Post-View аналитика

Представьте ситуацию. Человек листает ленту соцсетей, видит ваш рекламный ролик про новый курс по Data Science, смотрит его до конца, но не кликает. Через два дня он гуглит «курс Data Science с трудоустройством», находит ваш сайт через поиск, изучает программу и оставляет заявку. В классической отчётности этот лид придет из органического поиска. Но кто на самом деле привел клиента? Правильно, тот самый ролик.

Post-view аналитика (аналитика после просмотра) — это как раз метод, который позволяет «увидеть» и засчитать такое влияние. Она отслеживает действия пользователя после того, как он увидел ваше объявление (баннер, видео, статью), но не взаимодействовал с ним напрямую, а позже пришёл на сайт другими путями: через поиск, прямые заходы, email-рассылки или соцсети.

Проще говоря, это ответ на вопрос: «А повлияла ли наша красивая, «имиджевая» реклама на реальные продажи, даже если по ней никто не кликал?». Для брендовых кампаний, долгих воронок (как в EdTech, недвижимости, авто) — это не просто аналитика, это необходимость для выживания.

Не волнуйтесь, тут нет шаманских бубнов. Всё основано на идентификации пользователя. Расскажу по шагам:

1. Метка. Когда ваша реклама показывается пользователю, система (с помощью cookie, рекламного пикселя или более современных технологий) ставит на него невидимую «метку» — уникальный идентификатор. Запоминается факт: «Этому ID показали креатив X».
2. Окно атрибуции. Вы задаёте период, в течение которого показ считается влияющим. Для импульсных покупок это 1-7 дней, для образовательных курсов или недвижимости — 30, а то и 90 дней. Это справедливо: решение учиться полгода принимается не за минуту.
3. Конверсия. Если в течение этого «окна» пользователь с таким же ID совершает целевое действие на сайте (оставляет заявку, покупает курс, регистрируется на вебинар), система аналитики соединяет точки. Конверсия атрибутируется не как «органический трафик», а как post-view конверсия от того самого показа.

Визуально это выглядит так:

ПОКАЗ рекламы -> (пауза, поиск, раздумья) -> Конверсия на сайте = Post-View конверсия.

С развитием технологий и ужесточением приватности (отмена third-party cookies) методы идентификации меняются в сторону server-side tracking (трекинг с сервера), использования first-party данных и probabilistic-моделей (вероятностных). Но суть остается: нужно связать факт просмотра с действием.

Давайте на живом примере из моей сферы. Мы запускали масштабную кампанию по продвижению MBA-программы — дорогой и сложный продукт. Бюджеты под 1,5 млн в месяц. С точки зрения прямых кликов (post-click) всё было печально: CPA заявки зашкаливало, часть каналов казались откровенно провальными. Рука так и тянулась их выключить.

Но, подключив post-view аналитику, мы увидели иную картину. Оказалось, что «нерабочие» каналы — а это были премиальные медийные размещения на отраслевых ресурсах и длинные ролики на YouTube — давали до 60% всех заявок! Как? Люди видели рекламу, вдумчиво изучали тему, советовались, и через 2-3 недели приходили на сайт по брендовому запросу и оформляли заявку.

Без post-view мы бы убили каналы, которые формировали спрос и доверие. Вместо этого мы:

• Перераспределили бюджет, увеличив инвестиции в «верх воронки».
• Скорректировали креативы, сделав акцент на экспертизе и отзывах, а не на прямой агрессии «купи сейчас».
• Научились оценивать полный LTV (пожизненную ценность) клиента, а не стоимость первой заявки.

Это и есть главная ценность: вы перестаёте оптимизировать рекламу под сиюминутные клики и начинаете строить долгосрочную стратегию роста бренда и продаж.

Если вы готовы видеть больше, вот ваш план действий.

1. Определите цели и конверсии. Что для вас успех? Для EdTech это может быть заявка на консультацию, регистрация на пробный урок, доступ к демо-курсу. Четко определите эти события в системах аналитики.

2. Выберите и настройте инструменты. Вам потребуется связка:

• Рекламные платформы (например, Яндекс.Директ, myTarget, VK Реклама). Многие уже считают post-view конверсии «из коробки», нужно лишь активировать эту опцию в настройках пикселя или метки.
• Система веб-аналитики (Яндекс.Метрика, Google Analytics 4). Она должна уметь принимать данные о показах и сопоставлять их с конверсиями.
• Сквозная аналитика (CDP). Для сложных воронок идеально подходят платформы, которые агрегируют данные из всех источников (реклама, сайт, CRM, колл-трекинг) и строят единый клиентский путь. Это следующий уровень после базового post-view.

3. Настройте отслеживание показов. Убедитесь, что на сайт установлен корректный пиксель рекламной системы или тег менеджера, который фиксирует показы.

