Конверсии в отчетах часто закрепляются за последним источником: поиском, прямым заходом или performance-каналом. Поэтому может казаться, что именно они дают основной результат. Однако путь пользователя обычно начинается гораздо раньше. Он может увидеть баннер или видео, не перейти на сайт сразу, а вернуться позже через другой канал и оставить заявку. В таком случае роль медийного контакта останется незаметной. Специалисты AMDG разбирают, почему кликовой аналитики недостаточно для оценки медийных и видеокампаний и как post-view помогает увидеть, какие контакты участвовали в пути к заявке или покупке.
Что такое Post-View аналитика и зачем она нужна?
Post-view аналитика — это подход к оценке эффективности рекламы, в рамках которого фиксируются ситуации, когда пользователь видел рекламу, не кликнул по ней, но позже совершил целевое действие: оставил заявку, зарегистрировался, оформил заказ и т.д.
Для медийной и видеорекламы это особенно важно. Такие форматы часто работают не на мгновенный переход, а на запоминание бренда, формирование интереса и возвращение пользователя. Post-view помогает связать просмотр рекламы с дальнейшим действием и понять, участвовала ли медийная кампания в пути к заявке или покупке.
Путь пользователя от просмотра до покупки
Путь к конверсии редко состоит из одного касания. Сначала пользователь может увидеть видеоролик, через некоторое время наткнуться на баннер. Спустя время он вводит название бренда в поиске, переходит на сайт, сравнивает предложение и возвращается еще раз — уже для заявки или покупки.
Это один из возможных сценариев: в реальности последовательность касаний может быть разной, а путь к конверсии — включать больше каналов, пауз и возвращений к бренду.
Наглядно это может выглядеть так:
В этой цепочке каждый канал выполняет свою роль:
- Медийная реклама формирует знание и интерес.
- Performance-каналы работают с уже сформированным спросом и подводят пользователя к действию.
Если оценивать только последний переход, часть пути выпадает из анализа, а вместе с ней — и вклад каналов, которые подготовили пользователя к конверсии.
«Одна из ошибок в оценке медийных кампаний — ожидать от них той же логики поведения, что и от performance: клик, переход, конверсия. Медийный контакт работает иначе: он не закрывает действие сразу, а влияет на знание бренда, поисковой интерес, прямые переходы на сайт и реакцию на другие рекламные касания. Поэтому без post-view бизнес рискует переинвестировать в каналы, которые закрывают спрос, и недооценить каналы, которые его создают».
Кейс
Клиент — лотерея. Для таких проектов важно не только привлекать новых пользователей, но и возвращать тех, кто уже взаимодействовал с продуктом: скачивал приложение, участвовал в игре, делал депозиты, но затем мог прекратить активность.
Особенность проекта — специфика категории и необходимость прохождения модерации. Это влияло на выбор форматов и коммуникации, а также повышало требования к оценке эффективности кампаний.
В рамках проекта пользовательский путь не был линейным. Пользователь мог удалить приложение, спустя время увидеть рекламу, вернуться и снова совершить целевое действие.
Этот цикл поведения показан на схеме: рекламный контакт не обязательно приводит к немедленному действию, но может предшествовать возврату пользователя.
Чтобы корректно оценить такой сценарий, в кампании использовали post-view аналитику. Она позволила дополнить кликовую модель и учитывать конверсии, которым предшествовал просмотр рекламы.
Анализ показал, что:
- значительная часть конверсий происходит после просмотра рекламы, без клика;
- количество post-view конверсий в 36 раз превышает кликовые;
- чем заметнее и «охватнее» формат, тем выше его вклад в возврат пользователей;
- медийные кампании фактически работают как триггер возврата, а не как прямой канал конверсии.
В результате коэффициент Post-View конверсии составил 0,94%, что в 31 раз выше среднего показателя по кампаниям.
После подключения Post-View аналитики стали видны неучтенные конверсии: показатель скачиваний приложения вырос в 53 раза, а показатель переходов в игры — в 23 раза.
