Atribusi digunakan secara default dalam metrik. Laporan Google Analytics yang memungkinkan Anda mengevaluasi kontribusi setiap sumber lalu lintas. Apa yang baru di Yandex.Metrica

Atribusi penjualan adalah alat yang memungkinkan Anda melacak kontribusi setiap saluran periklanan yang terlibat berdasarkan tindakan yang ditargetkan dari pengguna tertentu.

Tindakan yang ditargetkan dapat diwakili oleh operasi berikut:

  • pendaftaran online;
  • pembelian barang/jasa;
  • memperoleh informasi kontak.

Definisi rinci tentang atribusi mengungkapkan proses yang digunakan pemasar untuk menentukan alat mana yang memberikan keuntungan paling besar bagi perusahaan tertentu. Kesimpulannya, dana diinvestasikan pada opsi yang paling menjanjikan untuk meningkatkan ROI.

Model atribusi adalah solusi yang benar-benar ideal untuk membangun rencana periklanan, sehingga Anda dapat menggunakan strategi yang paling efektif. Pekerjaannya didasarkan pada alat yang telah terbukti memungkinkan investasi dilakukan tanpa takut akan situasi yang tidak terduga. Dengan bantuan model atribusi yang dikonfigurasi dengan benar, Anda dapat mencatat kontribusi masing-masing saluran pemasaran, sekaligus mendistribusikan anggaran secara rasional.

Atribusi di Yandex Metrica

Saat diaktifkan berbagai cara Atribusi, Anda dapat menyesuaikan laporan menggunakan sumber lalu lintas. Saat membuat laporan, informasi tentang tiga sumber dapat diberikan untuk setiap pengguna:

  • Pertama;
  • terakhir;
  • yang terakhir adalah penting.

Metrik untuk model Signifikan Terakhir dan Klik Pertama menggunakan riwayat penjelajahan pengguna.

Mari kita analisa contoh ini:

Pengguna mengunjungi sumber daya web melalui tautan iklan kontekstual, melakukan beberapa transisi melintasi halaman situs dan keluar. Setelah beberapa waktu, saya masuk kembali ke situs tersebut, menggunakan hasil pencarian. Dan kemudian dia muncul lagi, setelah sebelumnya memasukkan alamatnya ke baris browser, dan melakukan pemesanan. Seperti yang Anda lihat, pengguna mengunjungi situs tersebut tiga kali.

Untuk mengenali sumber transisi yang tepat, Anda harus menggunakan berbagai model atribusi:

Tujuan model ini cocok untuk sumber daya dengan konversi tertunda, yaitu ketika pengguna memikirkan tindakan target (misalnya: pendaftaran online), dan selama berpikir ia dapat kembali ke situs menggunakan sumber lalu lintas lain. Selain itu, model tersebut dapat digunakan jika Anda ingin mengetahui sumber mana yang lebih menarik pengunjung.

Model ini menggunakan riwayat pengguna, yaitu sumber lalu lintas dari kunjungan awal yang diambil. Semua kunjungan selanjutnya akan diarahkan ke sumber aslinya. Contoh menunjukkan kunjungan dari pengguna yang mengklik iklan.

Saat menggunakan model ini, setiap kunjungan ke Metrica akan mengidentifikasi sumber transisi dalam periode waktu saat ini, tanpa memperhitungkan riwayat kunjungan pengguna. Dalam contoh ini kita melihat tiga kunjungan, yang masing-masing memiliki sumber pribadi:


Selain itu, model ini dapat digunakan dalam analisis teknis sumber daya web. Contohnya adalah mengidentifikasi halaman yang tidak memiliki penghitung menggunakan analisis navigasi internal.

Transisi penting terakhir

Model ini memungkinkan penghitungan konversi yang paling akurat. Sumber di dalam hal ini dapat dibagi menjadi dua kelompok: signifikan dan sekunder (tidak signifikan).

Kehadiran menggunakan sumber yang tidak signifikan dilakukan dengan transisi ke sumber daya web dari halaman yang disimpan menggunakan alamat dan transisi internal, yang, pada gilirannya, termasuk dalam kategori yang lebih signifikan sumber sebelumnya, memberikan kesempatan untuk memeriksa efektivitasnya secara lebih rinci.

Disajikan contoh sumber kunjungan pertama dan kedua pilihan yang berarti- periklanan dan pencarian. Selain itu, sumber kunjungan pertama tidak dapat diubah. Sumber kunjungan ketiga tidak signifikan (kunjungan langsung). Dalam hal ini, kunjungan pengguna termasuk dalam sumber penting kedua - penelusuran:

Model atribusi ini juga bagus untuk situs web dengan konversi cepat yang terjadi dalam kunjungan yang sama.

