Как выглядит позиция нейтралитета моделирование
В качестве целевой функции в данном случае можно выбрать годовую прибыль предприятия, т.е. разницу между доходом от проданной продукции и затратами. Очевидно, лучшим решением будет то, которому соответствует максимальная прибыль.
Составим матрицу решений для данной задачи (табл.2). Значения целевой функции приведены в условных единицах.
Матрица решений для примера 1
Однако анализ альтернатив затруднен наличием внешних факторов, в результате чего в одних условиях (НС) лучше альтернатива х1, в других (СС) – х2, в третьих (ВС) – х3.
Эта функция может иметь разный вид в зависимости от позиции ЛПР. В теории принятия решений различают следующие основные позиции:
— позиции компромисса и
Как же анализировать матрицу решений с этих позиций ЛПР?
Оптимист старается не принимать во внимание плохие результаты, надеясь на наступление наиболее благоприятных внешних условий. Поэтому в качестве компоненты вектора результатов, соответствующей каждому решению, он назначает максимальный результат, т.е. максимальное значение строки:
— это оптимистическая позиция, или позиция азартного игрока.
Для пессимиста вполне логично вспомнить закон Мэрфи: “Если несчастье может случиться, оно случится обязательно”. Эта позиция оправдана там, где риск недопустим. Выбирая решение в соответствии с этой позицией, мы гарантируем себе результат, не меньший, чем выбранный. А если повезет, и реализуются более выгодные внешние условия, то можно получить максимальный в данной строке результат. Вектор результатов записывается следующим образом:
— это пессимистическая позиция.
Позиция компромисса учитывает как максимальный, так и минимальный результаты строки:
Формируя желаемый результат в таком виде, мы исходим из компромисса между оптимистической и пессимистической позициями.
Позиция нейтралитета учитывает все последствия принимаемого решения и поэтому выглядит следующим образом:
.
2.2 Классические критерии принятия решения
С целью формализации принятия решений в условиях природной неопределенности разработаны классические критерии принятия решений, отражающие ту или иную позиции ЛПР. Рассмотрим классические критерии более подробно.
Минимаксный критерий (ММ), или критерий Вальда
ММ-критерий отражает позицию крайней осторожности, или крайнего пессимизма.
Оценочная функция ММ-критерия:
Правило выбора решения в соответствии с ММ-критерием:
Матрица решений 
дополняется еще одним столбцом из наименьших результатов fir любой строки. Выбрать следует те варианты, в строках которых стоят наибольшие значения fir этого столбца.
Выбранные таким образом варианты полностью исключают риск. Т.е. нельзя столкнуться с результатом хуже, чем max fir, какие бы условия aj ни встретились. Поэтому ММ-критерий считается одним из фундаментальных, в технических задачах он применяется чаще всего.
Однако нежелание рисковать приводит к различным потерям.
Рассмотрим пример 2. Пусть есть две альтернативы (табл.3):
Нейтралитет как способ гарантированно проиграть
Выражение «нейтральная позиция» обладает положительными коннотациями в общем случае. Главным образом, по причине смешения с понятием «объективная позиция». Поэтому считается достойным и даже респектабельным занимать нейтральную позицию. Можно даже пытаться свысока обвинять определившихся в ангажированности, в зашоренности и в бездумном следовании чужим установкам. Но это ошибочное смешение.
Нейтральная позиция – это не объективная позиция, а отсутствие позиции из-за сознательного отказа от ее определения или от неспособности понимать ситуацию.
Россиянин вряд ли сможет занять какую-либо сторону в споре о двух бейсбольных командах – он не обладает никакой информацией по вопросу. Будет ли его позиция нейтральной? – Нет. У него позиция просто отсутствует. И уж никакой объективностью это отсутствие позиции не может быть.
А оказавшись между группами фэнов Юнайтед и Ливерпуля, россиянин остережется занимать вообще какую-то позицию, даже если он имеет одно из этих предпочтений или какое-то третье. Нейтралитет? – Нет, уклонение, которое тоже может не спасти.
