Онлайн-школа аналитики, которая размечала ссылки UTM-метками, тратит в неделю 120 000 ₸ на рекламу в Instagram и 80 000 ₸ на поиск Google (цифры в уроке условные). Владелец открывает отчёт по рекламе за неделю и видит, что на брендовую группу search_brand, где реклама показывается по названию школы, ушло 20 000 ₸ и пришло 15 заявок, по 1 333 ₸, а Instagram приносит заявки по 3 000 ₸. Он предлагает урезать Instagram и отдать деньги поиску. Таргетолог возражает: название школы гуглят те, кто сначала увидел видео школы в Instagram.
Правы могут быть оба, и отчёт этот спор не решит. Вот путь одной студентки:
- 3 октября она нажала на рекламный пост школы в Instagram с видео преподавателя, полистала программу и закрыла вкладку;
- 9 октября набрала в Google название школы, нажала на рекламу и оставила заявку;
- 12 октября открыла письмо с датой старта, перешла по ссылке и оплатила курс за 25 000 ₸.
Какой канал продал курс, зависит от того, по какому правилу считать и кто считает.
Атрибуция делит заслугу, а не ищет причину
Атрибуция - это правило, по которому заявка или продажа делится между касаниями, которые увидела система. Правило первого касания отдаст покупку посту в Instagram: с него всё началось. Правило последнего касания отдаст её письму, ведь после него студентка заплатила. Линейное правило разрежет покупку на три равные части. Все три правила описывают одну и ту же оплату на 25 000 ₸, и три продажи из них не сложить.
Владельцу нужно знать другое: купила бы студентка курс без видео. Может быть, она знала о школе от подруги, и реклама только напомнила. А может быть, без видео она бы о школе так и не услышала. Путь из трёх кликов в обоих случаях выглядит одинаково.
Какие модели остались в GA4
В статьях про атрибуцию до сих пор рисуют первое касание, линейную модель и распределение с учётом давности. В GA4 их больше нет: с ноября 2023 года в отчётах атрибуции осталось три модели.
- Атрибуция на основе данных (data-driven). Делит ценность ключевого события между касаниями по модели машинного обучения, которая учится на путях с конверсией и без неё. Доли считает Google, и повторить их вручную не получится.
- Последний клик (платные и бесплатные каналы). Всё достаётся последнему каналу, по которому был клик. Прямые заходы пропускаются.
- Последний клик (платные каналы Google). Всё получает последний клик по рекламе Google. Если такого клика в пути нет, модель считает так же, как предыдущая.
Прямой заход не получает заслуги ни в одной модели, кроме случая, когда из прямых заходов состоит весь путь. Если студентка после письма открыла сайт из закладок и оплатила, последний клик всё равно достанется письму. Письмо школа разметила utm_medium=email, поэтому GA4 относит его к каналу «Электронная почта».
Для нашей студентки модели распределят заявку и оплату так:
| Модель | Заявка 9 октября | Оплата 12 октября |
|---|---|---|
| Первое касание (в GA4 больше нет) | ||
| Последний клик (платные и бесплатные каналы) | Брендовый поиск | Письмо |
| Последний клик (платные каналы Google) | Брендовый поиск | Брендовый поиск |
| Атрибуция на основе данных | Доли Instagram и поиска | Доли всех трёх |
Модель для отчётов выбирают в «Администраторе»: «Просмотр данных» → «События» → «Настройки атрибуции», для этого нужна роль не ниже «Маркетолога». По умолчанию там стоит атрибуция на основе данных. Там же задают «Период учёта ключевых событий»: для заявок и покупок это 90 дней, можно сократить до 60 или 30, а для первого посещения сайта - 30 дней или 7. Смена модели пересчитывает и прошлые данные, а новый период действует только с того дня, как вы его поставили.
Где сравнить модели в GA4
Сравнение лежит в разделе «Реклама»: «Атрибуция» → «Модели атрибуции». В русской справке этот отчёт местами ещё называется «Сравнение моделей», так что, если увидите в интерфейсе старое название, это он и есть.
В отчёте две колонки «Модель атрибуции (непрямая)», где «непрямая» означает, что прямые заходы исключены. В каждой колонке выбираете свою модель. Ключевое событие тоже нужно выбрать: по умолчанию отчёт складывает все ключевые события вместе, и заявки смешаются с оплатами. Строки сначала разбиты по группам каналов, их можно переключить на «Источник/канал», «Источник», «Канал» или «Кампанию». Колонка «Изменения, %» показывает, насколько вторая модель прибавила каналу или забрала у него.
У школы за неделю по generate_lead вышло так:
| Группа каналов | Последний клик (платные и бесплатные каналы) | Атрибуция на основе данных | Изменения, % |
|---|---|---|---|
| Платная реклама в социальных сетях | 40 | 44,6 | +11,5% |
| Поисковая реклама | 20 | 15,1 | -24,5% |
| Органический трафик из соцсетей | 9 | 9,3 | +3,3% |
| Всего | 69 | 69 | 0% |
Модель на основе данных забрала у поиска около пяти заявок и отдала их рекламе в соцсетях. В путях, где встретились оба канала, она даёт видео больший вес, чем клику по названию школы. Итог в обеих колонках один и тот же, 69: модель переложила заявки из строки в строку, а их число не изменилось. Поэтому она говорит только о том, как поделить заявки.
