UTM-метки и их роль в сквозной аналитике

UTM-метки — базовый элемент в анализе рекламных кампаний. Без них не узнать, по какому объявлению пользователь перешел на ваш сайт, не связать сессии с расходами на рекламу и не построить сквозную аналитику.

В этой статье мы расскажем какими бывают UTM-метки, зачем их используют и как с их помощью объединять данные из разных источников. Также рассмотрим, каких ошибок стоит избегать при создании меток и как упростить работу с динамическими параметрами.

UTM-метка представляет собой специальный параметр и его значение, которые добавляются в URL сайта после знака «?».

Пример: 

http://www. site. com/?utm_source=yandex.ru&utm_medium=cpc&utm_campaign=TV&utm_term=TV&utm_content=samsung

Аббревиатура UTM расшифровывается как Urchin Tracking Module. Немного истории: в 2005 году Google купил компанию Urchin Software из-за ее аналитической системы Urchin on Demand. Впоследствии эта система легла в основу Google Analytics. После релиза GA UTM-метки стали стандартом, который маркетологи используют для отслеживания переходов по различным рекламным кампаниям, в том числе офлайн.

Существует пять основных типов UTM-меток. Три обязательных:

1. utm_source ㅡ указывает на источник перехода пользователя, то есть сайт.
2. utm_medium ㅡ указывает на канал, по которому перешел пользователь.
3. utm_campaign ㅡ идентифицирует рекламную кампанию, из которой был переход.

И две опциональных метки:

1. utm_term ㅡ показывает ключевую фразу из рекламной кампании.
2. utm_content ㅡ идентифицирует элемент контента объявления, на который кликнул пользователь перед переходом.

Чтобы ответить на этот вопрос, нужно понимать как работает сквозная аналитика. Существует много способов ее внедрения. В этой статье мы подробно рассмотрим способ, который использует OWOX BI.

Если кратко, то суть сквозной аналитики заключается в объединении данных из разных источников: вашего сайта или мобильного приложения, рекламных источников, сервисов email-рассылок и коллтрекинга, CRM/ERP систем. Все эти данные загружаются в единое хранилище, в нашем случае это Google BigQuery, а затем объединяются по каким-нибудь ключам. После эту информацию можно использовать в отчетах и анализировать в различных срезах.

Пример объединения данных с помощью OWOX BI:

Как настроить сквозную аналитику с помощью OWOX BI:

1. Настройте сбор данных с сайта в Google BigQuery.
2. Импортируйте расходы из разных рекламных сервисов в Google Analytics, а затем выгрузите их одним потоком в Google BigQuery.
3. Импортируйте данные о звонках и письмах из сервисов коллтрекинга и email-рассылок в Google BigQuery.
4. Выгрузите в облачное хранилище данные о доходе, покупках и возвратах из вашей CRM-системы.
5. Стройте отчеты в Google BigQuery с помощью SQL-запросов или используйте уже готовые отчеты в OWOX BI Smart Data, просто указав в строке поиска нужные вам метрики.

У OWOX BI есть бесплатный trial-период. Подпишитесь — и настройте свою систему сквозной аналитики.

• Анализ данных в одной системе.
• Более точная оценка эффективности рекламных кампаний.
• Возможность видеть корректный путь пользователя от первого визита к покупке.
• Принятие решений на основе данных, а не интуиции.

На словах все звучит достаточно просто, но на практике при настройке сквозной аналитики можно столкнуться со следующими проблемами:

• Рекламные площадки Facebook, Яндекс. Директ и др. не отдают статистику по рекламе в разрезе UTM-меток. Почему это проблема, мы объясним чуть ниже в этой статье.
• Объединить информацию о сессиях пользователей с данными о рекламных расходах можно только по UTM-меткам. Другого способа не существует.
• Если нет меток или они заданы неверно, невозможно идентифицировать кампанию либо объявление. А значит, вы не сможете правильно атрибутировать расходы на сессии, то есть узнать стоимость каждой сессии. Это базовый элемент при построении сквозной аналитики.

Таких вопросов достаточно много, мы привели самые основные:

• По какому объявлению произошел переход?
• Из какого региона пользователь, который совершил переход?
• На каких сайтах были показаны объявления, из которых произошел переход? Это касается больше контекстной рекламы.
• На каком типе устройств лучше конверсия?
• Люди какого пола или возраста приносят наибольший доход?

Да, на часть из этих вопросов можно получить ответ и другими способами, но можно и при помощи UTM-разметки. Делается это благодаря динамическим параметрам.

Маркетологи используют динамические параметры для передачи значимой информации, которая характеризует пользователя и условия показа объявления. Их указывают в значениях UTM-меток в фигурных скобках { }. Динамические параметры задаются при настройке рекламной кампании. В момент показа объявления рекламный сервис подставляет значение параметра вместо самого параметра в фигурных скобках.