Saat menggunakan Alat Perbandingan Model, dimungkinkan untuk menganalisis dampak berbagai model atribusi terhadap nilai saluran pemasaran. Jumlah dan nilai konversi untuk masing-masing saluran tertentu akan bergantung pada model atribusi yang digunakan. Saluran yang ditampilkan di awal promosi konversi, dengan penggunaan model “Interaksi Pertama”, nilainya akan melebihi tingkat model “Interaksi Terakhir”.

Ada sejumlah manfaat dari peningkatan atribusi tautan:

  1. 1 Memperoleh statistik individual untuk tautan (link) berbeda pada halaman yang sama yang mengarah ke situs yang sama. Misalnya, jika halaman berisi dua tautan yang mengarah ke bagian “Hubungi Kami”, Anda akan diberikan informasi tentang masing-masing tautan tersebut.
  2. 2 Lacak tombol, tindakan, dan menu yang menggunakan JavaScript agar berfungsi.
  3. 3 Pengenalan elemen yang merujuk pada beberapa sumber daya web yang berbeda. Contoh elemen tersebut: tombol “Cari”.

Cara melakukan peningkatan atribusi link pada halaman

Anda harus menambahkan tag yang sesuai ke kode pelacakan Anda, yang ditampilkan di bawah sebagai contoh dan disorot dengan warna merah. Lokasinya harus setelah perintah yang membuat objek pelacakan.

ga("buat", "UA-XXXX-X");

ga("membutuhkan", "linkid");

ga("kirim", "tayangan halaman");

Untuk mendapatkan statistik yang sangat akurat, perlu untuk menetapkan pengidentifikasi elemen individual untuk setiap link di halaman web.

Mengaktifkan peningkatan pengaitan tautan dalam laporan

Segera setelah kode diperbarui, Anda harus mengaktifkan atribusi tautan yang ditingkatkan di pengaturan sumber daya web:

Gambar.4. Google Analitik. Atribusi tautan yang ditingkatkan

Atribusi tautan yang ditingkatkan memungkinkan Anda menyertakan statistik paling canggih dalam laporan, sekaligus memungkinkan Anda memantau data secara terpisah untuk setiap klik yang ditujukan ke laman landas.

Kami merilis buku baru“Pemasaran Konten di Media Sosial: Cara Menarik Pikiran Pengikut Anda dan Membuat Mereka Jatuh Cinta dengan Merek Anda.”

Berlangganan

Atribusi konversi adalah konsep multi-komponen yang terdiri dari istilah “atribusi” dan “konversi”.

Konversi dalam bisnis adalah saat pengguna menyelesaikan tindakan sasaran untuk perusahaan. Misalnya, jika sasaran Anda adalah agar pengguna melakukan pembelian, maka konversi terpenting Anda adalah menyelesaikan transaksi.

Konversi dibagi menjadi makro dan mikro:

  1. Konversi makro adalah tindakan utama yang kami upayakan. Misalnya pembelian barang yang sama.
  2. Konversi mikro adalah langkah pengguna yang mengarahkannya ke konversi makro: mendaftar di situs, menambahkan produk, dll.

Atribusi adalah aturan nilai konversi terdistribusi. Sederhananya, menetapkan “poin” pada konversi untuk menghitung efektivitasnya.

Pada akhirnya, atribusi konversi adalah metode untuk menentukan efektivitas saluran pemasaran, menghitung kontribusi entitas tertentu (saluran, kata kunci, halaman arahan) untuk menyelesaikan konversi.

Model atribusi konversi

Apa model atribusi Google Analytics atau Yandex Metrics - ini adalah seperangkat aturan yang Anda gunakan untuk menentukan nilai konversi. Ada 7 model atribusi standar di Google Analytics dan 2 di Yandex.Metrica.

Bayangkan pengunjung datang ke situs Anda melaluiiklan Google, kemudian, setelah beberapa waktu, mengikuti tautan dari jejaring sosial, pada hari yang sama masuk ke situs tersebut melalui milis dan melalui tautan langsung.

