить, наскільки ефективною може бути рекламна кампанія, навіть якщо споживач цього прямо не усвідомлює.

Щоб наочно переконатися в ефективності маркетингових повідомлень і зробити рекламну кампанію точнішою, варто аналізувати поведінку користувачів не лише після кліку на оголошення, але й після його перегляду. Це називається post-click та post-view аналізом. Щоб краще зрозуміти, розглянемо, які загалом існують моделі атрибуції та як у цьому контексті працює post-view та post-click модель.

Види моделей атрибуції конверсій

Рекламодавці знають, що шлях до конверсії часто лежить через зустріч користувача з різними рекламними оголошеннями — це може бути відеореклама, банери, рекламні щити тощо. Саме модель атрибуції визначає, яку частку цінності віддати кожній такій взаємодії. Це допомагає оптимізувати рекламні кампанії на всіх етапах воронки.

У Google рекламі представлені різні моделі атрибуції, кожна з яких має свої особливості та застосування в оцінці впливу реклами на конверсії.

Останній клік

Вся цінність конверсії присвоюється останньому оголошенню, на яке було здійснено клік.

На основі даних

Цінність конверсії розподіляється між усіма взаємодіями, що призвели до конверсії.

Припустимо, ви власник ресторану «Смак» у Києві. Користувач кілька разів заходив на ваш сайт через оголошення, які з'являлися за запитами «ресторан смак», «ресторан у Києві», «ресторан у Києві адреса» та «ресторан смак у Києві відгуки». Він бронює столик після переходу за останнім запитом.

• Модель за останнім кліком присвоює 100% цінності конверсії запиту «ресторан смак у Києві відгуки». 
• Модель на основі даних розподіляє цінність між усіма запитами.

Вибір та використання моделі атрибуції

Вибір моделі атрибуції важливий для аналізу та оптимізації рекламних кампаній. Це впливає на підрахунок значень у стовпцях «Конверсії» та «Усі конверсії», а також на стратегії призначення ставок.
Важливо і те, що моделі атрибуції працюють з різними типами конверсій. У Fusify ми вивели для себе класифікацію, яка допомагає точно валідувати конверсії та джерела лідів.

Click-Through Conversion

Конверсія, яка відбувається, коли користувач бачить рекламу, клікає на неї та виконує цільову дію (купівлю, реєстрацію) на сайті рекламодавця.

Assisted Click Conversion

Конверсія, яка відбувається, коли користувач бачить і клікає на рекламу, але не виконує цільову дію відразу, а робить це пізніше, використовуючи інше джерело трафіку.
Це якраз підкреслює важливість першого кліку на рекламу, який привернув увагу користувача та зіграв допоміжну роль у подальшій конверсії.

View-Through Conversion (Post-View аналіз)

Конверсія, яка фіксується, коли користувач бачить рекламу, але не клікає на неї, а пізніше виконує цільову дію на сайті рекламодавця, повернувшись на сайт з іншого джерела трафіку.
Розберемося, як працює кожен із видів атрибуції. І почнемо з останнього — post-view аналізу.

Як працює post-view аналіз

Post-view атрибуція або View-Through Conversion враховує покази реклами, навіть якщо користувач не клікнув на них, але все ж таки здійснив конверсію пізніше. Це про те, як покази оголошень впливають на рішення користувачів.
Уявіть, що ваш потенційний клієнт зайшов на сайт і помітив банер з рекламою нового смартфона. Він його побачив, але не клікнув. Через кілька днів він згадав про той смартфон, зайшов на сайт виробника і купив його. Ось для таких випадків і працює підрахунок конверсії за post-view моделлю атрибуції.

Етапи роботи post-view аналізу

1. Показ рекламного оголошення. Користувач помітив банер на сайті або в додатку. Помітив, але не натиснув.
2. Відстеження користувача. Навіть якщо він не клікнув на оголошення, система за допомогою встановленого на сайті pixel tag запам'ятовує, що він його бачив. Це відбувається також за допомогою інформації, що зберігається в параметрі user-id.
3. Дії користувача. Через кілька днів клієнт заходить на сайт рекламодавця і здійснює покупку або іншу цільову дію.
4. Аналіз даних. Система фіксує, що він купив товар після перегляду реклами на сайті, і пов’язує це з початковим показом.
5. Оцінка ефективності. На основі зібраних даних рекламодавці можуть зрозуміти, скільки користувачів виконали цільові дії після перегляду оголошень, навіть якщо вони не клікнули на них відразу.

Конверсія приписується до певного показу або кліку протягом періоду, який встановлює менеджер акаунта, і називається він «look back window». Тривалість цього періоду може змінюватися залежно від типового часу конверсії для конкретного продукту.
Наприклад, Google оперує таймінгом у 10 і 15 днів, але за стандартний підхід зазвичай беруть проміжок у 30 днів.

Протягом цього періоду правило приписування конверсії до кліку або показу звучить як «кліки важливіші за покази». Таким чином, наприклад, якщо користувач бачить шість ваших креативів, а потім клікає на один із них і пізніше конвертується, покази до кліку не будуть зараховані як конверсія.

