Статьи
Внедрение атрибуции на основе воронки
В статье описан порядок внедрения атрибуции на основе воронки с помощью сервисов Google Cloud Platform, Google Analytics и OWOX BI.
Рассмотрены вопросы сбора и объединения данных. Материал ориентирован на аналитиков и технических специалистов. С алгоритмом расчета и преимуществами атрибуции на основе воронки вы сможете познакомиться в отдельной статье.
Для расчета атрибуции необходимо настроить потоки следующих данных в Google BigQuery:
- Транзакции.
- Действия пользователей от взаимодействия с рекламой до транзакций.
- Расходы на онлайн-рекламу.
Транзакции

Наиболее качественным источником данных о ценности транзакций является CRM. В отличии от Google Analytics, CRM обладает информацией о:
-
заказах, размещенных не через сайт. Это важно для многих видов бизнесов;
- мультиканальных ритейлеров, которые получают больше половины выручки в физических магазинах или в call-центре;
- банков, страховых компаний и b2b-компаний, которые на сайте принимают только заявки, а реальная их ценность становится понятна только через время;
- сервисов, работающих по подписке и регулярно списывающих средства со счета пользователя;
- марже, а не доходе от транзакций. Если вы продаете физические товары, маржа на них наверняка значительно отличается в зависимости от категории. А передавать с сайта маржу вместе с информацией о заказе часто затруднительно, так как она является конфиденциальной информацией и становится известной после закупки товара;
- статусе выполнения заказа. Часть заказов, информация о которых попала в Google Analytics, может быть отменена или быть тестовой;
- обо всех онлайн заказах. Как известно, до 20% заказов могут не попадать в Google Analytics из-за скорости загрузки страниц или особенностей JavaScript.
Для передачи данных из CRM в Google BigQuery можно воспользоваться готовыми библиотеками и приложениями.
- SDK для .NET, .Java, PHP, Python ;
- Загрузку файлов в формате CSV и JSON с помощью командной строки;
- ODBC-драйвер от CDATA ;
- Готовые ETL приложения .
Большое преимущество Google BigQuery в том, что ваш ИТ-отдел легко может выбрать удобный для них способ и импортировать данные в произвольном формате, не заботясь о правильном названии полей или номерах custom dimension. Это значительно сэкономит их время на интеграцию и ваши силы на уговоры их сделать эту интеграцию.
Если необходимые данные содержатся в разных сервисах, их можно выгружать независимыми потоками. Например, статусы заказов и маржинальность проданных товаров. Структура данных и названия полей также могут быть произвольными, главное, чтобы были ключи по которым их можно связать.
Создавая потоки данных с помощью OWOX BI, вы можете сразу получить рекомендованную структуру данных и взять ее за основу.
Даже если вы не можете автоматизировать импорт данных о транзакциях из CRM в Google BigQuery у вас есть два варианта получить преимущества атрибуции на основе воронки.
-
Вы можете атрибутировать ценность от транзакций, собранных
в Google Analytics и для этого не потребуется привлекать
ваше ИТ.
В этом случае вы не сможете учесть исполняемость заказов и валовую прибыль, но вы увидите насколько сильно изменится ROI каналов, если учесть вклад каждого из посещений перед заказом. -
Если вы можете получить выгрузку необходимой информации из CRM,
например, за один месяц, то с помощью бесплатного BigQuery
Addon Reports для Google Sheets сможете отправить эти данные в Google
BigQuery и использовать их для расчетов.
В этом случае данные за будущие периоды не будут обновляться автоматически, но вы увидите насколько сильно изменится ROI каналов, если учесть исполняемость заказов и валовую прибыль
Результат данного этапа — таблица в Google BigQuery с информацией о транзакциях, которой доверяет ваш CFO.

Действия пользователей от взаимодействия с рекламой до транзакций

Действия пользователей — это именно то, что объединяет усилия и результаты. Расходы на рекламу и транзакции. От полноты и детализации этих данных напрямую зависит достоверность модели атрибуции. Одного только факта визита с определенного источника недостаточно, чтобы оценить полезные действия, которые произошли в сессии. Поэтому в Google BigQuery должна быть собрана вся информация о действиях пользователей. Важно, чтобы она была в несемплированном виде и с точностью до каждого пользователя.
Получить эту информацию можно двумя способами:
- Если вы используете Google Analytics 360, то можете активировать стандартный экспорт в Google BigQuery
- Или, если вы используете стандартную версию Google Analytics, то активировав OWOX BI Google Analytics to Google BigQuery сможете собирать несемплированные данные в Google BigQuery
Эти два способа интеграции имеют свои особенности, но главное, что в результате вы получите полные и несемплированные данные о действиях всех пользователей в Google BigQuery:
Результатом данного этапа является еще одна таблица Google BigQuery.

Google Analytics Core V3 не подходит для получения этих данных, так как в ответе может возвращать до 7 dimension, а метрика является обязательным параметром запроса, значит ответ всегда будет агрегированным.
Расходы на онлайн-рекламу

Удобнее всего расходы на онлайн-рекламу импортировать в Google BigQuery из Google Analytics. Для этого их сначала надо собрать в Google Analytics:
- Связать Google Analytics с Google AdWords аккаунтом для импорта расходов на Google-кампании. У вас ведь уже это сделано, правда?
- Подключить автоматический импорт из Яндекс.Маркет, Яндекс.Директ, Вконтакте, Facebook или Instagram с помощью OWOX BI Pipeline Cost Data Import .
- Не реже одного раза в месяц вносить расходы на остальные рекламные источники в OWOX BI. Они будут автоматически распределены по каждому дню в месяце пропорционально количеству визитов.
После этого останется активировать в OWOX BI поток данных из Google Analytics в Google BigQuery. Важно, что данные о расходах будут обновляться автоматически вместе с их обновлением в Google Analytics.

Результат
В результате вся необходимая для расчета атрибуции на основе воронки информация будет собрана в Google BigQuery и доступна для обработки.
