За пределами кликов: как post-view и post-click аналитика увеличивает продажи и ROMI

Когда мы спрашиваем рядового пользователя сети, взаимодействует ли он с рекламой, скорее всего, слышим прямолинейный ответ — «почти никогда». Но, к счастью для рекламодателя, это совсем не так. Попробуем разобраться, как на самом деле рекламные объявления конвертируют трафик, как устроена вебаналитика, что такое модели атрибуций и какую роль в этом всем играет Post view и Post Click аналитика.

Парадоксы рекламы

Влияние маркетинговой кампании на будущие конверсии не всегда очевидно. Рекламодателю важно понимать, что воронка продаж масштабнее, чем принято считать. И медиареклама чаще всего работает на верхних уровнях воронки.  Она не дает мгновенных конверсий после запуска. 

При этом непрямое или отложенное влияние рекламы на сознание человека (особенно пользователя в интернете) — одна из главных «фишек» медиарекламы. Она доказывает, насколько эффективной может быть рекламная кампания, даже если потребитель этого прямо не признает.

Чтобы по-настоящему понять эффективность маркетинговых сообщений и сделать рекламную кампанию точнее, стоит анализировать поведение пользователей не только после клика по объявлению, а и после его просмотра. Это называется  post-click и post-view анализом. Чтобы лучше разобраться, рассмотрим, какие в целом существуют модели атрибуции и как в этом срезе работает Post view и Post Click модель.

Виды моделей атрибуции конверсий

Рекламодатели знают, что путь к  конверсии часто лежит через встречу пользователя с разными рекламными объявлениями — он может встречать на пути видеорекламу, баннеры, рекламные щиты и т.д. 

Именно модель атрибуции определяет, какую долю ценности отдать каждому такому взаимодействию. Это помогает оптимизировать рекламных кампании на всех этапах воронки.

В Google Рекламе представлены различные модели атрибуции, каждая из которых имеет свои особенности и применение в оценке влияния рекламы на конверсии.

1. Последний клик

 Вся ценность конверсии присваивается последнему объявлению, на которое кликнули.

2. На основе данных

 Ценность конверсии распределяется между всеми взаимодействиями, которые привели к конверсии.

Допустим, вы владелец ресторана «Смак» в Киеве. Пользователь уже несколько раз заходил на ваш сайт по объявлениям, которые выдавались ему по запросу «ресторан смак», «ресторан в Киеве», «ресторан в Киеве адрес» и «ресторан смак в киеве 3 отзывы». Он бронирует столик после перехода по последнему запросу.

• Модель по последнему клику присваивает 100% ценности конверсии запросу «ресторан смак в киеве отзывы».
• Модель на основе данных распределяет ценность между всеми запросами.
  
  

Выбор и использование модели атрибуции

Выбор модели атрибуции важен для анализа и оптимизации рекламных кампаний. Это влияет на подсчет значений в столбцах «Конверсии» и «Все конверсии», а также на стратегии назначения ставок.
Важно и то, что модели атрибуции работают с разными типами конверсий. Во Fusify мы вывели для себя классификацию, которая помогает точно валидировать конверсии и источники лидов.

1. Click-Through Conversion 

Конверсия, которая происходит, когда пользователь видит рекламу, кликает по ней и совершает целевое действие (покупку, регистрацию) на сайте рекламодателя.

2. Assisted Click Conversion

Конверсия, которая происходит, когда пользователь видит и кликает по рекламе, не совершает целевое действие сразу, а делает это позже, используя другой источник трафика. 

Это как раз подчеркивает важность первого клика по рекламе, который привлек внимание пользователя и сыграл вспомогательную роль в последующей конверсии.

3. View-Through Conversion (Post-View анализ)

 Конверсия, которая фиксируется, когда пользователь видит рекламу, но не кликает на нее, а позже совершает целевое действие на сайте рекламодателя, вернувшись на сайт из другого источника трафика. 

Разберемся, как работает каждый из видов атрибуции. И начнем с последнего  — post-view анализа.

Как работает post-view анализ

Post-view атрибуция или View-Through Conversion учитывает показы рекламы, даже если пользователь не кликнул на них, но все же совершил конверсию позже. Это про то, как показы объявлений влияют на решения пользователей.

Представьте, что ваш потенциальный клиент зашел на сайт и заметил баннер с рекламой нового смартфона. Он его увидел, но не кликнул. Через несколько дней он вспомнил про тот смартфон, зашел на сайт производителя и купил его. Вот для таких случаев и работает подсчет конверсии по post-view модели атрибуции.

Этапы работы post-view анализа

1. Показ рекламного объявления. Пользователь заметил баннер на сайте или в приложении. Заметил, но не нажал.
2. Отслеживание пользователя. Даже если он не кликнул на объявление, система при помощи установленного на сайте pixel tag запоминает, что он его видел. Это происходит также с помощью  информации, которая хранится внутри user-id параметра. 
3. Действия пользователя. Через несколько дней клиент заходит на сайт рекламодателя и совершает покупку или другое целевое действие.
4. Анализ данных. Система фиксирует, что он купил товар после просмотра рекламы на сайте, и связывает это с первоначальным показом.
5. Оценка эффективности. На основе собранных в данных рекламодатели могут понять, сколько пользователей совершили целевые действия после просмотра объявлений, даже если они не кликнули по ним сразу.

