В этом подходе предполагается, что вы имеете доступ к исходным данным о поведении пользователей, которые сейчас проще всего получить при помощи нативного экспорта из Google Analytic 4 в Google Bigquery или при помощи других, имеющихся на рынке, Saas-сервисах.
Поскольку данные из рекламных систем все также поступают в агрегированном виде, то для того, чтобы получить расходы, клики и показы на уровне отдельных событий, используется
деагрегация данных, обычно именуемая
"атрибуцией расходов".
Суть подхода состоит в том, что мы последовательно делаем выборки из таблицы расходов и таблицы сессий по одинаковому набору параметров, определяем цену сессии и вписываем эту цену в каждую сессию, которая попадает под условие выборки. Этот процесс выполняется каскадно, сначала с использованием максимально возможного набора параметров, затем оставшаяся часть распределяется по уменьшенному на один набору параметров, и так далее.
В результате мы получаем таблицу отдельных событий от пользователей, где каждому событию может быть присвоена как расходная так и доходная часть. При этом к расходной части относятся не только сами расходы, но и клики и показы, а к доходной - достижения любых целей, например, регистрации или покупки.
Достоинства такого подхода: - Вы можете строить отчеты по любым немыслимым комбинациям параметров, при этом полученные данные всегда будут корректны и полная выборка без применения фильтров всегда будет содержать все расходы и все доходы, что исключает ошибку интерпретации, которую мы продемонстрировали выше на данных из UA
- Вам становятся доступны отчеты по когортам, включая когортные расходы с доходами и расходами.
- Поскольку данные в разрезе отдельных пользователей можно сопоставить с информацией о пользователях из вашей CRM, вы можете определить, как распределяются ваши маркетинговые усилия на разные группы пользователей (новые, добавившие в корзину, недавно купившие, давно купившие, женщины/мужчины, члены клуба и т.д.) и какова эффективность этих усилий на разных этапах жизненного цикла пользователей и, как было сказано выше, в любых разрезах.
Разумеется, у такого подхода есть и свои недостатки: - Ничего не бывает даром, и в этом случае это высказывание актуально как никогда. Дело в том, что этот подход не только сложнее, но и дороже в плане цены вычислений, поскольку обновление данных (а мы в своих решениях базируемся на Google Bigquery) - это довольно затратная операция. Вероятно, это одна из причин, почему отчеты в Google Analytics строятся только по агрегированным данным - цена ретроспективного обновления слишком высока.
- Может сложиться ситуация, когда абсолютно неэффективная рекламная кампания, которая не привела на сайт ни одного посетителя, скроется от вашего внимания, потому что ее расходы будут распределены алгоритмом на уровень выше, то есть на все другие кампании. Для избежания подобной ситуации вам нужно не забывать использовать "обычные" отчеты по агрегированным данным.
- В отчетах появятся дробные значения для кликов и показов ))