  1. Model “Interaksi Terakhir” (“Sentuhan Terakhir”): Semua “poin” diberikan kepada saluran terakhir dalam rantai konversi ini. Dalam kasus kami, ini akan menjadi tautan langsung.
  1. Model klik tidak langsung terakhir: Sangat mirip model sebelumnya, tetapi dengan syarat kunjungan langsung diabaikan, dan semua nilai ditetapkan ke saluran terakhir yang dilalui pengguna sebelum konversi makro. Dalam contoh ini, ini akan menjadi milis.
  1. Model " Klik terakhir di AdWords: Seluruh nilai konversi diinvestasikan pada klik terakhir pada iklan AdWords. Bagi kami, itu hanya satu klik.
  1. Model Interaksi Pertama: Saluran pertama dalam rantai yang dilalui pengguna untuk melakukan transisi dianggap berharga. Ini dia lagi AdWords.
  1. Model linier: Semua saluran dalam rantai konversi diberi nilai yang sama. Ada 4 elemen dalam rantai kami, dan masing-masing elemen diberi 25% dari semua “poin”.
  1. Model “Dengan mempertimbangkan durasi interaksi”: Semakin dekat titik kontak pengguna dengan waktu konversi makro, maka akan semakin berharga. Istilah “peluruhan eksponensial” digunakan di sini, dan waktu paruh default adalah 7 hari. Artinya, jika suatu tindakan terjadi lebih dari 7 hari yang lalu, maka nilainya 2 kali lebih rendah, dan lebih dari 2 minggu - 4 kali lebih berharga. Misalkan transisi melalui AdWords dilakukan 8 hari yang lalu sejak tanggal pembelian. Maka saluran ini akan menerima nilai 2 kali lebih sedikit dibandingkan saluran lainnya. Yang paling berharga adalah konversi dari surat dan konversi langsung.
  1. Model Atribusi Berbasis Posisi: Ini merupakan perpaduan model sentuh pertama dan terakhir. Tautan pertama dan terakhir dalam rantai menerima 40% dari total nilai konversi, 20% sisanya didistribusikan secara merata ke semua peserta. Dalam kasus kami, 40% akan menerima AdWords dan kunjungan langsung, 10% akan menerima jaringan sosial dan surat.

Model atribusi metrik Yandex mencakup transisi pertama dan terakhir, transisi signifikan terakhir.

  1. Dalam kasus opsi pertama, seluruh nilai konversi masuk ke saluran tempat sentuhan pertama terjadi.
  2. Yang kedua - hingga klik terakhir yang menghasilkan konversi.
  3. Jika semuanya jelas dengan dua yang pertama, maka yang terakhir perlu ditangani dengan lebih hati-hati. Transisi signifikan terakhir mirip dengan atribusi pada transisi terakhir, dengan satu-satunya perbedaan bahwa transisi dari bookmark dibuang dan hanya sumber penting yang tersisa: penelusuran, konteks, jejaring sosial.

Anda dapat menyesuaikan model konversi bergantung pada kondisi kampanye iklan Anda.

Bagaimana cara memilih model atribusi?

Model penghitungan atribusi konversi dipilih bergantung pada karakteristik bisnis dan kampanye iklan Anda:

  1. Model “interaksi terakhir” tepat untuk Anda jika bisnis Anda didasarkan pada pembelian dan transaksi yang tidak melibatkan tahap pengambilan keputusan.
  2. “Klik tidak langsung terakhir” cocok sebagai dasar perbandingan dengan model lain dan jika Anda tidak ingin memperhitungkan kunjungan langsung ke situs.
  3. Klik Terakhir AdWords digunakan untuk menentukan iklan AdWords dengan kinerja tertinggi.
  4. Jika Anda ingin mengetahui apa yang menarik minat pengunjung Anda dan mencapai sentuhan pertama, gunakan model Sentuhan Pertama.
  5. Jika Anda terus-menerus berhubungan dengan klien potensial melalui periklanan mulai dari klik pertama hingga konversi, lalu gunakan model atribusi Linear.
  6. Untuk jangka pendek perusahaan periklanan Disarankan untuk menggunakan model “Menghitung keterkinian interaksi”.
  7. Jika Anda menghargai pengalaman pertama pelanggan dengan produk dan konversi akhir secara setara, Anda harus menggunakan Atribusi Item Baris.
  • Gunakan model “Last Hop” untuk analisis teknis situs dan deteksi halaman tanpa kode penghitung.
  • Siapkan model “Transisi Pertama” jika pengguna membutuhkan waktu lama untuk memutuskan tindakan target dan kembali ke situs dari sumber lalu lintas lainnya.
  • “Transisi signifikan terakhir” untuk situs dengan konversi cepat yang terjadi dalam satu kunjungan.