• {ad_id} или {banner_id} ㅡ идентификатор объявления.
• {campaign_name} ㅡ название рекламной кампании.
• {campaign_id} ㅡ id рекламной кампании.
• {keyword} ㅡ ключевая фраза, по которой было показано объявление.
• {region_name} ㅡ регион.

Пример ссылки с динамическими параметрами:

www. site. com/? utm_source=yandex&utm_medium=cpc&utm_campaign={campaign_name}&utm_term={keyword}&&utm_content=id|{phrase_id}_{retargeting_id}|cid|{campaign_id}|gid|{gbid}|aid|{ad_id}|adp|{addphrases}|pos|{position_type}|src|{source_type}_{source}|dvc|{device_type}

Подобный шаблон ссылки вы можете использовать для всех рекламных объявлений в Яндекс. Директ. При этом вам не нужно прописывать в UTM-метках название кампании, например. Рекламная система сама подставит реальное название кампании вместо {campaign_name}. Единственное что — в настройках желательно указывать имя кампании на английском языке.

• ad_id={{ad. id}} ㅡ идентификатор объявления.
• adset_id={{adset. id}} ㅡ идентификатор группы объявлений.
• campaign_id={{campaign. id}} ㅡ id рекламной кампании.
• ad_name={{ad. name}} ㅡ название объявления.
• adset_name={{adset. name}} ㅡ название группы объявлений.
• campaign_name={{campaign. name}} ㅡ название рекламной кампании.

Мы привели в пример только два рекламных сервиса, однако динамические параметры используют очень многие крупные площадки: Google, Bing, Вконтакте, MyTarget и др.

OWOX BI помогает автоматически выгружать расходы из рекламных сервисов в Google Analytics и Google BigQuery, а также передавать в BigQuery данные о поведении пользователей на вашем сайте.

Используя OWOX BI, вы получаете полные и качественные данные:

• Чтобы связать информацию о сессиях и расходах, OWOX BI распознает UTM-метки в ваших рекламных объявлениях. Дело в том, что ни один API рекламных сервисов не отдает метки с динамическими параметрами в их конечном виде, то есть вместо значения параметра в ссылке только его название. Мы эти динамические параметры умеем распознавать. Когда мы выгружаем расходы из рекламного кабинета и встречаем ссылку с такими параметрами, то можем определить их значение. Благодаря этому в отчетах Google Analytics вы можете смотреть затраты в разрезе UTM-меток. Ознакомиться со списком всех динамических параметров, которые поддерживает OWOX BI, можно в нашей справке.
• При импорте расходов мы проверяем UTM-метки в ваших кампаниях и сообщаем, если есть ошибки. Примеры таких ошибок рассмотрим чуть ниже в этой статье.
• OWOX BI преобразовывает импортируемые данные в правильный формат. К примеру, у Google Analytics есть своя схема для загрузки данных и в ней используются не UTM-метки, а параметры. Например, параметр ga: source вместо метки utm_source. Мы приводим данные к единому формату.
• Мы обновляем данные, загруженные в Google Analytics, если они изменились в рекламном сервисе. Например, если Яндекс. Директ проанализирует ваш трафик и определит, что по вашей рекламе переходили боты, то вам скорее всего вернут деньги на баланс. Такие вещи OWOX BI отслеживает и поддерживает актуальность данных в GA.
• При необходимости мы можем загрузить в Analytics ваши исторические данные: для платных пакетов за полгода, для бесплатных за один месяц. Сейчас мы работаем над обновленной версией платформы, которая позволит загружать данные о расходах за любой ретроспективный период при наличии их в рекламном сервисе.
• Кроме того, OWOX BI умеет собирать в Google BigQuery сырые данные о кампаниях Google Ads с авторазметкой, получая их из параметров gclid. Дело в том, что при показе рекламы с авторазметкой в ссылке не используются UTM-метки. Это не проблема, если вы анализируете расходы на рекламу только в GA. Но, если вы пытаетесь выгрузить затраты из того же Google Ads и объединить их с данными о сессиях, то тут приходится атрибутировать расходы на рекламу не по меткам, а по gclid. Мы это делать умеем.
• При импорте OWOX BI конвертируем валюту рекламного сервиса в валюту ресурса Google Analytics.

1. Используя официальные API рекламных сервисов, OWOX BI получает статистику показов объявлений.
2. По каждому объявлению мы получаем utm-разметку. В большинстве случаев это просто ссылка.
3. Из этой ссылки мы извлекаем utm-метки, если в них содержатся динамические параметры.
4. Анализируем метки на наличие ошибок и заменяем динамические параметры их значениями.
5. После того, как получили все значения UTM-меток, мы формируем CSV-файл для загрузки в Google Analytics. Кроме меток этот файл содержит также расходы, показы, клики и даты.
6. Затем мы загружаем этот файл в GA.