Навіщо це потрібно

Аналіз View-Through Conversion дозволяє зрозуміти, як реклама впливає на конверсії, навіть якщо клієнт не клікав на рекламний банер. Якщо він бачив або клікав на рекламу в межах визначених періодів і здійснив покупку, система зарахує ці події. Кліки мають пріоритет над показами, тому якщо користувачі клікнули на рекламу, це буде враховано в першу чергу.
Таким чином, Post-view аналіз допомагає рекламодавцям оцінювати довгостроковий вплив реклами на поведінку користувачів.

Він показує, що реклама може бути ефективною, навіть якщо вона не призводить до миттєвих кліків.

Це дає більш повне розуміння того, як працюють рекламні кампанії, і допомагає краще планувати майбутні медійні активності.

Як працює post-click аналітика

Post-click атрибуція (або атрибуція після кліку) враховує лише ті взаємодії, де користувач клікнув на оголошення і здійснив конверсію. Ця модель показує, як кліки по банерах напряму призводять до конверсій.
Уявімо такий сценарій. Користувач переглядає новини у соціальних мережах або на місцевому таблоїді. Там він бачить рекламне відео про розпродаж взуття. Йому сподобались кросівки, і він клікає на умовний Rich-Media банер чи ролик і переходить на сайт магазину.
Розберемо, як працює post-click аналітика, спостерігаючи за діями потенційного клієнта в інтернеті.

Клік на рекламу

Людина заходить на сайт, бачить привабливе оголошення і клікає на нього. У цей момент відбувається важлива подія — система за допомогою вже знайомого нам pixel tag фіксує, що користувач перейшов на сайт за цим конкретним банером або відео.

Принцип роботи пікселя наступний:

1. Скрипт «ловить» користувачів сайту, коли вони заходять на цільову сторінку.
2. Система формує їхні портрети і відстежує дії на сайті.
3. Отримані дані DMP надсилає на акаунт, з якого рекламодавець керує таргетованою рекламою, а користувачам згодом показує рекламу вашого продукту.

Це перший крок у ланцюжку post-click аналітики.

Відстеження дій на сайті

Далі користувач потрапляє на сайт магазину. Тепер система бачить, які сторінки він переглядає, які товари додає в кошик, які одиниці продукції порівнює тощо.
Припустимо, він одразу знаходить ті самі круті бігові кросівки, додає їх до кошика і оформлює замовлення. У такому випадку система пов'язує покупку з тим самим кліком на оголошення. Це означає, що реклама була успішною, налаштована правильно і призвела до конверсії. Тут ми маємо справу з класичною для розуміння Click-Through Conversion.
Але не завжди користувач настільки рішучий. Сумніви клієнта — звична справа для e-commerce сегменту. Припустимо, клієнт переглянув кросівки, але вирішив трохи подумати або звернутися до конкурентів.
Через кілька днів він повертається на сайт і все-таки купує взуття. Оскільки користувач зайшов на сайт у межах встановленого періоду (зазвичай це до 30 днів), система все одно пов'язує цю покупку з початковим кліком на рекламу. Тут вступає в гру вже згадана вище атрибуція Assisted Click Conversion.

І найбільш небажаний варіант для рекламодавця — це коли користувач клікнув на оголошення, переглянув кілька моделей кросівок, але нічого не купив і пішов із сайту. Система фіксує, що клік був, але конверсії не відбулося. Це сигнал, що, можливо, варто змінити дизайн лендінгу, точніше сформулювати пропозицію або запропонувати знижку тим, хто не завершив покупку.

Чому це важливо

Post-click аналітика допомагає зрозуміти, наскільки ефективна реклама не лише у залученні відвідувачів на сайт, а й у їхніх подальших діях.

Post-view і post-click аналітика — друге дихання для медійної реклами

Якби ми робили ставку лише на конверсії, які фіксуються відразу після кліків на банер, важливий аспект впливу медійної реклами вислизнув би. Користувачеві взагалі не обов'язково взаємодіяти напряму з рекламним банером, щоб довести, що він працює. Коли відвідувач сайту бачить ваше оголошення, бренд залишається в його пам'яті, навіть якщо він не здійснює негайних дій.
На відміну від пошукової реклами, яка працює як механізм pull-маркетингу, «медійка» майже завжди асоціюється з push-маркетингом.

Саме тому після впровадження Post view і Post Click реклама через DSP стає корисною не лише для збільшення впізнаваності бренду та проведення brand awareness кампаній, але й для підвищення конверсій. А використовуючи цілісний аналіз рекламних кампаній, можна оцінити вартість цільової дії з урахуванням усіх взаємодій користувача.

При цьому у DMP збираються не лише post-view дані від медійної реклами. Ми також враховуємо інші джерела переходів на сайт. Такий підхід допомагає одразу визначити ключові дії (KPI), важливі для клієнта, і зрозуміти, які фактори впливають на кінцеву вартість дії (CPA). Це дає повніше уявлення про ефективність рекламної кампанії та дозволяє клієнтам оптимізувати бюджети й будувати воронки з більш прогнозованим результатом конверсій.