Анализ эффективности медийной рекламы: комплексный подход к оценке влияния

В современном маркетинге медийная реклама часто недооценивается из-за сложности прямого измерения ее эффективности. Оценка кампаний только по прямым конверсиям часто ведет к ошибочным выводам и необоснованному урезанию бюджета.

В статье я разберу, почему медийную рекламу не стоит недооценивать, как анализировать ее влияние с помощью GA4, концепции ассоциированных конверсий, модели Media Mix Modeling (MMM) и инструмента Meridian от Google.

Теория семи касаний: почему один диджитал-канал — это мало

Это маркетинговая концепция, согласно которой клиент обычно принимает решение о покупке после семи взаимодействий с брендом — особенно когда речь идет о дорогом или важном товаре.

В зависимости от типа продукта и ниши количество таких касаний отличается.

Концепция работает по следующим алгоритмам.

1. Формирование узнаваемости. Чем чаще человек видит определенный бренд, тем более знакомым он становится.
2. Рост доверия. С каждым прикосновением формируется доверие.
3. Развитие заинтересованности. От простого знакомства с брендом до детального изучения продукта.
4. Принятие решения. Когда все сомнения развеяны, пользователь готов к конверсии.

Пример последовательного пути пользователя к покупке, где каждый пункт обозначает следующий контакт с брендом.

1. Увидел баннерную рекламу.
2. Наткнулся на упоминание о бренде в социальной сети.
3. Получил ремаркетинговую рекламу.
4. Прочитал статью о продукте.
5. Увидел отзыв от друга.
6. Получил email-рассылку.
7. Увидел таргетированную рекламу с акционным предложением и совершил покупку.

Как комбинация каналов усиливает общий эффект

Важно понимать, что рекламные каналы работают вместе, усиливая эффект друг друга:

• эффект частоты — когда пользователь видит бренд в разных каналах, это усиливает запоминаемость;
• эффект доверия — если бренд встречается в разных местах, это повышает доверие;
• эффект подтверждения — когда пользователь видит рекламу, например, в YouTube, а затем находит бренд через поиск, это подтверждает правильность выбора.

Представьте, что вы планируете купить новый телефон. Сначала вы видите рекламу в Youtube — это первое касание, потом гуглите характеристики — второе. Читаете отзывы, и это третье касание, сравниваете цены — четвертое. Пятое касание — вы совершаете покупку.

В аналитике конверсия засчитается только последнему каналу или распределится между каналами. Но без первого касания в YouTube вы бы вообще не начали этот путь.

Итак, медийная реклама не всегда приносит мгновенные конверсии, но она создает информационный фон, который помогает сработать другим каналам.

Проблематика медийной рекламы: почему ее недооценивают

Есть несколько ключевых причин, по которым медийная реклама кажется неэффективной.

1. Фокус на последнем клике и сложность пути принятия решения. Обычно модели атрибуции концентрируются только на последнем взаимодействии перед конверсией. В то же время для многих продуктов покупателю нужно несколько контактов с брендом, прежде чем он решит купить.

Медийная реклама обычно является первым знакомством с брендом, но ее вклад остается невидимым в традиционных моделях атрибуции, которые учитывают только последнее взаимодействие.

2. Технические ограничения отслеживания как общая проблема для всех каналов.

Эти ограничения одинаково влияют на медийную и перформанс-рекламу, но медийная страдает больше из-за своей роли в верхней части воронки:

• удаление cookies — пользователи очищают файлы cookie или блокируют их через браузеры;
• проблемы с кросс-девайс трекингом — сложность в связывании действий одного пользователя на разных устройствах;
• использование режима инкогнито — ограничивает сбор информации о действиях пользователя;
• неправильная настройка UTM-меток — приводит к потере данных об источниках трафика.

Подробнее об этих ограничениях расскажу далее.

3. Брендовое влияние. Медийная реклама в первую очередь работает на узнаваемость и лояльность, а не на мгновенные продажи.

Отсутствие прямых конверсий в отчетах не говорит о ее неэффективности. Скорее всего, стоит обратить внимание на другие метрики.

Концепция ассоциированных конверсий

Конверсия редко случается после первого контакта с рекламой. Пользователь может увидеть баннер, затем нажать на поисковую рекламу, зайти на сайт, вернуться через несколько дней и совершить покупку.

Ассоциированные конверсии — это конверсии, в которых определенный канал участвовал, но не был последним перед финальным действием. Другими словами, канал внес свой вклад в процесс, но не получил прямого «кредита» (ценности) в традиционной модели атрибуции.

