Спасибо, Ваша заявка отправлена!
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.
В статье 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.
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 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.
Разберем на примере кейса лотереи.
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.
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.
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.
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.
Post-view аналитика особенно полезна в отраслях, где пользователь не принимает решение сразу.
В первую очередь это касается:
1. Видеорекламы и охватных форматов. Пользователь может увидеть сообщение, запомнить бренд, но не перейти на сайт сразу.
2. Мультиканальных кампаний. Решение формируется через несколько касаний: пользователь видит рекламу, возвращается к бренду, сравнивает варианты и только потом совершает действие.
3. 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.
4. Категорий с отложенным спросом. Реклама влияет не на моментальное действие, а на последующее возвращение пользователя к бренду.
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.
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.