Найти примеры, подходящие все же под определение нейтрального мнения, все же возможно. Бывает, смотришь матч команд, к которым относишься одинаково равнодушно. И тебе вот совершенно безразлично, какая из них победит. Нейтралитет, да. Но вот он весьма своеобразный. Недобрый. Раз уж я смотрю игру, то хочу видеть настоящее рубилово. Поэтому при счете 2:0 я начну болеть за проигрывающих. Ведь если станет 3:0, то остаток матча будет скучен.
Заметьте, я начинал смотреть, желая добра обеим соперникам, а в тот момент я начинаю желать зла одной из них. Только ради собственного развлечения. И у меня есть оправдание: «Я за красивый футбол же». Быть нейтральным ведь частенько считается благородным? Вот такое «благородство».
А вот пылает огонь холивара Интел vs. АМД. Допустим, я зайду туда с нейтральной позицией. Дескать, обе хороши или обе плохи. И? Прежде всего, таким высказыванием я отметаю все многочисленные аргументы обеих сторон «за» и «против». Весьма обоснованные, эмоциональные и даже религиозные. Считается, что в нейтралитете есть нечто примиренческое, толстовское. Но ведь я только что поставил себя выше всех имеющих позицию, оскорбил и принизил их. На такой основе вряд ли можно достичь примирения. И люди это чувствуют.
Самые яркие примеры опасности нейтралитета, конечно, наблюдаются в случае прямого вооруженного противостояния. Допустим, это регулярная война между государствами.
— Понимаете, я тут в нейтральной позиции. Мне что наш Гитлер, что их Сталин – всё едино…
Боюсь, гамбургский военком такого не понял бы. Jedem das Seine в лучшем случае.
Или вдруг на фронте вдруг проникнуться равнозначным отношением:
— В сущности, я ничего против тех парней не имею. Зачем тогда мне идти в атаку?
Это всё достаточно просто. А вот в случае гражданской войны… Казалось бы, противоположные стороны разделились и выступили по собственному желанию, и есть возможность объявить и сохранить нейтралитет. Казалось бы…
Вот ты простой человек, который лишь желает жить и жить по возможности хорошо, на территории, занятой сепаратистами. И эти самые сепаратисты в любой момент могут у тебя спросить:
— А почему это ты не вступаешь в наше народное ополчение?
В принципе-то, вступление туда всегда было добровольным, но как на такой вопрос ответить? Ссылка на нейтральность в конфликте тут не поможет, это воспримут как симпатию к той стороне или как антипатию к этой. А ведь оно так и есть. Нейтралитет – это либо равные симпатии, либо равные антипатии ко всем.
Тут есть важный момент. Да, можно с этими равными мнениями находиться где-то в совсем другом месте. В Новой Зеландии, например. И быть просто «за красивый футбол». Либо слегка сокрушаться и желать мира, либо азартно ожидать рубилова. Нейтралитет – он такой. Но вот внутри ситуации подобная нейтральность невозможна по непосредственно окружающим причинам.
Да и не спросят ничего. Как жить нейтрально? Допустим, ты держишь магазин. Продаешь товары, нужные людям. Сепаратисты оценят это положительно. А ну как лоялисты возьмут город и пришьют тебе сотрудничество с врагом? Снабжал ведь продуктами питания противника. Равно и наоборот: закрыл лавку – саботажник. Разве возможно действовать так нейтрально, чтобы обе противоположные стороны (в случае чего) оценили это в свою пользу?
Полагаю, что в случае активных решений таких способов не существует. Есть вариант с пассивными решениями. Да и вряд ли можно назвать это решениями тогда, если они пассивны. И тут мы подошли к значимому выводу.
Нейтралы – это лишь ресурс для тех, кто имеет активную позицию.
Все ведь слышали про пассионарное меньшинство, которое почти всегда способно изменить ситуацию в свою пользу. Для организации военного переворота не нужно всей армии государства. Все военные перевороты осуществлялись одним полком или батальоном из столичного гарнизона. При этом множество дивизий где-то там оставались пассивными, ожидая лишь результатов. Если мятежникам удается, опираясь на эту жалкую кучку сил, быстро перехватить рычаги управления, то армия просто подчиняется новым командующим.
