Основная сложность мультиканальной аналитики заключается в том, что традиционные модели атрибуции, такие как Last Click, не учитывают офлайн-покупки. Если клиент совершает покупку в магазине после взаимодействия с несколькими рекламными каналами, эта конверсия не засчитывается ни одному из них. В результате маркетологи видят искаженную картину: все каналы выглядят неэффективными, хотя на самом деле они привели покупателя к решению.
Но проблема кроется не в самих моделях атрибуции — современные алгоритмы Data Driven атрибуции достаточно развиты. Главное препятствие — отсутствие единого идентификатора, который связывал бы онлайн-активность с офлайн-покупками.
Представьте ситуацию: покупатель изучает обзоры на товары в ВК, ставит лайки и сохраняет публикации, затем кликает на контекстную рекламу и просматривает карточки товаров на сайте, потом приходит в шоу-рум и совершает покупку. Для аналитической системы это три разных события без связи между собой.
Частично решить такую проблему можно через программы лояльности и персонализированные предложения, с которыми пользователь получает рекламные материалы, затем переходит по ссылкам на сайт, возможно, скачивает мобильное приложение бренда.
Также эффективное решение предлагает система аналитики на основе отправки электронных чеков, такая, как Upmetric. Е-чеки представляют собой «железный» идентификатор — телефон или email покупателя — и содержат полную информацию о покупке (состав чека, дату, сумму).
Когда пользователь получает электронный чек, система сопоставляет его офлайн-покупку с предыдущей онлайн-активностью. Если данные подтверждают, что это один и тот же человек, система объединяет информацию в единый цифровой профиль.
После этого можно переходить к атрибуции и применять разные модели для анализа:
- Какие каналы привлекают новых клиентов.
- Какие инструменты помогают продвигать покупателей по воронке.
- Какие методы работают на повторные покупки.