Анализ данных позволяет понять потребности аудитории, а моделирование атрибуции – правильно выбрать маркетинговую стратегию. Оценивая эффективность кампаний, в которых используются различные цифровые и офлайн-каналы, а также взаимодействие на разных устройствах и на разных этапах пути к покупке, не стоит ограничиваться одним подходом.

Данные, полученные с помощью другого подхода, могут полностью изменить картину. Конечно, это всего лишь цифры. Однако их ценность сильно вырастает, если они нужны не для подкрепления решения, а для его принятия.. Чтобы получить такие данные, нужно сначала собрать и проанализировать информацию – то есть понять, каким образом потребители взаимодействуют с вашим брендом.

Большинство маркетологов считают, что для оценки эффективности маркетинговой стратегии достаточно проанализировать поведение потребителей(их взаимодействие с брендом в Интернете). На практике этого может оказаться недостаточно. А чтобы получить ценные выводы, потребуется совместить аналитику с моделированием атрибуции.

Анализ данных позволяет понять предпочтения потребителей. Как правило, рассматривается их поведение на сайтах и в приложениях, а также способы взаимодействия, например звонки в колл-центр. Полученную информацию можно использовать для принятия решений о таргетинге, маркетинговой стратегии и продвижении продуктов. Хотя без таких сведений не обойтись, для полной картины их все же недостаточно. Ведь компании, задействующие для продвижения бренда более двух каналов, могут упустить важную информацию о точках взаимодействия на пути клиента к покупке или в разных маркетинговых инструментах. Атрибуция на основе данных позволяет отслеживать и оценивать все точки взаимодействия, влияющие на конечный результат независимо от того, чем завершилось пребывание потенциального клиента на сайте.

Представьте, что атрибуция – это хлеб, а анализ данных – масло. Конечно, хлеб и масло можно есть по отдельности. Но бутерброд вкуснее.

Многие думают, что данные, полученные с помощью двух разных подходов, противоречат друг другу. Это не так. Представьте, что атрибуция – это хлеб, а анализ данных – масло. Конечно, хлеб и масло можно есть по отдельности. Но бутерброд вкуснее. Комбинируя оба подхода, вы сможете составить общий план оценки эффективности с едиными ключевыми индикаторами (KPI). При этом вы получите возможность быстрее выходить на нужных пользователей, мотивировать их и направлять на ресурсы, где они смогут найти нужную информацию и осуществить конверсии.

Давайте рассмотрим, как совместное использование двух подходов может вывести анализ эффективности на более высокий уровень.

Как повысить точность измерений

Чтобы лучше понять, зачем и как комбинировать анализ данных и атрибуцию, рассмотрим следующий пример.

Анна Иванова – руководитель отдела маркетинга в компании, занимающейся продажей обуви (назовем ее ABC). Товар реализуется как через веб-сайт, так и через сеть обычных магазинов. Маркетинговая стратегия компании предусматривает показ рекламы на разных медийных каналах и устройствах. В этом году ABC планирует увеличить продажи работающим женщинам в возрасте 18–24 лет (назовем условно эту целевую аудиторию "молодые работающие женщины").

Анна должна выяснить, как достичь этой цели. А для этого ей нужно понять, что приводит представительниц выбранной группы на сайт ABC и какие действия они там совершают. Есть и другие вопросы. Переходят ли они по платным объявлениям в поиске, например по запросу "открытые туфли на платформе"? Какие страницы сайта они просматривают? Ищут ли они в основном сезонную обувь, например сапоги зимой и босоножки летом? Читают ли они ежемесячные обзоры модных новинок на сайте? Анализ данных даст Анне ответы на все эти вопросы. С помощью полученной информации она сможет улучшить для своих потенциальных клиентов навигацию на сайте и упростить процесс покупки. В результате покупательницы смогут найти именно тот товар, который им требуется, и тогда, когда они в нем нуждаются. А компания ABC получит лояльных клиентов, которые с удовольствием вернутся к ним за новой покупкой.