Почему last-click и post-click-конверсий недостаточно для оценки полного пути пользователя
Last-click и post-click — это самые популярные модели атрибуции, которые используются для оценки эффективности рекламных каналов.
Last-click приписывает 100% ценности конверсии последнему источнику, с которым контактировал пользователь. В post-click модели фиксируются все переходы на сайт по рекламным объявлениям. Эти модели полезны для оценки каналов, где переход на сайт является основным шагом к конверсии.
«Кликовая аналитика показывает финальный источник конверсии, но не раскрывает, какие контакты сформировали спрос до перехода. Поэтому данные по кликам нужно сопоставлять с post-view конверсиями — так можно увидеть вклад охватных контактов и не занизить эффект медийной рекламы».
Где возникает разрыв между медийными метриками и бизнес-результатом
Медийные метрики показывают, как аудитория взаимодействует с рекламой. Конверсионная аналитика отвечает на другой вопрос: откуда пришла заявка или покупка и во сколько она обошлась бизнесу.
Проблема в том, что эти два уровня часто существуют отдельно. Post-view аналитика соотносит рекламный контакт с последующим действием и показывает, какие именно кампании, форматы или креативы предшествовали конверсии.
«Post-view аналитика полезна как способ проверить рабочие гипотезы по медийным кампаниям. Например, какие креативы чаще предшествуют заявкам, после каких форматов пользователи быстрее возвращаются на сайт, где между контактом и конверсией проходит больше времени. Также данные помогают точнее планировать следующие размещения: корректировать частоту, выбирать форматы, пересматривать последовательность касаний и усиливать связки с поиском или ретаргетингом».Важно отметить, что post-view не заменяет кликовую аналитику. Этот подход дополняет ее там, где важно увидеть не только переходы, но и рекламные контакты до конверсии.
После подключения post-view можно оценить:
Это не означает, что каждый просмотр стал причиной конверсии. Но post-view помогает увидеть связи, которые раньше не учитывались.
«Если в отчете видно post-view CR, time lag укладывается в цикл покупки, а CPA с учетом post-view остается приемлемым, кампанию нельзя оценивать только по кликам. Значит, ее роль не в мгновенном переходе, а в подготовке пользователя к действия.
Где post-view особенно полезна
Post-view аналитика особенно полезна в отраслях, где пользователь не принимает решение сразу.
В первую очередь это касается:
- Видеорекламы и охватных форматов. Пользователь может увидеть сообщение, запомнить бренд, но не перейти на сайт сразу.
- Мультиканальных кампаний. Решение формируется через несколько касаний: пользователь видит рекламу, возвращается к бренду, сравнивает варианты и только потом совершает действие.
- Продуктов с длинным циклом выбора. Между первым контактом и заявкой или покупкой может пройти несколько недель или месяцев. В таких случаях важно учитывать ранние рекламные контакты, которые поддерживали интерес пользователя до момента решения.
- Категорий с отложенным спросом. Реклама влияет не на моментальное действие, а на последующее возвращение пользователя к бренду.
«Post-view стоит использовать там, где есть длинный путь к конверсии и несколько рекламных касаний — например, в фарме, банках, страховании, e-commerce с дорогими товарами, B2B и образовании. Если решение принимается быстро и основную роль играют кликовые каналы (например, в локальных услугах, доставке еды или импульсных покупках), вклад медийной рекламы в конверсию будет ограничен, и post-view даст минимальный дополнительный эффект».
Чек-лист: что важно учесть, чтобы post-view работала корректно
1. Определить цель анализа
Перед настройкой важно понять, какую задачу должна решать post-view аналитика. Например:
- оценить, дает ли медийная реклама вклад в продажи;
- понять, какие каналы формируют спрос, а не только закрывают его;
- принять решение: оставлять / масштабировать / отключать медийку;
- перераспределить бюджет между performance и охватными каналами.