Почему ассоциированные конверсии важны для медийной рекламы

Медийная реклама часто выступает как первый контакт с брендом или канал, поддерживающий интерес пользователя. В то же время пользователь может конвертироваться через другой канал — например, прямой трафик (direct, когда пользователь заходит на сайт без посредничества других каналов) или поиск. Без понимания ассоциированных конверсий можно ошибочно считать, что медийная реклама не работает.

Как анализировать путь пользователя в GA4

Для этого используйте отчет Attribution path.

1. В левом меню перейдите к разделу Реклама (Advertising).
   
   
   
2. Найдите подразделение Атрибуция (Attribution).
   
   
   
3. Выберите Путь к конверсии (Attribution paths).
   
   
   
   
   
4. Здесь вы увидите, через какие каналы проходил пользователь перед конверсией.
   
   

Комбинация каналов, например, «Paid Search → Organic Search» показывает, как пользователи проходят несколько этапов перед покупкой.

«Organic search × 3» означает, что пользователь зашел на сайт через органический поиск (organic) три раза перед совершением конверсии.

Можно изменить параметры группировки данных — source, medium.

На визуализации кроме метода группировки можно также выбрать модель атрибуции, то есть способ распределения ценности между каналами, повлиявшими на конверсию.

Модели атрибуции в GA4

Google Analytics 4 поддерживает несколько моделей атрибуции, определяющих распределение ценности конверсии между различными каналами. Ниже — краткое описание основных моделей, доступных в отчетах GA4. Подробнее обо всех моделях можно прочитать в справке Google.

К сожалению, в GA4 больше нельзя напрямую сравнивать модели «Первое взаимодействие», где вся ценность присваивается первому каналу, и «Линейная», где ценность равномерно распределяется между всеми каналами. Используйте экспорт сырых данных в BigQuery и создайте собственные модели атрибуции.

Смоделирую ситуацию.

1. Пользователь увидел рекламу в Telegram или YouTube.
2. Через три дня ищет бренд в Google.
3. Неделю спустя перешел на сайт из Facebook.
4. Затем получил email-рассылки и, наконец, оформил заказ.

Важно. При выбранной модели атрибуции «Last Click» конверсия будет закреплена за email. Но без Telegram или Youtube в начале пути она не состоялась.

В аналитике есть отчет Attribution models. Здесь можно сравнивать модели атрибуции между собой.

Как сравнить разные модели атрибуции в GA4

Выполните следующие действия.

1. В левом меню перейдите к разделу Реклама (Advertising).
   
   
   
2. Найдите подраздел Атрибуция (Attribution).
   
   
   
3. Выберите Модели атрибуции (Attribution Model).
   
   
   

Сравните различные модели атрибуции и количественное изменение конверсий в зависимости от модели.

Почему канал не появляется в цепочке, но все равно влияет на конверсии

Это происходит по нескольким причинам.

1. Кросс-девайс проблема. Пользователь увидел рекламу на телефоне, а покупку совершил с компьютера, и системе не удалось связать эти сессии.
2. Удаление cookies. Покупатель очистил историю или использует режим инкогнито.
3. Проблемы с UTM-метками. Неправильно настроенные UTM-параметры приводят к некорректному определению канала в аналитике.
4. Прямой переход. Пользователь запомнил и ввел URL в браузер.

Как доказывать влияние «невидимых» каналов

Не все каналы легко отследить через стандартную атрибуцию — например, медийная реклама или офлайн-активности часто влияют опосредованно. Вот несколько способов выявить их эффективность.

1. Анализ бренд-запросов (оценка влияния кампаний на спрос и узнаваемость бренда). Отслеживайте изменение количества бренд-запросов в поиске во время медийной рекламной кампании.
2. Анализ прямого трафика. Фиксируйте рост прямого трафика после запуска медийной рекламной кампании.
3. Эксперименты с отключением. Падение количества конверсий с других каналов после отключения рекламы свидетельствует о ее влиянии на общий результат.

Методы анализа эффективности медийной рекламы

Поскольку медийную рекламу обычно нельзя отследить напрямую, нужно использовать косвенные методы.

1. Анализ органического трафика и бренд-запросов:

• рост органического трафика — когда после запуска медийной рекламы наблюдается увеличение органического трафика, это подтверждает, что реклама работает на узнаваемость бренда;
• рост бренд-запросов — используйте Google Search Console для отслеживания изменений количества поисковых запросов с названием вашего бренда до / во время / после медийной рекламной кампании.