Чисто по-человечески, это объясняется просто. У дивизии есть свой генерал, который к этой должности шел всю свою жизнь. И он не рискнет поставить ее на кон в неопределенной ситуации. Да, он мог бы бросить свои силы к столице и подавить мятеж в том виде, который сейчас нечетко так наблюдается. А если нет? Гораздо надежнее дождаться какой-то определенности. Генералами не разбрасываются, они и старой, и новой власти будут нужны. Надо лишь вовремя подчиниться окончательному победителю.
Так вот. Армия – это именно инструмент. Она лишена собственной воли. Именно безволие вколачивают в каждого призывника, в каждого курсанта – будущего офицера. Всегда должен быть приказ сверху. Нет приказа – нет действий, нейтралитет as is.
И эта армия будет ресурсом у победителя в столичном военном мятеже. Именно эта армия, поняв, что дворец занят прочно (прошлыми или новыми – без разницы), станет выполнять новые приказы – обеспечит комендантский час, повяжет «врагов» и обеспечит спокойствие стране.
Нейтралы – всегда ресурс.
— Как это ты не станешь платить чрезвычайный налог на армию?
И вот нейтрал вместе со всеми мыслишками о том, что он воспаряет над схваткой, что его интеллект выше этих дерущихся за не пойми что, что его чувства не позволяют ему тех методов, что применяют те и другие… Его просто ставят в упряжку. Те, кто может. А прежде того, как они смогли, они того захотели.
Именно это хотение сделало их акторами, субъектами. А нехотение определяться сделало нейтрала объектом.
И мы плавно приехали в тему выборов и участия в них. Кто-то не захотел выбирать? Кому-то стало тошно от предлагаемых вариантов? Кто-то захотел поставить себя выше этой некрасивой возни? Кто-то считает себя нейтральным?
Этот кто-то проиграл. Он стал объектом и ресурсом. И его будут использовать все – победители, проигравшие, еще сражающиеся. Все, имеющие позицию, будут нейтральных использовать. Если только они не в Новой Зеландии.
Модели атрибуции — подробный обзор и сравнение
Соберите все данные для сквозной аналитики вместе с OWOX BI
Соберите все данные для сквозной аналитики вместе с OWOX BI
В этой статье мы рассмотрим основные принципы, плюсы и минусы большинства известных моделей атрибуции: от стандартных моделей из Google Analytics до Цепей Маркова и Вектора Шепли. Вы узнаете, как оценить взаимное влияние кампаний, а не только последний клик, и сможете выбрать модель, максимально подходящую вашему бизнесу.
бонус для читателей
Сравнительная таблица с моделями атрибуциии
Содержание
Зачем нужна атрибуция
Чтобы ответить на этот вопрос, давайте посмотрим на типичную воронку продаж. Она состоит из четырех основных этапов:
Большинство из вас наверняка знает, что удерживать клиентов намного дешевле, чем привлекать новых. На привлечение направлены менее персонализированные кампании. У них намного шире охват, их сложнее оценить.
На удержание, наоборот, направлены более целевые кампании, оценить эффективность которых намного легче, потому что мы уже знаем конкретного пользователя и можем связать все его покупки и взаимодействия с компанией.
Как же узнать, какие рекламные каналы и кампании и на каком этапе воронки срабатывают лучше всего? На этот вопрос помогает ответить атрибуция.
Атрибуция — это распределение ценности от конверсии между кампаниями, которые продвигали пользователя по воронке. Она помогает ответить на вопрос, в какой мере каждый из каналов повлиял на ту прибыль, которую вы получили в итоге.
Половина денег, которые я трачу на рекламу, не приносит пользы. Проблема в том, что я не знаю, какая именно половина.
Подобрав правильную модель атрибуции для своего бизнеса, вы сможете оптимально распределять рекламный бюджет и, как следствие, снизить расходы и увеличить доход. Давайте разберемся, кому какая модель подходит.
Наши клиенты
растут на
Растите быстрее, анализируя, что лучше сработает в вашем маркетинге
Измеряйте KPI, находите зоны роста и увеличивайте свой ROI
Какие модели атрибуции доступны на рынке
Существуют десятки возможных моделей атрибуции. Их можно классифицировать разными способами в зависимости от того, какая логика используется при расчете:
Давайте рассмотрим каждую модель подробнее.
Модели атрибуции Google Analytics на основе позиции канала в цепочке
Начнем с самых простых моделей атрибуции на основе позиции, которые доступны в бесплатной версии Google Analytics.