Конверсия приписывается к определенному показу или клику в течение периода, который задает менеджер аккаунта, и называется он «look back window». Длительность этого периода может изменяться в зависимости от типичного времени конверсии для конкретного продукта. 

Так, например Google, оперирует таймингом в 10 и 15 дней, но в качестве стандартного подхода обычно берут зазор в 30.

В течение этого периода правило приписывания конверсии к клику или показу звучит как «клики важнее показов». Таким образом, например, если пользователь видит шесть ваших креативов, а затем кликает на один из них и позже конвертируется, показы до клика не будут засчитаны за конверсию.

Зачем это нужно

Анализ View-Through Conversion позволяет понять, как реклама влияет на конверсии, даже если клиент не кликал на рекламный баннер. Если он видел или кликнул на рекламу в пределах определенных периодов и совершил покупку, система засчитает эти события. Клики имеют приоритет над показами, поэтому если пользователи кликнули на рекламу, это будет учитываться в первую очередь.

Таким образом Post-view анализ помогает рекламодателям оценивать долгосрочное влияние рекламы на поведение пользователей. Он показывает, что реклама может быть эффективной, даже если она не ведет сразу к мгновенным кликам.

Это дает более полное понимание того, как работают рекламные кампании и помогает лучше планировать будущие медийные активности.

Как работает post-click аналитика

Post-click атрибуция (или атрибуция после клика) учитывает только те взаимодействия, где пользователь кликнул на объявление и совершил конверсию. Эта модель показывает, как клики по баннерам напрямую приводят к конверсиям.

Представьте такой сценарий. Пользователь листаете ленту новостей в соцсетях зашел почитать новости на местный таблоид. Там он видит рекламное видео о распродаже обуви. Ему понравились кроссовки, он кликает на условный Rich-Media баннер или ролик и переходит на сайт магазина. 

Разберем, как работает post-click аналитика, следуя по пятам за действиями потенциального клиента в интернете.

Клик на рекламу

Человек заходит на сайт, видит привлекательное объявление и кликает на него. В этот момент происходит важное событие — система с помощью уже знакомого нам  pixel tag фиксирует, что он перешли на сайт по этому конкретному баннеру или видео.
Принцип работы пикселя следующий:
1) Скрипт «ловит» пользователей сайта, когда они заходят на целевую страницу;
2) Система составляет их портреты и отслеживает  действия на сайте.
3) Полученные данные DMP отправляет на аккаунт, с которого рекламодатель управляет таргетированной рекламой, а пользователям в дальнейшем показывает рекламу вашего продукта

Это первый шаг в цепочке post-click аналитики.

Отслеживание действий на сайте

Далее пользователь попадает на сайт магазина. Теперь система видит, какие страницы смотрит, какие товары добавляет в корзину, какие единицы продукции сравнивает и т. д. 

Допустим, он сразу находит те самые крутые беговые кроссовки, добавляет их в корзину и оформляет заказ. В этом случае система связывает покупку с тем самым кликом по объявлению. Это значит, что реклама была успешной, настроена правильно и привела к конверсии. Здесь мы имеем дело с классической для понимания Click-Through Conversion.

Но не всегда пользователь настолько решителен. Сомнения клиента – привычное дело для e-commerce сегмента. Допустим, клиент посмотрел кроссовки, но решил немного подумать или пойти к конкурентам.

 Через пару дней он возвращается на сайт и всё-таки покупает обувь. Поскольку пользователь он на сайт в пределах установленного периода (обычно это до 30 дней), система всё равно связывает эту покупку с первоначальным кликом по рекламе. Здесь вступает в игру уже упомянутая нами выши атрибуция Assisted Click Conversion.

Ну и самый нежелательный вариант для рекламодателя — это когда пользователь кликнул на объявление, посмотрел несколько моделей кроссовок, но ничего не купил и ушел с сайта. Система фиксирует, что клик был, но конверсии не произошло. Это сигнал, что возможно, стоит изменить дизайн лендинга, точнее сформулировать предложение  или предложить скидку тем, кто не завершил покупку.

Почему это важно

Post-click аналитика помогает понять, насколько эффективна реклама не только в привлечении посетителей на сайт, но и в их последующих действиях. 

Post-view и  post-click аналитика — второе дыхание для медиарекламы

Если бы мы делали ставку только конверсии, которые зафиксировали сразу после кликов по баннеру, ускользал бы важный аспект влияния display-рекламы. Пользователю вообще не обязательно взаимодействовать напрямую с рекламным баннером, чтобы доказать, что он работает. Когда посетитель сайта видит ваше объявление, бренд остаётся у него в памяти, даже если он не совершает немедленных действий.

В отличие от поисковой рекламы, которая работает как механизм pull-маркетинга, «медийка» почти всегда ассоциируется с push-маркетинг.
Именно поэтому после внедрения Post view и Post Click реклама через DSP становится полезной не только для увеличения узнаваемости бренда и проведения brand awareness кампаний, но и для повышения конверсий.

А, используя  целостный анализ рекламных кампаний можно оценить стоимость целевого действия с учетом всех взаимодействий пользователя. При этом в DMP собираются не только post-view данные от медийной рекламы. Мы также также учитываем другие источники переходов на сайт. 

Такой подход помогает сразу определить ключевые действия (KPI), важные для клиента, и понять, какие факторы влияют на итоговую стоимость действия (CPA). Это дает более полное представление об эффективности рекламной кампании и позволяет клиентам оптимизировать бюджеты и выстраивать воронки с более прогнозируемым результатом конверсий.

‍