2. Анализ прямого трафика:

• рост прямого трафика — пользователи, которые видели медийную рекламу, могут запомнить название бренда и позже ввести его в браузер. Рост прямого трафика после запуска медийной рекламы — важный индикатор ее эффективности.

3. Отслеживание номера телефона:

• уникальный номер телефона — используйте отдельный номер телефона для рекламы, чтобы отслеживать звонки от этого канала;
• промокоды — внедряйте уникальные промокоды в медийную рекламу для отслеживания конверсий в GA4.

Почему рост органики — это доказательство эффективности медийной рекламы

Один из важнейших индикаторов эффективности медийной рекламы — рост органического трафика. Вот почему это происходит.

1. Пользователь видит медийную рекламу, например, в YouTube.
2. Запоминает название бренда/продукта.
3. Позже при необходимости ищет бренд/продукт в Google.
4. Переходит на сайт бренда/продукта через органический поиск.
5. Конверсия засчитывается органике, хотя первым источником была медийная реклама.

Как определить, что рост органического трафика — это доказательство эффективности медийной рекламы

1. Сравнивайте график органического трафика до и после запуска медийной кампании.
2. Анализируйте поисковые запросы в Google Search Console — рост бренд-запросов после рекламной кампании.
3. Отслеживайте корреляцию между бюджетом на медийную рекламу и объемом органического трафика.

Этот рост свидетельствует о повышении интереса пользователей и потенциально об увеличении количества бренд-запросов.

Передовые методы анализа медийной рекламы — MMM и Meridian

Media Mix Modeling (MMM) — это метод анализа, помогающий оценить влияние различных медиаканалов на продажи или другие ключевые показатели эффективности. МММ позволяет оценить влияние различных медиаактивностей (Google Ads, Telegram, TV) и немедийных факторов (экономические условия, сезонность, акции) на итоговые результаты. Это своеобразный барометр вашей маркетинговой стратегии.

Как работает метод:

• вы собираете данные обо всех рекламных каналах — YouTube, Telegram, Facebook, Google Ads;
• данные загружаются в модель, анализирующую вклад каждого канала в продажи;
• результаты показывают реальную эффективность каждой гривны рекламного бюджета.

Уникальные возможности МММ:

• определяет самый эффективный канал;
• помогает оптимизировать рекламные расходы;
• просчитывает влияние внешних факторов (сезонность, акции).

Meridian — открытый инструмент для MMM от Google

Google представил Meridian — современный open-source инструмент для анализа маркетингового микса. Он помогает компаниям строить собственные MMM-модели и получать прозрачные данные для принятия решений.

Что делает Meridian уникальным:

• он упрощает процесс моделирования для маркетологов;
• интегрируется с другими аналитическими инструментами;
• использует современные статистические методы для точного прогнозирования.

Как MMM и Meridian помогают анализировать медийную рекламу

Сочетание передовых методов анализа дает уникальные возможности.

1. Точно определить самые эффективные каналы.
2. Посчитать реальную отдачу от каждой рекламы.
3. Найти оптимальную частоту контактов с клиентом.
4. Избежать напрасных трат на неэффективные каналы.

Помимо Meridian, существуют и другие инструменты для MMM, в частности Robyn — open-source проект, созданный Meta в рамках инициативы Meta Open Source.

Реальные вызовы внедрения:

• нужна история данных за последние 1,5–3 года — желательно, чтобы в этот период были как сезонные подъемы, так и спады продаж;
• необходимы глубокие знания статистики;
• требует навыков программирования;
• требует привлечения дата-специалиста;
• высокая стоимость разработки (ориентировочно от $5000);
• сложная настройка моделей.

Выводы

1. Медийная реклама — это инструмент формирования бренда, а не только генерации прямых конверсий. Она часто играет роль первого прикосновения, работая на узнаваемость бренда.
2. Для корректной оценки эффективности необходимо анализировать весь путь пользователя, а не только последний шаг перед конверсией.
3. Комбинация каналов работает лучше, чем каждый канал по отдельности.
4. Невидимые в аналитике каналы могут иметь существенное влияние на конечный результат.
5. MMM и Meridian — мощные инструменты современного маркетинга. Они превращают рекламу из интуитивной деятельности в точную науку, помогая бизнесу принимать обоснованные решения.
6. Если вы планируете использовать MMM, начните со сбора исторических данных и тестирования простых моделей на основе Meridian.