1. По первому клику (First Interaction или First Click)
Вся ценность, полученная от конверсии, атрибутируется на первый источник, который привел пользователя. Например, если у нас есть цепочка из 4 касаний, как показано ниже, по модели First Click вся ценность от конверсии уйдет CPC каналу.
Плюсы: легко настроить и использовать, так как нет никаких вычислений или аргументов относительно распределения ценности между каналами. Полезна для маркетологов, которые сосредоточены исключительно на формировании спроса и узнаваемости бренда.
Минусы: не показывает всю картину и переоценивает каналы верхнего уровня. В большинстве случаев пользователь делает несколько касаний перед покупкой, которые модель First Interaction полностью игнорирует.
Кому подходит: бизнесам, которые хотят повысить узнаваемость бренда и увеличить охват аудитории, а также понять, где покупать трафик, который потом конвертируется.
2. По последнему клику (Last Interaction или Last Click)
По этой модели вся ценность от конверсии достается последнему каналу, с которым соприкоснулся пользователь перед конверсией. Вклад остальных каналов все так же игнорируется. На нашем примере вся ценность достанется каналу Direct.
Плюсы: популярная и привычная многим маркетологам модель. Идеальна для оценки кампаний, направленных на быстрые покупки, например, сезонных товаров.
Минусы: как и все одноканальные модели, игнорирует роль других источников в цепочке перед заказом.
Кому подходит: бизнесам с коротким циклом продаж, которые используют до трех рекламных каналов.
3. По последнему непрямому клику (Last Non-Direct Click)
В отчетах Google Analytics эта модель используется по умолчанию. Вся ценность конверсии присваивается последнему каналу в цепочке, НО, если это прямой заход (Direct), то ценность атрибутируется на предыдущий источник. Логика проста — если пользователь перешел к вам из закладок или ввел URL, то он, скорее всего, уже знаком с вашим брендом. То есть это уже привлеченные пользователи, и их не нужно брать в расчет.
Плюсы: позволяет игнорировать незначительные с точки зрения рекламных расходов каналы и сосредоточиться на платных источниках. К тому же Last Non-Direct Click можно использовать как базовую для сравнения с другими моделями атрибуции.
Минусы: не учитывает вклад других каналов в конверсию. Кроме того, часто предпоследним источником в цепочке оказывается email. Мы понимаем, что этот пользователь откуда-то раньше приходил и оставил нам свой email. Используя Last Non-Direct Click, мы недооцениваем те источники, которые помогли пользователю ознакомиться с брендом, оставить свой email и в конечном итоге решиться на покупку.
Кому подходит: бизнесам, которые хотят оценить эффективность конкретного платного канала и которым уже не так важна узнаваемость бренда.
Чем OWOX BI отличается от Google Analytics 360. Атрибуция и маркетинговые отчеты
4. Линейная модель атрибуции (Linear model)
Еще одна очень простая модель — мы просто делим ценность от транзакции поровну между всеми источниками в цепочке.
Плюсы: простая, но при этом более продвинутая, чем одноканальные модели атрибуции, так как учитывает все сессии перед заказом.
Минусы: бесполезна, если вам нужно перераспределить бюджет — делить его поровну между каналами не самый оптимальный вариант, так как они не могут быть одинаково эффективны.
Кому подходит: бизнесам с длинным циклом продаж, которым важно поддерживать контакт с клиентом на всех этапах воронки, например, B2B компаниям.
5. С учетом давности взаимодействия (Time Decay)
Ценность от транзакции распределяется между каналами по нарастающей. То есть источник, который был первым в цепочке, получает меньше всего ценности, а источник который был последним и по времени ближе всех к конверсии, получает больше всего ценности.
Плюсы: все каналы в цепочке не остаются обделенными и получают свой «кусок пирога». Причем больше всего получает тот, который все-таки подтолкнул пользователя к покупке, что справедливо.
Минусы: сильно недооценивается вклад источников, которые привели пользователя в воронку.
Кому подходит: тем, кто хочет оценить эффективность акционных рекламных кампаний, то есть ограниченных во времени.