Второй отчёт, «Пути атрибуции ключевых событий», открывается в том же разделе «Реклама» из раскрывающегося меню «Ключевые события». В нём видно, через какие каналы шли люди и сколько было касаний до заявки: это колонка «Точки взаимодействия до ключевого события». Если касание в пути одно, вся заявка достаётся ему в любой модели. Это пригодится, когда на вашем тесте колонки совпадут.
Свежие цифры в колонке data-driven ещё сдвинутся: Google может перераспределять конверсии в течение семи дней после того, как они случились. Сравнение за прошлую неделю лучше смотреть не раньше следующей.
Последний клик отдал продажу брендовому поиску
Вернёмся к спору. Модель «Последний клик (платные каналы Google)» записала оплату студентки на search_brand. Отсюда следует одно: по выбранному правилу заслугу получил брендовый поиск. Принёс ли он продажу, которой без него не было бы, отчёт не говорит.
С брендовым поиском это особенно заметно. Название школы ищут те, кто о ней уже знает. Возможно, часть из них без рекламы нажала бы на ссылку сайта в обычной выдаче, и заявка всё равно бы пришла. Сколько таких людей, не покажет ни одна модель: каждая обязана раздать заявку целиком каналам из пути. Вдобавок брендовую рекламу видят только те, кто сам набрал название школы. Деньги, снятые с Instagram, не заставят людей искать школу чаще.
Дополнительный эффект канала проверяют отдельно, экспериментом. Например, на время выключают брендовую рекламу в случайно выбранной половине регионов и сравнивают заявки с поиска, платного и обычного вместе, с остальными регионами. Заявок с поиска у школы около 20 в неделю, на каждую половину регионов придётся примерно по десять, и чтобы разница стала заметна, тест придётся держать несколько недель. Срок, метрику и правило остановки для него задают до старта, как в любом A/B-тесте.
Почему кабинеты и GA4 считают по-разному
GA4 знает только о переходах на сайт. Если студентка 5 октября увидела ещё одно видео школы и пролистала его, GA4 об этом не узнает. Кабинет Meta знает и о показах: по умолчанию он засчитывает рекламе заявку, если человек перешёл по ссылке в объявлении за семь дней до неё или видел его за день. Можно включить и третье окно: сутки после того, как человек нажал на объявление, но не на ссылку, или смотрел видео не меньше 5 секунд. Результат при этом попадает на день показа, а не на день заявки.
Студентка нажала на видео за шесть дней до заявки, поэтому Meta запишет заявку своему объявлению. Google Ads запишет её же брендовой группе: другой рекламы Google в этом пути не было. В CRM заявка одна, а в двух кабинетах их две. Если бы клик в Instagram был за 20 дней до заявки, а рекламу школы студентка потом не видела, Meta бы заявку себе уже не засчитала, а GA4 с периодом учёта 90 дней всё ещё видел бы этот клик в пути.
Поэтому заявки и оплаты считают по CRM и связывают с рекламой через сквозную аналитику, а цифры кабинетов используют, чтобы сравнивать объявления внутри одной площадки.
Даже внутри GA4 источник бывает трёх видов. «Первый источник/канал пользователя» показывает, откуда человек пришёл впервые, «Источник/канал сеанса» - откуда начался визит, а просто «Источник/канал» в отчётах атрибуции - кому досталось ключевое событие по выбранной модели. Первые два от модели не зависят. Так что заявки по каналам в «Привлечении трафика» и в «Моделях атрибуции» могут не совпадать, и ошибки здесь нет.
Задание: последний клик и data-driven на вашем тесте
Возьмите тест недели 2 трека «Старт» и подождите неделю после его окончания, чтобы цифры data-driven перестали меняться.
Задание готово, когда на скриншоте видны обе модели на ваших тестовых данных, а три предложения объясняют, где модели расходятся и почему.
На маленьком тесте колонки могут почти совпасть, и это нормальный результат. У центра подготовки к IELTS после теста в Meta было 11 заявок. Последний клик отдал 7 из них ig / paid_social, 3 - fb / paid_social, 1 - an / paid_social. Модель на основе данных оставила fb и an те же 3 и 1, а ig дала 6,6: один человек перед кликом по объявлению заходил на сайт из поиска Google, и 0,4 заявки ушло google / organic. Три предложения у центра выглядят так:
«Последний клик отдаёт рекламе в Meta все 11 заявок, модель на основе данных - 10,6: модели расходятся только на одной заявке, где перед кликом по объявлению был переход из поиска Google, и 0,4 этой заявки модель отдала поиску. Остальные десять путей состоят из одного клика по объявлению, а в таком пути любой модели некому отдать заявку, кроме него. По одиннадцати заявкам с такими короткими путями ничего не сказать ни о вкладе поиска, ни о том, стоит ли менять модель: одна заявка здесь - это 9% всего результата».
Если ваших заявок в отчёте нет, начните с двух мест. Отчёты атрибуции показывают только ключевые события, так что generate_lead должен быть отмечен ключевым событием. И метки должны дойти до страницы: без них переходы из Instagram окажутся в других строках, и сравнивать будет нечего.
Видео: модели атрибуции
Видео на русском, об атрибуции в целом. Из моделей, о которых в нём говорят, в GA4 сейчас доступны только три, разобранные выше.