Атрибуция и инкрементальность: какие продажи действительно добавила реклама
Кабинет показывает конверсии, CRM — оплаченные заказы, но часть покупателей пришла бы и без кампании. Разбираем контрольную группу, дополнительный эффект и ограничения выводов.
Рекламная система приписала кампании сто заказов. Это полезное наблюдение, но оно не отвечает на вопрос руководителя: сколько заказов исчезло бы, если бы эту рекламу не показали? Покупатели могли уже искать бренд, получать рассылку или возвращаться за повторной покупкой. Наличие рекламного касания не описывает мир без него.
Атрибуция распределяет вклад между зафиксированными касаниями по выбранному правилу. Инкрементальность исследует дополнительный результат относительно сценария без воздействия. Для управления бюджетом нужны оба взгляда, но заменять один другим опасно. Рассмотрим учебную схему проверки для интернет-магазина, без привязки к результатам конкретной компании.
Отчёт атрибуции помогает увидеть путь покупателя и сравнить распределение конверсий между каналами. При изменении модели один и тот же заказ может получить другое распределение вклада, хотя денег в кассе больше не стало. В отчётах Google Analytics предусмотрено сравнение такого распределения для разных моделей.
Проверка дополнительного эффекта задаёт другой вопрос: как различается результат у сопоставимых групп при наличии и отсутствии определённого воздействия? Наиболее понятный вариант — корректно организованный эксперимент. Простое сравнение двух недель не заменяет его: вместе с рекламой могли измениться цены, наличие товаров и сезонный спрос.
Сначала выберите бизнес-событие. Отправленная форма, подтверждённая заявка и оплаченный заказ — разные результаты. Если реклама приводит много нецелевых обращений, рост числа форм не означает рост полезных продаж. Для магазина обычно важно согласовать оплату, отмену, возврат и период дозревания заказа.
Затем определите единицу эксперимента: пользователь, организация или территория. Если несколько сотрудников одной компании попадают в разные группы, а решение о покупке общее, независимость наблюдений нарушается. Для B2B может потребоваться разделение на уровне аккаунтов, а не браузеров. Метод выбирают по устройству продажи и доступным данным.
План фиксирует аудиторию, способ распределения, тестируемое воздействие, длительность, основные метрики и правила завершения. Нельзя удалять из анализа некупивших после запуска или оставлять только тех, кто действительно увидел объявление: это способно изменить исходную сопоставимость групп.
Предположим, в эксперименте две случайно сформированные группы по 10 000 человек. Тестовая группа получила предусмотренное рекламное воздействие, контрольная — нет. После согласованного периода получено 600 и 500 оплаченных заказов. Эти числа вымышлены и нужны только для арифметики.
calculation.txtTEXT
Конверсия тестовой группы = 600 / 10 000 = 6%
Конверсия контрольной группы = 500 / 10 000 = 5%
Разница конверсий = 1 процентный пункт
Относительный прирост = (6% - 5%) / 5% = 20%
Оценка дополнительных заказов в тестовой группе = 100
При расходе 150 000 руб. условный iCPA = 150 000 / 100 = 1 500 руб.
Здесь 1 процентный пункт и 20% — разные выражения одной разницы. Дополнительных заказов оценочно сто, а не все шестьсот. При разных размерах групп нельзя просто вычитать числа заказов: сначала требуется привести базу сравнения к выбранному дизайну эксперимента.
Сам расчёт не устанавливает надёжность вывода. Нужно оценить неопределённость, соблюдение распределения и качество данных. При эффекте около нуля стоимость дополнительного заказа может быть крайне нестабильной; отрицательная оценка не превращается в обычную «отрицательную цену покупки». Сначала разбирают интервал оценки и возможные нарушения эксперимента.
Почему эксперимент может показывать неправильную картину #
Контрольную аудиторию может достигать та же реклама через другой кабинет или устройство. В регионе теста может закончиться популярный товар. Менеджеры могут обрабатывать лиды из одной группы быстрее. Во всех этих случаях измеряется смесь изменений, а не только запланированное воздействие.
Отдельно учитывают промокоды и перетекание между группами. Если предложение свободно пересылается коллегам, исходное разделение не гарантирует различия условий. А если кампания меняет цены для всего магазина, пользовательская контрольная группа может оказаться неподходящей. Тогда нужен другой дизайн или более узкий вопрос.
Не стоит останавливать исследование в первый удачный день. Критерии длительности и анализа согласуют заранее с учётом потока конверсий и задержки продаж. Постоянный просмотр промежуточного результата с выбором удобного момента повышает риск ошибочного вывода. При недостаточных данных корректный результат — неопределённость, а не обязательная победа кампании.
В веб-аналитике фиксируют события и технические идентификаторы, в CRM — развитие заявки, в учётной системе — оплату и возврат. Для эксперимента дополнительно нужен устойчивый признак группы и версия правила распределения. Один заказ нельзя считать заново после каждого изменения статуса.
Google Ads предлагает инструмент Conversion Lift , однако он доступен не всем аккаунтам. Наличие инструмента в документации не гарантирует его доступность для вашей страны, кампании или учётной записи. Если штатного исследования нет, собственный дизайн обсуждают отдельно; обычный A/B-тест креативов не становится автоматически проверкой эффекта рекламы относительно её отсутствия.
Для рекламных систем без доступного штатного lift-исследования можно оценивать возможность отдельного контролируемого теста. Но нельзя обещать универсальную кнопку «измерить инкрементальность» в Яндекс Метрике, CRM или системе сквозной аналитики. Сначала нужны допустимый способ разделения и надёжная фиксация результата.
Можно ли определить дополнительный эффект по UTM-меткам? #
UTM помогают связать переход с источником и кампанией. Они не показывают, купил бы тот же человек без рекламы. Для причинного вывода нужен соответствующий эксперимент или другой обоснованный метод, а не только разметка ссылок.
Что выбрать небольшой компании с редкими продажами? #
Начать с качества учёта: определить полезную заявку, оплату, отмену и дубли. Если данных для надёжного эксперимента мало, не выдавать колебания нескольких заказов за доказанный эффект. Можно выбрать более частое промежуточное событие, но его связь с продажами должна быть отдельно проверена.
Поможем связать рекламные отчёты с реальными продажами #
Если рекламные кабинеты и CRM показывают разные результаты, NetLab поможет настроить сквозную аналитику , согласовать события и сверку оплат, а затем оценить возможность проверки дополнительного эффекта. Обсудим вашу задачу : какие каналы используются, где фиксируются заказы и какие решения должен поддерживать отчёт.