6. На основе позиции (Position Based или U-образная)
БОльшую ценность — по 40% — получают два источника: тот, что познакомил пользователя с брендом и тот, что закрыл сделку. Оставшиеся 20% делятся поровну между всеми каналами в середине воронки.
Плюсы: отдает наибольшую ценность каналам, которые в большинстве случаев играют самую важную роль — привлекают клиента и мотивируют совершить конверсию.
Минусы: иногда сессии в середине цепочки продвигают пользователя по воронке намного больше, чем кажется на первый взгляд. Например, помогают ему добавить товар в корзину, подписаться на рассылку или нажать «Следить за ценой». Модель Position Based такие сессии и их источники недооценивает.
Кому подходит: бизнесам, для которых одинаково важно как привлечь новую аудиторию, так и конвертировать в покупателей уже имеющихся пользователей.
Читайте также: использование современных моделей атрибуции проще, чем кажется, но требует слаженной работы аналитика, маркетолога и директора по маркетингу. Узнайте, как организовать свою работу и добиться лучших результатов на каждом из этапов.
В чем проблема стандартных моделей атрибуции
Согласно исследованию Ad Roll за 2017 год, 44% маркетологов в США и Европе используют атрибуцию по последнему клику. По нашему опыту для рынка СНГ этот процент еще больше. В то же время алгоритмические модели атрибуции на основе данных используют лишь 18% маркетологов.
При этом 72,4% тех, кто все еще использует Last Click, отмечают, что они не знают, почему это делают — так сложилось исторически. При выборе модели они отдали предпочтение той, которая выглядит самой простой и понятной, несмотря на то, что она недооценивает все сессии в цепочке, кроме последнего клика.
У происходящего, на наш взгляд, есть три основных причины:
Устранив эти причины, решить задачу атрибуции будет намного проще.
У Google Ads, Double Click и некоторых других сервисов тоже есть собственные модели атрибуции. Их общий недостаток в том, что по сути вы можете использовать для расчетов только внутренние данные сервиса.
бонус для читателей
Сравнительная таблица с моделями атрибуциии
Алгоритмические модели атрибуции
Представьте, что вы занимаетесь контекстом, настраиваете рекламу в Google Ads или Facebook. Оценка по последнему непрямому клику покажет, работает эта кампания или нет. Как аудитория на нее откликается. Внутри рекламного кабинета или Google Analytics использовать сложные модели атрибуции не имеет смысла.
Но, если вы хотите оценить взаимное влияние друг на друга всех своих источников, то тут уже нужно объединять в одной системе данные из разных рекламных сервисов, Google Analytics, CRM и использовать более сложные модели атрибуции. Благодаря этому вы узнаете, какие связки рекламных каналов хорошо работают вместе и на каких этапах.
К алгоритмическим моделям атрибуции относятся Data-Driven в Google Analytics 360, Цепи Маркова, OWOX BI Attribution и кастомные алгоритмы.
1. OWOX BI ML Funnel Based Attribution
Модель атрибуции от OWOX BI оценивает эффективность ваших рекламных кампаний, учитывая вклад каждого канала в продвижение клиента по конверсионной воронке. С ее помощью вы сможете справедливо распределить рекламный бюджет с учетом реального вклада каналов на конверсию и их взаимного влияния.
Расчет модели в OWOX BI происходит на основе цепей Маркова и машинного обучения. Цепь Маркова — череда событий, в которой каждое последующее событие зависит от одного предыдущего. Атрибуция на основе цепей Маркова — это вероятностная модель, которая через расчет вероятностей переходов между шагами воронки позволяет оценить взаимное влияние шагов на конверсию и узнать, какой из них — самый значимый. Подробнее о том, как применяются Цепи Маркова в атрибуции, читайте ниже.
Вы можете бесплатно попробовать, как работает ML Funnel Based Attribution, подписавшись на пробный период.
В модели атрибуции OWOX BI вы можете использовать следующую информацию:
Все эти данные можно анализировать в комплексе и использовать для настройки шагов воронки (по умолчанию используется воронка Enhanced Ecommerce). Вы можете добавить любые шаги, например, транзакции из СRM и любые другие онлайн- и офлайн-события (звонки, встречи и т.д).
