«Facebook у нас дає 4x ROAS, а Google — тільки 2x. Збільшуємо бюджет Facebook» — це рішення, яке приймає більшість e-commerce команд. І це рішення часто помилкове, тому що ROAS з Facebook Ads Manager і реальна ефективність каналу — різні речі.
Розповім про кейс, де ця різниця обходилася клієнту в мільйони недоотриманого прибутку — і що ми з цим зробили.
Проблема: last-click атрибуція бреше вам
Стандартна атрибуція в рекламних системах приписує конверсію останньому каналу, який клієнт відвідав перед покупкою. Хто останній — той і молодець.
Але реальний шлях клієнта до покупки виглядає інакше. Спочатку він бачить рекламу в Instagram і не купує. Через тиждень гуглить категорію товару, потрапляє на Google Shopping і зберігає посилання. Потім через три дні Facebook нагадує про товар — і він купує. Facebook отримує 100% credit. Google Shopping і Instagram — нуль.
Якщо ви приймаєте рішення на основі такої атрибуції, ви масштабуєте «замикаючий» канал і ріжете бюджет «відкриваючих». Продажі поступово падають, але ви не розумієте чому — адже ROAS Facebook залишається «хорошим».
Кейс: меблевий e-commerce, три канали
Клієнт — інтернет-магазин меблів. Місячний оборот близько 2,5 млн грн. Три рекламних канали: Facebook/Instagram, Google Shopping, Google Search. Бюджет розподілявся на основі ROAS з рекламних кабінетів.
Розподіл бюджету до нашої роботи:
- Facebook/Instagram — 65% бюджету (ROAS 3.8x за Facebook Ads Manager)
- Google Shopping — 20% (ROAS 2.1x за Google Ads)
- Google Search — 15% (ROAS 1.9x за Google Ads)
Що ми зробили
Перейшли на data-driven атрибуцію в GA4 і налаштували передачу конверсій назад у рекламні кабінети. GA4 data-driven модель розподіляє credit між усіма touchpoints пропорційно до їхнього реального внеску — на основі машинного навчання, а не простих правил.
Паралельно вивантажили сирі дані з GA4 в BigQuery (безкоштовно для малих обсягів) і побудували дашборд у Looker Studio з порівнянням атрибуції — перший дотик, останній дотик і data-driven поряд. Різниця між стовпцями — і є прихована реальність.
Результат після зміни розподілу бюджетів
Новий розподіл:
- Facebook/Instagram — 40% (зменшили, але залишили — він добре замикає угоди)
- Google Shopping — 38% (збільшили майже вдвічі)
- Google Search — 22% (збільшили)
Через три місяці після змін:
- Загальний оборот: +12% (з 2.5 до 2.8 млн грн)
- Рекламні витрати: ті самі (бюджет не збільшували)
- CAC (вартість залучення клієнта): −24%
- Чистий прибуток: +53%
Прибуток зріс на 53% не тому, що оборот виріс на 53% — а тому що зросла ефективність витрат. Ті самі гроші почали приводити більше і дешевших клієнтів.
Як реалізувати самостійно
Крок 1 — Увімкніть data-driven атрибуцію в GA4
Адміністратор → Конверсії → Налаштування атрибуції → Data-driven. Потрібно мінімум 400 конверсій за 30 днів для роботи моделі. Якщо менше — починайте з Linear або Time Decay атрибуції.
Крок 2 — Підключіть BigQuery
GA4 → Зв'язки → BigQuery. Дані почнуть потрапляти в BigQuery щодня. У Google Cloud є безкоштовний рівень — 10 ГБ зберігання і 1 ТБ запитів на місяць. Для більшості малого e-commerce цього достатньо.
Крок 3 — Побудуйте дашборд порівняння атрибуцій
Підключіть BigQuery як джерело даних в Looker Studio. Побудуйте таблицю: канал × модель атрибуції (перший дотик / останній дотик / data-driven). Різниця між стовпцями покаже, які канали насправді рухають ваші продажі.
Крок 4 — Передайте data-driven конверсії назад у рекламні системи
Facebook Conversions API і Google Ads conversion import дозволяють передавати «правильні» конверсії назад у рекламні алгоритми. Після цього автоматичні стратегії ставок починають оптимізуватися на реальні дані.
Бачити правильну атрибуцію самому і не передати її в рекламні кабінети — половина роботи. Алгоритми продовжать оптимізуватися на неправильні дані.
Цей крок технічніший, але критично важливий для того, щоб результат закріпився, а не зник через місяць після змін бюджетів.