Atribusi konversi adalah alat yang ampuh, digunakan dalam pemasaran Internet untuk menganalisis dan menyesuaikan kampanye periklanan. Dengan menggunakannya, Anda selalu dapat menemukannya saluran yang efektif periklanan dan mengurangi biaya pengembangan bisnis.

Saat ketika Anda hanya dapat bekerja dengan satu sumber lalu lintas (seperti SEO) dan masih memilikinya penjualan yang bagus, sudah lama hilang. Hanya hari ini saja pendekatan terpadu memberikan pertumbuhan penjualan yang sangat efektif. Namun, ketika bekerja dengan berbagai sumber, kita dihadapkan pada tantangan masalah penting– peran apa yang dimainkan setiap saluran dalam rantai interaksi pengguna dengan situs (urutan multi-saluran) dan bagaimana memahami pentingnya setiap saluran? Bagaimanapun, itu tergantung pada pemahaman:

  • berapa banyak investasi yang harus diinvestasikan pada setiap sumber pengunjung,
  • berapa keuntungan dari masing-masing saluran,
  • bagaimana saluran berinteraksi satu sama lain.

Berikan perhatian khusus pada interaksi. Misalnya, pengguna jejaring sosial mungkin tidak langsung melakukan pembelian setelah transisi, tetapi pada saat yang bersamaan media sosial memberi tahu pengunjung tentang perusahaan Anda, dan setelah interaksi selanjutnya, misalnya melalui periklanan kontekstual, pengunjung melakukan pembelian.

Aturan yang digunakan untuk mendistribusikan nilai konversi yang telah selesai antar saluran disebut atribusi. Mengetahui saluran mana yang digunakan pengunjung, kami dapat memberikan nilai yang lebih besar atau lebih kecil untuk masing-masing saluran (atau salah satunya) dan, berdasarkan penilaian ini, membuat keputusan tentang efektivitas saluran tersebut.

Ada banyak model atribusi, yang paling umum adalah:

Anda dapat memilih model atribusi di laporan Atribusi → Alat Perbandingan :

Kami menulis lebih banyak tentang alat ini di artikel di bawah ini; pertama, mari kita lihat apa saja model atribusi utamanya.

1. Atribusi klik terakhir

Dalam hal ini, seluruh nilai konversi ditetapkan ke sumber terakhir kontak pengguna dengan situs tersebut. Jelas bahwa ini tidak sepenuhnya benar, karena di hampir semua situs, bahkan situs yang menawarkan produk yang sangat murah, pengguna biasanya melakukan 2-3 transisi sebelum konversi.

Untuk situs dengan mahal atau produk yang kompleks Transisi seperti itu mungkin jauh lebih banyak saat pengguna memikirkan, membandingkan, dan mengenal informasi tentang produk.

2. Atribusi berdasarkan klik tidak langsung terakhir

Ini adalah model atribusi default di Google Analytics. Semua kredit konversi diberikan ke saluran terakhir jika itu bukan kunjungan langsung (misalnya, dari bookmark atau URL yang dimasukkan ke bilah browser). Dalam kasus kunjungan situs langsung, nilai konversi ditetapkan ke saluran sebelumnya. Logikanya cukup sederhana - jika pengguna datang kepada Anda dari bookmark, itu berarti pada awalnya dia pasti sudah mengetahui situs Anda dari suatu tempat.

3. Atribusi klik pertama

Apa itu link building dalam SEO? Seperti namanya, yang terjadi adalah sebaliknya – semua nilai konversi diberikan ke saluran pertama yang memungkinkan pengunjung mengetahui penawaran Anda.

4. Klik pertama dan terakhir

Nilainya dibagi rata antara saluran pertama dan terakhir yang diklik pengguna dalam rantai yang menghasilkan konversi.

5. Model atribusi linier

Nilai konversi dibagi rata antara semua sumber yang diklik pengguna.

6. Model atribusi dengan mempertimbangkan keterkinian interaksi

Semakin dekat suatu saluran dengan momen konversi, semakin besar nilainya. Signifikansi setiap interaksi menurun seiring dengan meningkatnya waktu hingga konversi.

Laporan Google Analytics untuk mengevaluasi kontribusi setiap sumber lalu lintas

Memahami pentingnya menilai dengan benar setiap sumber lalu lintas dan mengetahui jenis atribusi utama, kita dapat beralih ke laporan khusus Google Analytics:

Sudah melihat informasi umum di tab "Tinjauan" , kita dapat merumuskan pemahaman umum tentang bagaimana sumber lalu lintas berinteraksi satu sama lain. Setiap sumber ditandai dengan lingkaran berwarna; kita dapat melihat dengan jelas berapa persentase lalu lintas yang “berpotongan” - ini berarti pengunjung menggunakan beberapa sumber sebelum melakukan pembelian.