Чем точнее сформулирована цель, тем проще настроить аналитику и принимать решения для управления рекламными кампаниями.
2. Выбрать окно атрибуции
Окно атрибуции — это период, в течение которого просмотр рекламы может быть засчитан как влияние на конверсию.
Окно post-view атрибуции должно соответствовать циклу принятия решения. Для коротких покупок оно может быть меньше. Для сложных продуктов — больше.
Если окно слишком короткое, часть влияния рекламы не попадет в отчет. Если слишком широкое — есть риск приписать кампании конверсии, на которые она не повлияла.
3. Учитывать ограничения данных
Post-view аналитика фиксирует только те контакты с рекламой, которые удалось связать с последующей конверсией.
Например, пользователь мог увидеть видео на смартфоне, а покупку оформить позже с ноутбука. Если система не смогла связать эти два устройства с одним человеком, такой просмотр не попадет в цепочку влияния.
На точность данных влияют:
- Cookies — часть данных не учитывается, удаляется, пользователи могут заходить с разных устройств. Стоит отслеживать динамику до/после кампании и дополнять анализ бренд-запросами, прямыми заходами, повторными визитами.
- Кросс-девайс поведение — пользователь может взаимодействовать с рекламой на одном устройстве, а совершить целевое действие на другом. Можно дополнять post-view анализ косвенными сигналами: изменением брендового поиска, прямого трафика, повторных визитов и ассистированных конверсий.
- Ограничения рекламных платформ — каждая платформа учитывает только свои показы и использует собственные правила атрибуции. Нужно использовать единую методологию: единое окно атрибуции, дедупликация, сверка с CRM/GA/BI.
- Качество передачи данных — данные могут передаваться с ошибками: некорректно настроены события, часть конверсий не фиксируется или теряется при передаче между системами. До анализа стоит проверить цепочку»событие на сайте → аналитика → рекламная платформа → CRM/BI». Отдельно сверить количество заявок в системах и убедиться, что цели, UTM и пиксели работают корректно.
4. Следить за двойным учетом конверсий
В мультиканальных кампаниях одна и та же конверсия может попасть в отчеты сразу нескольких платформ. Например, пользователь видел рекламу в разных каналах, а затем совершил одно целевое действие — и каждый канал может «засчитать» его себе.
Если такие данные просто суммировать, эффективность рекламы будет завышена, а стоимость привлечения — занижена. Чтобы этого избежать, используется дедупликация — подход, при котором одна конверсия учитывается один раз, даже если на нее повлияло несколько рекламных контактов.
«На практике дедупликацию реализуют через объединение данных в аналитике или BI, где для каждой конверсии задается единое правило учета. Также используют сверку с фактическими лидами в CRM и единые правила атрибуции, чтобы одна конверсия не учитывалась несколько раз».5. Привести каналы к единой логике оценки
Если в разных системах используются разные окна атрибуции и правила учета, сравнивать результаты напрямую нельзя. Перед анализом важно определить:
- какие действия считаем конверсией;
- какой период после просмотра учитываем;
- как распределяем вклад между каналами;
- как исключаем дубли.
Так данные станут сопоставимыми, а выводы — более корректными.
6. Не путать влияние и причинность
Post-view показывает, что пользователь видел рекламу до конверсии. Но сам факт просмотра не всегда означает, что именно реклама стала причиной действия.
Поэтому данные post-view нужно анализировать вместе с другими показателями:
- динамикой брендового спроса;
- поведением на сайте;
- результатами по другим каналам;
- изменением общего числа конверсий.
Post-view аналитика не нужна, чтобы «добавить» медийной рекламе конверсий в отчетах. Ее задача — показать, какую роль охватные каналы играют в формировании спроса и пути пользователя к покупке.
Для бизнеса это вопрос не только аналитики, но и распределения бюджета: какие каналы стоит масштабировать, какие работают на запоминаемость и отложенный спрос, а какие только закрывают уже сформированный интерес.
Источник: Про бизнес