30-секундное резюме:
- Поскольку сторонние файлы cookie в конечном итоге будут постепенно прекращены, а маркетологи будут искать альтернативные подходы, они могут потеряться в море данных, пытаясь измерить и оценить влияние.
- Сосредоточение внимания на качестве пользователей вместо атрибутивных конверсий может смягчить неудобство потери сторонних файлов cookie.
- Переход от файлов cookie к новой модели взаимодействия потребует постоянного тестирования, поэтому по возможности делайте данные простыми.
В течение многих лет цифровые маркетологи были избалованы сторонними файлами cookie и возможностью точно отслеживать вовлеченность — это упростило жизнь и облегчило отчет об активности кампании. Такой подход позволил нам легко увидеть, сколько конверсий внесли Meta, Criteo или инфлюенсер с минимальными усилиями. Но возможный отказ от сторонних файлов cookie требует точных данных о взаимодействии, чтобы обеспечить максимально четкий переход на новые идентификаторы. Однако из-за невежества или удобства многие рекламодатели по-прежнему принимают слишком позитивные и слепо оптимистичные показатели за истину.
Подсчет ваших цыплят до того, как они превратились
Если мы возьмем, к примеру, Facebook, у них нет возможности узнать, в какой степени их услуги способствовали конверсии. Есть много способов получить сильно завышенные цифры, например, иметь несколько точек взаимодействия и одну конверсию, связанную с несколькими каналами, или даже неточности из-за ложных срабатываний. Это особенно беспокоит тех, кто занимается интенсивным ремаркетингом на основе прошлых пользователей, которые уже посещали сайт или взаимодействовали с ним. Необходимо задаться вопросом: при работе с неточными метриками ремаркетинг действительно будет способствовать дальнейшим конверсиям или он просто припишет пропущенные клики кампаниям, которые не увеличивают доход?
Мы, люди, любим упрощать вещи, особенно сложные шаблоны. Представьте, насколько сложным является посещение вашей веб-страницы — вы получаете сеанс, связанный с пользователем, который учитывает различные атрибуты, такие как возраст, пол, местоположение, интересы, а также их текущую активность на вашем сайте. Затем эти пользовательские данные отправляются, например, в Google Ads в списке ремаркетинга.
Даже список ремаркетинга представляет собой заметную переменную при попытке понять смысл конверсий. Пользователи Facebook и Google не равны 1:1: один пользователь Google часто подключается к большему количеству устройств и браузеров, чем средний пользователь Facebook. Вы можете получить конверсию с устройства, которое Google подключил к тому же пользователю, в то время как у Facebook может не быть никакой информации.
С каждым пользователем, посещающим ваш сайт, вы заполняете списки ремаркетинга. Эти списки ремаркетинга создают «двойников» в Facebook и «похожих» в Google. Эти «похожие» могут быть чрезвычайно полезными, поскольку, хотя трафик из одного канала может быть отнесен к нулю или отсутствию конверсий, на самом деле они могут помочь создать наиболее эффективные «похожие» в Google Ads, которые затем могут привести к большому количеству дешевых конверсий.
Определите данные, которые помогут вам избежать чрезмерной атрибуции
Все усилия по автоматической оптимизации, будь то оптимизация бюджета кампании (CBO) или целевая цена за конверсию, зависят от данных. Чем больше данных вы предоставите машинам, тем лучшие результаты вы получите. Чем больше ваши списки ремаркетинга, тем эффективнее будут ваши автоматические/умные кампании в Google. Именно это делает ценность пользователя такой многогранной и невероятно сложной, даже если вы не принимаете во внимание впечатление от рекламы.
Учитывая эту невероятную сложность, нам нужна модель атрибуции, которая может достоверно отображать данные о взаимодействии, не завышая и не занижая конверсии кампании. Однако, хотя может быть много моделей, которые хорошо подходят для получения наиболее точных результатов, следует помнить, что атрибуция сама по себе ошибочна. Как потребители, мы понимаем, что действия, которые приводят нас к конверсиям в нашей личной жизни, разнообразны, и так много вещей, которые невозможно отследить настолько, чтобы их можно было приписать. Хотя атрибуция не может быть идеальной, по сути, это лучший доступный инструмент, который может стать гораздо полезнее, если его применять вместе с другими точками данных.
Модель атрибуции по последнему непрямому клику
Если вы пытаетесь избежать завышенных данных, самая простая модель атрибуции — это последний непрямой клик. В этой модели весь прямой трафик игнорируется, а вся ценность конверсии достается последнему каналу, по которому щелкнул клиент, что в конечном итоге предотвращает ложное отнесение любых конверсий к нескольким точкам взаимодействия. Это простая модель, учитывающая только самый минимум, которая все еще позволяет решить проблемы чрезмерной атрибуции, будучи прямой. Таким образом, маркетологи могут измерять эффект, а не приписывать части конверсии различным кампаниям или каналам. Это действительно очень простой подход; по сути, «Если мы сделаем это с x, увеличится ли это у?». Конечно, как и у всех моделей атрибуции, у метода «последний непрямой клик» есть свои недостатки. Во-первых, это не идеальное решение для избыточного или недостаточного вклада, но это легко воспроизводимый и стратегически обоснованный подход, который предоставляет надежные данные, с помощью которых вы можете измерить все в одном месте.
В любом случае отсроченная смерть сторонних файлов cookie, безусловно, заставляет многих переоценивать свои методологии цифровой рекламы. На данный момент активные маркетологи продолжат поиск безопасных для конфиденциальности идентификаторов, которые могут предоставить альтернативные решения. Первичные данные вполне могли бы сыграть более важную роль, если бы можно было надежно получить согласие пользователей. Пока мы ждем перехода, приведение ваших данных в порядок и поиск точных и надежных подходов к атрибуции должны быть приоритетом.
Поэтому обеспечение точности этих данных является обязательным. Этого можно добиться, обеспечив отсутствие расхождений между кликами и сеансами, в то время как все веб-страницы точно отслеживаются. При отсутствии автоматического отслеживания UTM также следует использовать для отслеживания всех кампаний, и, если возможно, отслеживание должно осуществляться на стороне сервера. Наконец, маркетологи должны протестировать свое отслеживание с помощью Tag Assistant и убедиться, что они не создают повторяющихся сеансов и не теряют параметры во время сеанса. В конечном счете, как только сторонние файлы cookie полностью устареют, направление, в котором будут двигаться маркетологи, в конечном итоге будет определяться данными, которые должны быть максимально точными.
Торкель Оман является техническим директором и соучредителем Amanda AI. Торкель, отвечающий за создание искусственного интеллекта Аманды, с его опытом работы с данными и аналитикой, наблюдает за всеми техническими аспектами продукта, обеспечивая бесперебойную работу всех рекламных аккаунтов.
Подпишитесь на информационный бюллетень Search Engine Watch, чтобы получать информацию о SEO, поисковой среде, поисковом маркетинге, цифровом маркетинге, лидерстве, подкастах и многом другом.
Присоединяйтесь к разговору с нами на LinkedIn а также Твиттер.