Harap dicatat - di sebelah kiri pojok atas Tangkapan layar berisi data tentang konversi terkait.

Konversi terkait adalah kunjungan dari beberapa sumber yang berada di awal atau di tengah rantai kunjungan, namun tidak di akhir, yaitu. jumlah interaksi yang tidak menghasilkan konversi, namun berpartisipasi dalam rantai.

Seperti yang Anda lihat di tangkapan layar, dari 744 konversi, 423 (lebih dari setengahnya) melakukan kunjungan persiapan. Sumber yang menyediakan kunjungan ini tidak menghasilkan penjualan langsung, namun dengan tingkat kemungkinan yang tinggi kita dapat berasumsi bahwa tanpa konversi terkait ini, tidak akan ada konversi itu sendiri yang menghasilkan pendapatan.

Penting! Laporan Corong Multisaluran menggunakan model atribusi klik terakhir, tidak seperti semua laporan lain yang secara default menggunakan klik tidak langsung terakhir.

Untuk mengevaluasi konversi terkait untuk setiap sumber secara lebih rinci, terdapat laporan khusus yang disebut - "Konversi Terkait" :

Misalnya, di tangkapan layar kami melihat dengan jelas bahwa mengeklik tautan memberi kami 48 konversi selama periode yang ditentukan, selain itu, 58 kali lagi sumber ini adalah langkah perantara bagi pengguna yang akhirnya berkonversi.

Saat dikonfigurasi perdagangan elektronik laporan ini akan membantu Anda memperkirakan pendapatan dari setiap sumber lalu lintas dengan lebih akurat. Seperti yang dapat Anda bayangkan, hal ini sangat penting ketika kita memutuskan sumber mana yang layak untuk diinvestasikan. Anda tentu saja dapat fokus pada jumlah konversi tanpa e-niaga, namun tentu saja jumlahnya lebih sedikit indikator yang tepat saat membentuk anggaran periklanan.

Untuk mengevaluasi lebih detail bagaimana sumber lalu lintas berinteraksi, Anda harus membuka laporan "Corong Konversi Dasar" :

Ini menunjukkan semua kombinasi sumber yang menghasilkan konversi.

Misalnya:

Laporan tambahan yang akan membantu Anda lebih memahami rantai kunjungan hingga momen konversi - "Waktunya Menuju Konversi" Dan "Panjang Urutan". Di dalamnya Anda akan melihat statistik jumlah hari dari saat kunjungan hingga saat konversi dan jumlah kunjungan dari sumber mana pun hingga saat konversi.

Google Analytics juga memberi kita kesempatan untuk membandingkan model yang berbeda atribusi KonversiAtribusi → Alat Perbandingan Model :

Alat ini memungkinkan Anda untuk lebih memahami perbedaannya berbagai pilihan atribusi dan melihat secara visual nilai setiap saluran di berbagai tahap.

Misalnya, mari kita bandingkan model atribusi untuk klik terakhir, klik pertama, dan atribusi linier:

Harap dicatat: pencarian gratis, jika kita mengukur konversi hanya berdasarkan interaksi terakhir, maka konversi tersebut kalah dari saluran lalu lintas langsung. Pemilik situs, melihat laporan seperti itu, akan langsung berteriak: spesialis SEO tidak bekerja dengan baik!

Namun, dibandingkan dengan model atribusi lainnya, kita akan melihat bahwa lalu lintas penelusuran adalah yang paling kuat untuk interaksi pertama, yaitu. Dari saluran inilah pelanggan sebenarnya akan belajar tentang situs web Anda. Pentingnya lalu lintas pencarian Hal ini juga dibuktikan dengan model atribusi linier yang pangsanya juga paling tinggi.

Ingatlah bahwa perbandingan atribusi memungkinkan Anda melakukannya poin yang berbeda Sangat mudah untuk melihat keberhasilan setiap saluran, namun untuk membandingkan saluran satu sama lain dan mengevaluasi keberhasilan masing-masing saluran, Anda harus memilih satu model atribusi.

Misalnya:

- untuk kampanye jangka pendek yang ditujukan untuk pembelian langsung - dengan klik terakhir;

- untuk kampanye SMM yang meningkatkan kesadaran secara keseluruhan - dengan klik pertama, dll.