4. Интегрируйте данные. Соедините рекламные кабинеты с системой аналитики. Часто это делается через API. Цель — чтобы в одном отчёте вы видели и клики, и просмотры, и итоговые конверсии от каждого канала.

5. Запустите, соберите данные и проанализируйте. Сравните поведение двух групп: тех, кто видел вашу рекламу, и тех, кто нет. Обращайте внимание на:

• Разницу в конверсии.
• Глубину просмотра сайта и вовлечённость.
• Время между показом и конверсией

Теория без практики бесполезна. Давайте разберем общий алгоритм действий, который актуален для большинства рекламных платформ.

Шаг 1: Подготовка и сегментация исходной аудитории.

Не загружайте всю CRM-базу «скопом». Сегментируйте. Создайте отдельные источники:

• Клиенты, купившиеся за последние 3 месяца.
• Ученики, прошедшие курс более чем на 80%.
• Посетители, просмотревшие страницу с ценами.
• Чем уже и целевее сегмент, тем точнее будет LAL.

Шаг 2: Загрузка данных в рекламный кабинет.

Используйте разделы «Аудитории», «Ретаргетинг» или «Менеджер аудиторий». Загрузите подготовленный список (файлом с хэшами email/телефонов) или выберите аудиторию, собранную через пиксель/события.

Шаг 3: Создание похожей аудитории.

Найдите кнопку «Создать похожую аудиторию» (Look-alike Audience). Выберите в качестве источника тот сегмент, который подготовили.

Шаг 4: Настройка параметров подбора.

Здесь два ключевых параметра:

• География. Укажите страны или регионы, где искать «двойников».
• Размер/«Похожесть» (обычно 1%-10%). Важный момент!
• 1% — аудитория, максимально похожая на исходную. Небольшая по размеру, но с самой высокой predicted конверсией. Идеально для дорогих продуктов или узких ниш.
• 10% — аудитория с максимальным охватом. Похожесть будет ниже, зато вы охватите больше людей. Подходит для массовых продуктов и задач по увеличению узнаваемости.
• Рекомендация: Начинайте тестировать с 1-2%. В дальнейшем создавайте несколько LAL-аудиторий с разным процентом похожести и сравнивайте эффективность в A/B-тестах.

Шаг 5: Запуск кампании и анализ.

• Настройте рекламную кампанию, выбрав созданную look-alike аудиторию в качестве таргетинга. Не забудьте исключить из показов вашу исходную аудиторию (они уже ваши клиенты!). Отслеживайте ключевые метрики: стоимость целевого действия, конверсия, ROI.

Как и любой инструмент, post-view аналитика неидеальна. Как опытный маркетолог, предупреждаю о подводных камнях:

• Корреляция vs Причинность. Система засчитает конверсию как post-view, даже если на решение повлияли десятки других факторов: рекомендация друга, офлайн-мероприятие, статья в СМИ. Она показывает связь, но не всегда железную причинно-следственную связь.
• Проблема «первого касания». Post-view — всё ещё модель первого касания (первым был показ). Она не учитывает весь сложный путь клиента, если между показом и покупкой были другие рекламные взаимодействия. Поэтому её нужно комбинировать с другими моделями (например, data-driven атрибуцией).
• Риск дублирования. Если пользователь и кликнул, и до этого видел рекламу, одна конверсия может быть засчитана дважды (как post-click и как post-view). Нужно настраивать правила приоритета.
• Будущее без cookies. С отказом от third-party cookies точность идентификации падает. Будущее — за гибридными моделями, server-side трекингом и работой с собственными данными аудитории (first-party data).

Post-view аналитика переживает ренессанс. В эпоху, когда прямые клики по баннерам становятся всё дороже и менее эффективны, умение измерять отложенный эффект — это суперсилка маркетолога.

Главные тезисы, которые я хочу, чтобы вы вынесли:

1. Post-view — это не опция, а must-have для любого бизнеса с долгим циклом принятия решения или работающего на узнаваемость бренда (EdTech, финансы, недвижимость, авто, дорогие товары).
2. Она показывает истинную эффективность медийной и видеорекламы, которая работает на формирование спроса, а не на сиюминутную продажу.
3. Внедрение требует правильной технической настройки и интеграции рекламных и аналитических систем.
4. Интерпретировать данные нужно с умом, понимая ограничения метода и комбинируя его с другими данными.
5. Будущее — за гибридными моделями, где post-view-данные являются частью единой картины клиентского пути в сквозной аналитике.

Начинайте с малого: включите отчёт по post-view конверсиям в одном рекламном кабинете. Проанализируйте данные. Вы удивитесь, сколько «мертвых» каналов на самом деле работают на вашу долгосрочную цель. Увидимся в блоге!