Ошибки в разметке, которые определяет OWOX BI:

• Отсутствуют обязательные UTM-метки.
• Используются неподдерживаемые динамические параметры, которые недоступны в API рекламного сервиса. Например, у Яндекс. Директ есть динамический параметр, с помощью которого можно отслеживать точную позицию показа объявления в поиске. Так вот в API в разрезе объявления невозможно получить эти данные. В таких случаях мы рекомендуем вместо динамических параметров использовать пользовательские параметры Google Analytics.
• Когда мы не смогли распарсить по какой-либо причине UTM-метку. Так бывает с некоторыми типами объявлений, когда у рекламных площадок вообще отсутствует техническая возможность определения разметки. Например, смарт-баннеры у Яндекс. Директ.
• Синтаксические ошибки в UTM-метках.

Пример, как выглядит сообщение об ошибке в интерфейсе OWOX BI:

Следующий шаг при построении сквозной аналитики — это импорт расходов в Google BigQuery. Он очень похож на импорт расходов в GA. Разница лишь в том, что если в Analytics мы передаем только информацию по UTM-меткам и расходы, то в таблицу Google BigQuery мы передаем дополнительные параметры (более 200 метрик для Facebook и 60 метрик для Яндекс. Директ).

Это позволяет строить детальные отчеты для глубокого анализа, создавать списки ремаркетинга, эффективно управлять рекламными ставками и обучать свою ML-модель для более точного планирования.

У OWOX BI есть свой счетчик (он чем-то похож на счетчик GA), который устанавливается на сайте клиента. С его помощью в режиме близком к реальному времени (с задержкой в пару минут) мы записываем данные о поведении пользователей в виде хитов в Google BigQuery. После чего по истечении суток мы из таблиц с данными о хитах формируем таблицы с пользовательскими сессиями.

После этого мы работаем над заполнением двух полей в этих таблицах — attributedAdCost и AdCost:

1. Для начала мы получаем из GA данные о показах рекламных объявлений с UTM-метками. В большинстве случаев это как раз те расходы, которые загружены туда с помощью OWOX BI.
2. Формируем из данных GA таблицу расходов на рекламу.
3. Используя метки из таблиц с данными о сессиях и метки из таблиц с расходами, мы определяем затраты на каждую сессию.
4. В результате в таблице сессионного стриминга все расходы распределяются по пользовательским сессиям (поле attributedAdCost).

Эта информация помогает анализировать данные в различных срезах. Самое простое — вы можете посчитать CPO для каждого вашего заказа. Просто берете attributedAdCost пользователя, который конвертировался, суммируете затраты, если было несколько платных переходов, и получаете стоимость вашего заказа.

Кроме того вы можете сгруппировать расходы и доходы по пользователям, когортам или посадочным страницам. Это помогает оценивать эффективность кампаний, направленных на возврат старых пользователей или привлечение новых, а также планировать бюджет для разных категорий, регионов и т. д.

Самые распространенные ошибки в UTM-разметке из нашей практики:

• Не использовать метки вообще. Например, вы запускаете рекламу в Facebook и у вас есть страница компании с ссылками на сайт. Если вы не используете UTM-разметку, то вы никогда не поймете, откуда были переходы: с вашей страницы либо с рекламы.
• Не использовать все обязательные метки. Вы можете указать utm_source, но не указать utm_medium.
• Использовать разные регистры для названия одной метки в рамках одной кампании. Например CPC и cpc Google Analytics посчитает как две разные кампании.
• Некорректно использовать якоря в ссылках. Якорь это решетка, после которой идет некое значение. Так вот якоря нужно ставить после UTM-меток.
• Задавать слишком длинные значения для меток (более 8 Кб). В таких случаях метки будут обрезаться.

Синтаксические ошибки в ручной разметке:

• Использование пробелов.
• Повторное использование знака «?».
• Использование в значениях UTM-меток знака «&». Дело в том, что с помощью этого знака отделяется одна метка от другой. Если использовать его в значениях меток, это вызовет путаницу.
• Использование в значениях UTM-меток фигурных скобок { } — алгоритм OWOX BI может воспринимать это как неизвестные динамические параметры.

1. Использование UTM-разметки ㅡ обязательное условие для анализа эффективности рекламных кампаний.
2. Проектируйте кампании и UTM-разметку с учетом бизнес-логики и задач, которые вы хотите решить. Определите для себя, какие срезы данных вам нужно анализировать. К примеру, если вы захотите анализировать брендовый и не брендовый трафик, то желательно иметь для этого разные кампании в рекламных источниках.
3. Используйте потенциал динамических параметров по максимуму. В отчете «Анализ расходов» Google Analytics можно удобно фильтровать данные при помощи дополнительных параметров. Например, смотреть расходы по геолокации, сетям показа ваших контекстных объявлений и т. д.

P. S. Если вам нужна помощь с созданием UTM-меток и настройкой сквозной аналитики, мы готовы помочь. Запишитесь на демо — обсудим детали.