Anda juga dapat membuat model atribusi unik Anda sendiri di Google Analytics, namun Anda perlu menghabiskan cukup banyak waktu untuk membuatnya dan mengevaluasi model standar terlebih dahulu.

Jika Anda serius dalam menganggarkan dan menilai kontribusi setiap sumber terhadap kesuksesan bisnis Anda, Anda tidak dapat melakukannya tanpa corong multisaluran dan pengukuran atribusi. Anda perlu memahami pentingnya saluran, bukan hanya kontribusinya terhadap penjualan langsung.

Perhatikan laporan Google Analytics ini, gunakan laporan tersebut, dan berbagai opsi atribusi - ini akan membantu Anda menggunakan semua saluran lalu lintas dengan lebih efisien dan cerdas. Berdasarkan laporan ini, Anda dapat dengan cerdas merencanakan anggaran iklan di berbagai saluran.

Atribusi membantu menentukan sumber utama transisi ke situs berdasarkan tindakan audiens yang ditargetkan - pembelian, aplikasi, berlangganan, dll.

Dalam artikel ini, Anda akan mempelajari model atribusi yang ditawarkan Yandex.Metrica dan cara mengevaluasi saluran periklanan yang menggunakannya.

Apa yang baru di Yandex.Metrica

Pengguna biasanya mengunjungi situs ini lebih dari sekali: iklan kontekstual, berdasarkan hasil pencarian, berdasarkan alamat di bilah browser, melalui jejaring sosial, dll. Sebelum mengambil tindakan yang ditargetkan, mereka mempelajari penawaran, karakteristik produk, dan ulasan pelanggan.

Tugas Anda adalah mengidentifikasi jalur mana yang diambil pengunjung dan kunjungan mana yang berharga.

Pada bulan Desember 2014, Yandex memperkenalkan model klik signifikan terakhir. Ini menganalisis perilaku audiens secara real time dan membantu menghitung konversi dengan lebih akurat.

Atribusi tersedia tidak hanya dalam laporan menurut sumber untuk grup “Sumber lalu lintas (terperinci)” dan “Sumber lalu lintas”. Anda dapat menerapkannya pada laporan tambahan di Direct dan lalu lintas dengan label Dari, UTM, dan Openstat:

Ini adalah kesempatan untuk dengan mudah menentukan situs, iklan dan kampanye periklanan, berdasarkan pengunjung mana yang pertama kali datang.

Ikhtisar model

Transisi terakhir

Untuk setiap kunjungan, Metrica menentukan sumbernya:

Dalam contoh, pengguna mengunjungi situs 3 kali dari saluran berbeda:

Algoritme ini berguna untuk mengidentifikasi halaman tanpa kode penghitung.

Kelemahannya adalah ini tidak memperhitungkan riwayat penelusuran Anda dan karenanya tidak menampilkan keseluruhan jalur konversi. Pada saat yang sama, jumlah sentuhan dengan merek mempunyai efek positif terhadap kesiapan membeli atau memesan.

Dalam dua model lainnya, tim Yandex memperhitungkan hal ini.

Transisi pertama

Situasi umum: pengunjung membutuhkan waktu lama untuk membuat keputusan pembelian (konversi tertunda) dan selama ini kembali beberapa kali dari sumber lalu lintas lainnya.

Algoritme interaksi pertama menggunakan riwayat penelusuran Anda. Transisi utama adalah kunjungan pertama. Semua yang berikutnya ditambahkan ke dalamnya:

Misalnya, seorang pengguna ingin membeli suatu produk setelah membuka iklan, namun setelah itu ia juga mencari informasi tentang produk tersebut di Google dan akun perusahaan di jejaring sosial:

Transisi penting terakhir

Kami menambahkan klik dari sumber sekunder ke sumber signifikan sebelumnya. Hal ini membantu untuk mengevaluasi efektivitasnya secara rinci.

Contoh: sumber dari dua kunjungan pertama - iklan dan penelusuran - sangat penting:

Kunjungan ketiga pendekatan langsung- tidak signifikan. Oleh karena itu, semua kunjungan dikaitkan dengan kunjungan penting kedua - terakhir dalam rantai ini:

Model ini juga berfungsi untuk situs dengan konversi cepat (penyelesaian tindakan yang ditargetkan dalam satu kunjungan).

Cara menerapkan model atribusi di Yandex.Metrica

Buka laporan standar “Sumber, ringkasan” (struktur untuk Langsung dan tag serupa).