Кроме того мы используем данные из CRM, чтобы сделать аналитику сквозной. То есть мы с помощью одного идентификатора связываем действия пользователя в мобильном приложении, на десктопе, на любых других устройствах, чтобы понимать, что это был один конкретный пользователь. В результате вы получите полную картину взаимодействия пользователя с вашим бизнесом и учтете влияние всех рекламных каналов на конверсию.
Узнайте больше о возможностях OWOX BI атрибуции в отдельной статье:
Плюсы: Позволяет найти эффективный канал и сказать, где именно он эффективен. Нет ограничений на минимальный объем данных. Определяет новых и вернувшихся пользователей и показывает детальную информацию по каждой транзакции: какая сессия, source/medium и действия пользователя на воронке к ней привели. Может учитывать маржу и исполняемость заказов из CRM.
Также вы можете сравнить эффективность рекламы по вашей текущей модели атрибуции и по модели OWOX BI Attribution и увидеть недооцененные или переоцененные кампании.
Минусы: не подходит для бизнесов, у которых конверсия совершается в одну сессию.
Кому подходит: всем, кто хочет учитывать каждый шаг пользователя в воронке и честно оценивать рекламные каналы.
Наши клиенты
растут на
Растите быстрее, анализируя, что лучше сработает в вашем маркетинге
Измеряйте KPI, находите зоны роста и увеличивайте свой ROI
2. Атрибуция на основе Цепей Маркова (Markov Chains)
Согласно Википедии, Цепь Маркова — это последовательность случайных событий с конечным или счетным числом исходов, характеризующаяся тем, что при фиксированном настоящем будущее независимо от прошлого.
Изначально Цепи Маркова использовались, чтобы решать задачи с прогнозированием (погода, букмекерские конторы и т.д.). Использовать их для оценки рекламных кампаний начали относительно недавно — с развитием digital рынка. Атрибуция на основе Цепей Маркова помогает ответить на вопрос, как отсутствие канала повлияет на конверсию.
Чтобы понять, как работают Цепи Маркова, рассмотрим конкретный пример из Ecommerce. Допустим, у нас есть три цепочки:
С1, C2 и C3 — это сессии с тремя разными источниками, например, Google CPC, Facebook и Email.
Заполняем такую таблицу:
В первом столбце у нас путь клиента — три цепочки из примера. Во втором столбце — то, как путь клиента будет выглядеть внутри модели. Мы добавили вход в воронку (нулевой этап Старт) и выход из воронки (Конверсия или null — неудачная конверсия). В третьем столбце мы разбили каналы попарно, так как нужно оценить все возможные переходы с одного шага на следующий.
Затем нам нужно рассчитать вероятности для каждого из возможных вариантов перехода и занести их в отдельную таблицу. Эти цифры считаются эмпирически, то есть анализируются реальные данные о действиях пользователей, например из вашего Google Analytics. Делается это при помощи программирования, например, через R или Python.
Цифры в таблице выше приведены для примера. Чтобы было понятно, что это за цифры, отобразим их на графике:
Итак, мы видим все возможные варианты перехода для нашего примера. Все начинается с этапа Старт (start). Затем треть пользователей идет на канал С2, а две трети — на C1. Дальше половина пользователей с канала C1 покидает воронку, а другая половина идет на C2, потом на C3 и наконец совершает покупку. И еще несколько вариантов — перечислять их не будем, думаем, вам понятен принцип.
Обратите внимание, что в нашем примере, путей к конверсии по сути всего два и оба они проходят через канал C2.
Как оцениваются такие сессии? При помощи эффекта удаления. То есть мы удаляем по очереди каждый из источников и смотрим, как его отсутствие скажется на количестве конверсий:
Например, если мы уберем из нашего примера источник C1, то потеряем 50% конверсий. Как получилась эта цифра?
Расчет ценность каналов проводится в три этапа:
1. Сначала нам нужно посчитать вероятность совершения конверсий для каждого из каналов. Точнее, сколько конверсий мы получим, если убрать из цепочки, конкретный канал.