Давайте теперь представим, что эти женщины в течение какого-то времени не заходили на сайт ABC (или вообще не заходили туда никогда), и задача Анны – привлечь их. Для этого ей понадобится информация о том, как вообще представители ее целевой аудитории проводят время в Интернете. С какими медиаканалами они взаимодействуют? Покупают ли они товары в Интернете? Если да, то какими устройствами пользуются для этого? Чтобы найти ответы, Анна начинает с анализа маркетинговых каналов компании ABC: медийных объявлений, объявлений в поисковой и социальных сетях, телевизионной и печатной рекламы. Анна проводит оценку всех точек взаимодействия и с помощью атрибуции получает полную картину с учетом всех маркетинговых каналов. Например: увидев рекламу в такой-то телепередаче, потенциальный покупатель заходит на сайт ABC. Кроме того, Анна может обнаружить, что реклама в социальных сетях стимулирует взаимодействие с объявлениями в электронной почте и таким образом помогает повышать продажи. Или что клиенты ищут информацию о продукте в Интернете, а покупают его в местном магазине ABC. На основе этих выводов Анна корректирует маркетинговый бюджет таким образом, чтобы наиболее эффективно привлечь покупательниц, взаимодействующих через разные каналы, и заручиться их лояльностью.

Как оценить потребности в атрибуции

Мы рассмотрели, как анализ данных и атрибуция дополняют друг друга. Давайте теперь предположим, что вы уже используете какой-либо из этих подходов для анализа поведения потребителей, но получаемой информации недостаточно. Перед тем как приступить к созданию эффективной модели атрибуции, ответьте себе на четыре следующих вопроса:

1. Располагаю ли я информацией обо всех точках взаимодействия? Вероятно, используемая вами стратегия оценки эффективности позволяет создать базовую модель атрибуции. Например, у вас есть возможность отслеживать, какие события привели к конверсии на вашем сайте, и получать информацию о ценности каждой точки взаимодействия на пути к ней. Но принимать взвешенные решения на основе этой модели вы не можете. Конечно, многое зависит от объема данных, которыми вы располагаете. Подумайте, сколько источников информации поддерживает ваша модель атрибуции? Если вы работаете всего с парой маркетинговых каналов и у вас нет трудностей в обработке данных, простого анализа будет достаточно. Но если вы имеете дело с большим количеством онлайн-, а также офлайн-каналов и медиаплатформ (например, радио и телевидением), модель атрибуции стоит расширить.

2. Что мне даст применение модели атрибуции? В специализированных моделях атрибуции задействованы сложные алгоритмы, позволяющие сформировать картину, на основе которой будут приниматься последующие решения. Например, атрибуция на основе данных дает возможность выявлять ключевые для бизнеса точки взаимодействия. При сравнении путей к конверсии имеют значение все факторы: количество последовательных точек взаимодействия, порядок показа объявлений, их типы и многое другое.

3. Есть ли у меня специалисты, которые смогут выбрать и внедрить модель атрибуции, а затем интерпретировать результаты и принимать решения? Если вы рассчитываете использовать данные, получаемые с помощью атрибуции, для принятия решений, в вашем распоряжении должны быть соответствующие специалисты. Это могут быть как ваши коллеги, так и внешние консультанты. Хороший специалист должен уметь правильно ставить вопросы и давать квалифицированные консультации по внедрению, интеграции, оптимизации, применяемым методам и технологиям, поддержке и т. д.

4. Не переплачиваю ли я, вкладывая деньги в два решения сразу? Если у вас небольшая компания, использование одного инструмента может покрыть все потребности – как в анализе данных, так и в атрибуции. Но если вы крупный рекламодатель со сложной маркетинговой экосистемой, инвестиции в мощные инструменты аналитики и моделирования атрибуции обеспечат вам гораздо более качественные результаты.

Современные маркетологи сталкиваются со множеством задач, для решения которых разработаны разные инструменты. Начните с изучения пути ваших клиентов к покупке и микромоментов, в которые вы можете наладить взаимодействие с ними. Вы не обязаны отдавать предпочтение анализу данных или атрибуции. Комбинируйте оба этих подхода, а инструменты и методы выбирайте исходя из потребностей вашего бизнеса.