Anda akan menemukan daftar laporan layanan standar di menu “Laporan”:

Bagaimana cara menyesuaikan laporan agar sesuai dengan kebutuhan Anda?

Konfigurasikan pengaturan waktu

Periode

Tetapkan periode kalender. Standarnya adalah bulan:

Atau tentukan interval tanggal:

Detil berdasarkan waktu

Secara default, bagan menampilkan data dalam interval berdasarkan periode yang dipilih. Jika perlu, jelaskan periode waktunya:

Tentukan isi laporan

Segmentasi

Katakanlah Anda memerlukan daftar kunjungan Wilayah Perm. Filter pengguna berdasarkan lokasi:

Kami membuat segmen berdasarkan karakteristik yang dibutuhkan. Tombol "Segmen" - dan pilih kondisi dari daftar:

Batasan jumlah segmen untuk satu counter adalah 500.

Catatan: Yandex.Metrica menghormati privasi pengguna dan mengungkapkan beberapa data dengan batasan jika sampel pengunjung tidak melebihi 10. Misalnya, situs dikunjungi oleh 6 orang. Angka ini kurang dari 10, sehingga informasi mengenai proporsi laki-laki atau perempuan tidak tersedia.

Pilih dari daftar sasaran yang akan digunakan untuk menghitung konversi:

Model atribusi

Siapkan laporan konversi - signifikan pertama, terakhir, atau terakhir. Sesuai dengan atribusi yang telah kami jelaskan sebelumnya.

Untuk yang pertama dan terakhir sumber yang signifikan Yandex menggunakan riwayat penelusuran Anda.

Pilih opsi dengan salah satu cara berikut:

Di "Grup" pilih dari daftar kelompok yang diperlukan indikator:

Saat Anda memilih grup, sebuah ikon muncul di sebelahnya, seperti di samping blok “Sumber” di tangkapan layar. Ini berarti Anda telah menandai setidaknya satu grup dari blok ini untuk laporan.

Untuk memilih metrik individual, klik Metrik. Ini daftarnya:

Pengelompokan dan metrik maksimum dalam laporan adalah 10.

Tentukan filter yang menjadi dasar statistik lainnya. Misalnya:

Tabel akan menampilkan informasi (di sini tentang kegagalan) hanya dengan nilai di atas 50%.

Pastikan keakuratan dan keandalan data

Ketepatan

Jika suatu laporan membutuhkan banyak informasi, maka akan memakan banyak waktu. Untuk mempercepat pengumpulannya, layanan menggunakan sebagian data (misalnya 10%). Klik "Akurasi" untuk mengubah nilai ini dan pilih keseimbangan antara "Lebih Cepat" dan "Lebih Akurat":

Saat Anda membuka laporan lain, pengaturannya disimpan.

Kredibilitas

Metrik ini menyediakan banyak indikator, namun tidak selalu dapat diandalkan dalam hal kinerja situs. Jika satu pengguna mengunjungi situs dan membaca konten selama 10 menit, ini tidak berarti rata-rata waktu kunjungan adalah 10 menit.

Kesimpulan ini benar berdasarkan perhitungan, tetapi tidak berdasarkan akal sehat.

Klik kotak centang untuk menyembunyikan baris dengan informasi yang tidak akurat:

Buat laporannya jelas

Jenis grafik

Untuk mendapatkan dinamika visual indikator, pilih jenis grafik:

  • Melingkar - pembagian nilai berdasarkan kelompok:

  • Garis (default) - nilai absolut dalam waktu:

  • Area - dinamika besaran. Grafik setiap saat menunjukkan jumlah kunjungan untuk nilai yang ditentukan:

  • Kolom - perubahan rasio besaran seiring waktu:

  • Peta - ringkasan data (total dan rata-rata) di peta dunia dan di peta Rusia, Ukraina, Belarusia, dan Turki.

Tampilan di tabel

Ada dua opsi - semuanya berturut-turut atau dikelompokkan berdasarkan karakteristik. Seperti apa bentuknya?

Penyortiran

Secara default, mengurutkan berdasarkan kunjungan. Untuk mengubah indikator, klik pada nama kolom.

Secara default, bagan menampilkan nilai kunjungan yang datanya Anda urutkan berdasarkan:

Hal ini juga ditunjukkan dengan ikon grafik yang aktif. Di tangkapan layar, ada bingkai merah.

Anda dapat mengubah indikatornya. Demikian pula, klik pada nama kolom.

Untuk mengganti nama dan menghapus, klik panah yang sama dan pilih tindakan yang diperlukan. Laporan yang telah dihapus tidak dapat dipulihkan.

