ML-атрибуция

Найдите самые эффективные источники продаж при помощи ML-атрибуции!

ML-атрибуция позволит совершенно иначе взглянуть на эффективность каналов по привлечению трафика. С ней вы сможете понять, как правильно распределить рекламный бюджет так, чтобы зарабатывать больше.

Узнать больше о атрибуции

15

Лет на рынке

150+

Клиентов

1000+

Созданных дашбордов

Что такое атрибуция?

ML-атрибуция (Machine Learning Attribution) — это метод, который используется для определения вклада различных маркетинговых каналов и тактик в результаты бизнеса (например, продажи, показатели вовлеченности пользователей). Обычно для этого используется машинное обучение, которое анализирует большое количество данных о маркетинговых кампаниях и их результатах, чтобы определить, какой вклад внесли каждый из каналов в достижение целей бизнеса.э

КАК ЭТО РАБОТАЕТ

Стандартная модель атрибуции

Представьте, что пользователь на протяжении трех дней три раза посетил наш сайт и совершил покупку.

1-й визит – по медийному баннеру

2-й визит — по ремаркетингу в социальной сети

3-й визит – прямой визит и покупка

Какому посещению нужно присвоить покупку и прибыль? На этот вопрос должна ответить модель атрибуции.
Яндекс.Метрика и Google Analytics в своих отчетах по умолчанию используют модель атрибуции «Последний непрямой клик». Она означает, что покупка будет присвоена второму визиту. Именно веб-аналитические системы построят отчет.

Всегда ли можно использовать стандартную модель?

Нет, потому что, если бы не была запущена медийная реклама, данный пользователь не оказался бы в аудитории ремаркетинга и не смог бы вернуться на сайт и совершить покупку.

Пример выше иллюстрирует, что нельзя использовать стандартную («Последний непрямой клик») модель атрибуции для принятия решения об оптимизации рекламных кампаний.

АУДИТОРИИ

Существует три аудитории

Для работы с каждой из аудиторий нужна своя стратегия, бюджет, креатив, модель атрибуции.

Те, кто знают ваш проект, но не стали клиентами
Те, кто уже является вашими клиентами
Те, кто никогда не слышал о вашем проекте

Смешивайте и соединяйте данные как угодно

Кому нужна собственная модель атрибуции?

ML-модель атрибуции стоит создавать бизнесам, которые:

— одновременно присутствуют в сети в виде сайта и мобильного приложения
— одновременно запускают множество рекламных каналов

Преимущества ML-модели атрибуции

— можно четко определить цель: рост продаж, улучшение ROMI, сокращение бюджетов и пр.

— математические алгоритмы анализирую все последовательности взаимодействия пользователя с сайтом и создают оптимальную модель

— позволяет существенно повысить эффективность маркетинга

Как создать ML-атрибуцию?

Непрерывный сбор данных из CRM, телефонии, веб-аналитики и аналитики для мобильных приложений
Объединение данных в кросс-канальную и кросс-девайсную последовательность
Внесение в алгоритм цели оптимизации
Обучение модули на имеющихся данных
Применение модели на практике

ML-атрибуция

Этапы работ

1

Построение ML-атрибуции

2

Выбор метрик и модели

3

Обучение модели

4

Применение модели

Нам доверяют

Отзывы

Роман Митрофанов

руководитель отдела привлечения группы компаний «ЛитРес»

Коллеги из MediaNation показали высокий профессионализм и отличный результат в этом сложном проекте. Благодаря таким инновационным решениям мы не только сохраняем лидирующие позиции на рынке, но и показываем существенный рост показателей в performance-маркетинге.

Алексей Каландаев

директор департамента цифрового маркетинга и B2C-продаж группы компаний ЛитРес

Коллеги из MediaNation в очередной раз нестандартно подошли к решению нашей задачи по увеличению эффективности рекламных активностей. Дальнейшие шаги – это работа с аудиторией во всех доступных системах, не только с существующими клиентами, но и с новыми пользователями. В этом случае предиктивная аналитика позволит значительно оптимизировать расходы и увеличить конверсию как в performance, так и в охватных рекламных кампаниях.

Алексей Каландаев

директор департамента цифрового маркетинга и B2C-продаж, ГК Литрес

Спасибо нашим партнерам из MediaNation, что не побоялись принять вызов по реализации такой сложной аналитики. Мы действительно столкнулись с рядом ограничений стандартных систем. Объединив все под одной крышей и сделав кросс-канальную кросс-платформенную аналитику, мы можем совершенно по-новому оценивать эффективность рекламных каналов и находить точки роста. И впереди еще очень много задач, доработок и усовершенствовании

Степан Комаров

Руководитель отдела маркетинга и рекламы, Grand Hotel Anapa 5

Конечно, не всё было легко и просто. Скажу честно, на этапе разработки коннектора Битрикс24 я не был уверен, что проект будет реализован до конца — ребята столкнулись с множеством технических подводных камней, т.к. разрабатывали такой коннектор впервые под наш запрос. Остальные же коннекторы в MediaNation уже были созданы и работали в рамках продукта StreamMyData. Но в конечном счете аналитикам и разработчикам удалось преодолеть все препятствия с мужеством и терпением.

Рад результату, который удалось достичь благодаря совместной работе с MediaNation. За время сотрудничества мы подготовили множество итераций отчета для увеличения детализации, пока он не приобрел окончательный совершенный вид. Спасибо команде за внимание к деталям и оперативность внесения изменений.

Азамат Тибилов

CMO бренда женской обуви Mario Berlucci, marioberlucci.ru

Отличный сервис стриминга данных. После ухода OWOX столкнулись с проблемой сбора данных о расходах. К счастью, коллеги из агентства Media Nation предложили решение StreamMyData, в рамках которого мы выгружаем данные из Яндекс.Директ и VK в Big Query, что позволило нам не ломать нашу архитектуру отчётов.

Узнайте больше о возможности создания ML-атрибуции

Получите бесплатную консультацию

Наши награды

SILVER

Tagline Awards 2022

Работа с Big Data.

BRONZE

МИКС Россия 2022

ADTACH / Ecosystem Creation