Вероятности конверсии (Р) для каждого канала считаются по следующей формуле:
P1 = (0,33 * 1 * 0,5) = 0,167
P2 = (0,33 * 0 * 0,5) = 0
P3 = (0,33 * 1 * 0) = 0
Давайте разберем подробнее первую формулу — это у нас вероятность конверсии для канала C1. Мы убрали из модели канал C1 и перемножили все оставшиеся вероятности перехода из цепочек, которые ведут к покупке. То есть умножили 33,3% на 100% и на 50%, только не в процентном, а в числовом формате. В результате у нас получилось 0,167 или 16,7% — столько конверсий мы получим, если убрать из воронки источник С1.
Если мы уберем каналы C2 и C3, то у нас вообще не будет конверсий.
2. Затем определяем эффект удаления (R) для каждого канала. Этот коэффициент показывает, сколько конверсий мы потеряем, если удалим канал из воронки, и считается так: от единицы (т.е.100%) отнимается вероятность конверсии (P), деленная на количество пользователей в начале цепочки (вероятность перехода).
3. И наконец считаем ценность (V) каждого канала. Берем процент потерянных конверсий (R) и делим его на сумму всех коэффициентов (R1, R2 и R3)
V1 = 0,5 / (0,5 + 1 + 1) = 0,2
V2 = 1 / (0,5 + 1 + 1) = 0,4
V3 = 1 / (0,5 + 1 + 1) = 0,4
Плюсы: модель атрибуции на основе Цепей Маркова позволяет оценить взаимное влияние каналов на конверсию и узнать, какой канал самый значимый.
Минусы: недооценивает первый канал в цепочке, требует навыков программирования.
Кому подходит: бизнесам, у которых все данные собраны в единой системе.
Читайте также: как оптимизировать рекламные расходы, перераспределяя бюджет на эффективные, но недооцененные каналы.
3. Атрибуция на основе данных (Data-Driven Attribution)
Пользователям платной версии Google Analytics доступна модель атрибуции на основе данных. Все описанные выше модели атрибуции, используют правила, которые задает система веб-аналитики или вы сами. В отличие от них, у модели Data-Driven нет заранее заданных правил — она рассчитывает ценность каналов, используя ваши данные и Вектор Шепли.
Особенность модели на основе данных в том, что она не учитывает порядок канала в цепочке, а оценивает в общем, как повлияло на конверсию присутствие этого канала. Если вы измените порядок сессий, то ценность каналов по Вектору Шепли никак не поменяется.
Согласно Википедии, Вектор Шепли — это принцип оптимальности распределения выигрыша между игроками в задачах теории кооперативных игр. Представляет собой распределение, в котором выигрыш каждого игрока равен его среднему вкладу в благосостояние тотальной коалиции.
Чтобы понять, как работает Data-Driven, рассмотрим конкретный пример. Допустим, у нас есть две цепочки, которые привели к транзакциям:
Мы специально взяли для примера короткие цепочки, чтобы не усложнять и без того сложную формулу.
Теперь определим, какую сумму принес каждый канал в отдельности и оба вместе:
Ценность канала по Вектору Шепли рассчитывается с помощью такой формулы:
Где:
n — количество игроков (в нашем случае это рекламные каналы).
v — ценность, которую принес источник.
k — количество участников коалиции K.
Если мы вставим в эту формулу значения из нашего примера, то получим следующее:
Ф1 — это ценность канала Facebook.
Ф2 — ценность канала Direct.
А теперь простыми словами, для тех кого напугали формулы 🙂 Начнем с Facebook.
Этот канал сам по себе нам ничего не принес, поэтому первое слагаемое у нас будет 0.
Подробнее о том, как работает Вектор Шепли, вы можете посмотреть в видеоролике от Coursera.
Плюсы: максимально объективная и достоверная модель, так как для оценки каналов используются ваши собственные данные.
Минусы: для расчета необходимо иметь в Google Analytics достаточный объем данных, поэтому модель подходит не для всех компаний. Не оценивает продвижение по воронке, нельзя подключить офлайн-данные из CRM и посмотреть детальную информацию по каждой транзакции.
Кому подходит: всем, кто хочет узнать, какие кампании и ключевые слова работают максимально эффективно, и использовать эту информацию для распределения маркетингового бюджета. Не подойдет бизнесам, которым важно знать не только ценность, но и позицию канала в цепочке.
Наши клиенты
растут на
Растите быстрее, анализируя, что лучше сработает в вашем маркетинге