Untuk mengekspor ke PDF, XLSX atau CSV, klik tombol:

File yang diunggah mencakup 100.000 baris pertama tabel.

Catatan. Semua operasi hanya tersedia untuk pemilik counter, atau jika Anda memiliki akses perwakilan atau akses pengeditan!

Anda dapat menemukan laporan tersimpan di sini:

Sekarang Anda tahu cara membuat laporan tentang sumber lalu lintas dan mengidentifikasi klik pengguna mana yang lebih bernilai. Namun, apakah mungkin untuk menarik kesimpulan yang cukup lengkap berdasarkan Metrik tersebut? Atau apakah ini kalah dengan Google Analytics dalam hal keandalan dan akurasi?

Yandex.Metrica vs Google Analytics

Mari kita lihat sebuah contoh.

Tangkapan layar menunjukkan jumlah pencapaian untuk sasaran “Keranjang terbuka” di Metrica:

Dalam hal atribusi klik terakhir, transisi internal adalah yang terdepan. Menurut model lain, angka ini jauh lebih rendah.

Interaksi pertama:

Interaksi penting terakhir:

Dapat dilihat bahwa sebelum tindakan yang ditargetkan, pengguna berinteraksi dengan merek melalui sumber lain - jejaring sosial, iklan pencarian, atau penargetan ulang. Artinya iklan media sosial, optimasi SEO, dan kampanye penargetan ulang tidak sia-sia.

Alat Jalur Corong Multisaluran Google Analytics menawarkan pelacakan visual rantai lalu lintas.

Mari kita pilih tanggal yang sama:

Dan memang benar: pencapaian tujuan terjadi terutama melalui transisi internal. Di sini bobot saluran ini bisa mencapai 20 - 40%, karena:

  • Itu tidak menghasilkan konversi langsung berdasarkan interaksi terakhir;
  • Dia aktif berpartisipasi dalam rantai;
  • Rantai serupa diulangi beberapa kali.

Google Analytics memiliki lebih banyak opsi untuk menganalisis sumber lalu lintas.

1) Perjalanan pengguna visual, seperti yang telah Anda lihat.

2) Lebih banyak model atribusi:

  • Transisi pertama;
  • Transisi terakhir;
  • Klik tidak langsung terakhir (kunjungan langsung diabaikan, 100% nilai konversi ditetapkan ke saluran terakhir dalam rantai interaksi);
  • Klik Terakhir di AdWords (kredit 100% diberikan pada klik terakhir pada iklan di AdWords);
  • Linear (semua saluran sama pentingnya);
  • Posisional (hanya yang pertama dan terakhir yang memiliki nilai yang sama);
  • Durasi interaksi (untuk promosi jangka pendek atau satu kali).

Yandex.Metrica hanya menawarkan dua atribusi pertama, yang berarti tidak memperhitungkan semua nuansa jalur, misalnya, konversi cepat dan tertunda serta konversi reguler.

3) Laporan Waktu untuk Konversi menunjukkan berapa lama waktu yang dibutuhkan setiap pengunjung untuk mempertimbangkan keputusan pembelian. Tidak ada analitik serupa di Metrica - kolom “Waktu di situs” umum untuk semua kunjungan untuk sumber tertentu.

4) Kemungkinan untuk membandingkan lalu lintas masuk berdasarkan kriteria: seluler vs desktop, pengguna baru vs klien kembali.

5) GA menyediakan empat laporan bermanfaat. Hanya ada satu di Yandex - "Sumber".

Baca selengkapnya tentang atribusi di Google Analytics di artikel:

Kedua platform menunjukkan jumlah pencapaian dan memungkinkan Anda mengaudit anggaran iklan Anda dan mengidentifikasi sumber mana yang layak untuk diinvestasikan dan mana yang tidak.

Kesimpulan

Perjalanan pengguna itu unik. Sulit untuk memprediksi saluran periklanan mana yang akan menghasilkan lebih banyak konversi. Dengan distribusi bobot yang benar antar sumber lalu lintas, Anda berinvestasi pada opsi yang menjanjikan dan meningkatkan ROI.

Saat ini tidak ada algoritma yang tepat untuk ini. Yandex.Metrica memiliki ruang untuk tumbuh dan berkembang. Dan meskipun masih kalah dengan Google Analytics dalam hal alat analisis dan laporan, tim terus berupaya melakukan perbaikan.

  • Sergei Savenkov

    semacam ulasan "pendek"... seolah-olah mereka sedang terburu-buru di suatu tempat