Когда запускаешь рекламу в Яндекс Директе, важно понять, какое касание помогло клиенту сделать покупку. Люди редко совершают заказ сразу: они могут увидеть баннер, потом найти мой сайт в поиске, вернуться через закладку в браузере (прямой переход) и лишь потом оформить заказ. Чтобы понять, какой переход сыграл решающую роль, важно правильно выбрать модель атрибуции - это правило, которое «привязывает» конверсию к конкретному источнику трафика.
Выбор модели атрибуции при настройке рекламы в Яндекс Директе будет влиять на то, какие именно визиты пользователя с совершением целевого действия будут засчитываться за конверсию и оплачиваться (если, например, настроена стратегия "Оплата за конверсии"). Поэтому точная настройка атрибуции помогает распределять бюджет разумно и не переплачивать.
Перед тем, как разобрать каждую модель атрибуции, давайте посмотрим, где в настройках рекламных кампаний встречается этот параметр. В блоке "Стратегия" внизу вы увидите "Дополнительные настройки".
Раскрываете дополнительные настройки и можете выбрать нужную модель атрибуции. По умолчанию стоит "Автоматическая"
Модель автоматической атрибуции
С 2023 года в Директе есть автоматическая атрибуция. Она анализирует путь пользователя с помощью алгоритмов машинного обучения и учитывает несколько факторов:
- Время до и после конверсии. Если клиент делает заказ сразу после клика - этот клик получает больший вес. Чем больше проходит времени до сделки, тем меньше значимости у этого касания. И если пользователь быстро возвращается и совершает повторную покупку, система тоже связывает её с первоначальным переходом.
- Кросс‑девайс. Если один и тот же человек сначала взаимодействует с рекламой на смартфоне, а затем делает заказ с ноутбука, система объединяет эти визиты и понимает, что это один пользователь.
- Домохозяйства. В справке Яндекса говорится, что алгоритм учитывает интересы членов семьи (домохозяйства). Это означает, что система анализирует обезличенные данные, чтобы увидеть, что несколько устройств принадлежат одной семье. Например, я посмотрел товар на телефоне, отправил ссылку супруге, и она оформила заказ на домашнем компьютере. Автоматическая атрибуция связывает эти действия в одну цепочку, потому что они происходят в рамках одного домохозяйства. При этом связь не строится просто на IP‑адресе или общем компьютере - алгоритм использует более сложные сигналы.
Благодаря этому автоматическая модель может распределять ценность конверсии между касаниями и даёт мне более полную картину, когда я анализирую эффективность рекламы.
Модель «Первый переход»
Все визиты пользователя за последние 180 дней будут приписаны самому первому источнику. Эта модель помогает понять, какая реклама познакомила человека с брендом. Представьте: я продаю квартиру, покупатель сначала нашёл мой сайт через поиск, потом ещё несколько раз заходил по рекламе, а покупку оформил через месяц. В модели «первый переход» конверсия будет приписана именно первому визиту.
Модель «Последний переход»
Конверсия присваивается последнему визиту на сайт, без учёта предыдущей истории. Это удобно для товаров с коротким циклом (еда, такси, недорогие покупки). Например, пользователь увидел рекламу ресторана, сохранил ссылку, а через несколько часов набрал адрес заведения в браузере и сделал заказ. По модели «последний переход» конверсия будет привязана к прямому заходу, так как он был последним.
Модель «Последний значимый переход»
Эта модель исключает из расчёта «не значимые» визиты (закладки, прямые заходы, внутренние переходы) и учитывает только маркетинговые источники: рекламу, поисковики, соцсети, внешние ссылки. Если человек пришёл по рекламе, потом несколько раз заходил напрямую и купил товар, конверсия будет связана с рекламой. Прямой заход не считается «органическим» в смысле поискового трафика - он не отражает конкретный канал, поэтому считается незначимым визитом.
Модель «Последний переход из Директа»
Когда я хочу оценить вклад именно контекстной рекламы, выбираю модель «последний переход из Директа». Она игнорирует другие каналы и учитывает все клики пользователя по моим объявлениям за последние 180 дней. Даже если человек сначала пришёл через поиск, потом кликнул по объявлению, затем вернулся из соцсетей и купил, конверсия будет приписана клику по рекламе до следующего клика.
Модели для медийной рекламы
Если я использую баннеры или видеорекламу, мне важно знать, сколько продаж они принесли. Яндекс предлагает модели «Первый показ» и «Последний показ». Они учитывают два типа конверсий:
- post‑view: человек увидел баннер, но не кликнул, а позже пришёл на сайт (например, набрал адрес в браузере) и сделал заказ. Эта продажа будет отнесена к просмотру баннера.
- post‑click: человек кликнул по баннеру, но покупку совершил позже; система свяжет продажу с этим кликом.
Эти модели позволяют оценить влияние медийной рекламы, даже если люди не переходят по объявлениям сразу.
Отдельно про Кросс‑девайс. Или как не потерять клиента между устройствами
Мы часто начинаем искать товары на телефоне, потом читаем отзывы на ноутбуке и покупаем с домашнего компьютера. Чтобы такие цепочки не распались, Яндекс предлагает режим кросс‑девайс. Я могу включить его в моделях «Первый переход», «Последний значимый переход» и «Последний переход из Директа»; в автоматической атрибуции он активен всегда. Это помогает увидеть весь путь пользователя независимо от устройства.
Как я выбираю модель для своей кампании
- Ставлю цель. Если хочу понять, какой канал подтолкнул человека к покупке, выбираю «последний значимый переход».
- Анализирую вклад Директа. Для этого выбираю автоматическую атрибуцию: она учитывает кросс‑девайс и домохозяйства и даёт больше данных алгоритму.
- Учитываю длину сделки. Для недвижимости, автомобилей и других сложных покупок использую модель «первый переход».
- Запускаю баннеры - переключаюсь на «первый/последний показ». Так я учитываю post‑view‑ и post‑click‑конверсии.
- Следую одному разрезу во всех отчётах. Важно, чтобы модель атрибуции в настройках кампании и в отчёте совпадали; иначе статистика будет некорректна.
Вместо вывода
Модели атрибуции помогают мне увидеть, как реклама влияет на поведение людей. Автоматическая модель анализирует кросс‑девайс и домохозяйства, а модели «первый» и «последний» переходы дают разные перспективы на путь клиента. От выбора модели зависит, какие выводы я смогу сделать и как распределю бюджет. Поэтому я тщательно подхожу к настройке атрибуции и стараюсь объяснять на примерах, почему отчёты выглядят именно так.
