Data-driven атрибуция против стандартных моделей в медийной рекламе: кейс Realweb и hh.ru
Как оценить реальный вклад B2C-рекламы в B2B-конверсии
hh.ru работает как двусторонняя платформа: соискатели приходят искать работу, а работодатели - размещать вакансии и находить сотрудников. Эти аудитории взаимосвязаны: чем больше на сервисе вакансий, тем выше его ценность для кандидатов. В свою очередь, большое количество резюме делает площадку привлекательнее для компаний.
Поэтому рекламная стратегия hh.ru традиционно включала сразу два направления - B2C-продвижение для соискателей и B2B-рекламу для работодателей. Однако в январе и феврале 2025 года, в период сезонного снижения деловой активности, решили временно запускать только кампании для B2C-аудитории.
Несмотря на отсутствие специальных B2B-креативов, работодатели продолжили регистрироваться. На их долю пришлось около 10% всех регистраций. Это стало основанием для гипотезы: реклама вакансий и сервисов для соискателей способна косвенно приводить на платформу представителей бизнеса.
Перед Realweb и hh.ru встала практическая задача: выяснить, можно ли сократить или полностью отключить B2B-размещения, если B2C-кампании уже обеспечивают часть регистраций работодателей. Важно было понять, не дублируют ли рекламные направления друг друга и какая стратегия позволяет получать конверсии с оптимальными затратами.
Какие данные использовали в анализе
Для исследования собрали информацию о просмотрах медийных баннеров и последующих регистрациях пользователей. В анализ включили post-view-конверсии - случаи, когда пользователь увидел рекламу, а затем зарегистрировался, даже если не переходил по объявлению напрямую.
Период атрибуции составил 45 дней после контакта с рекламой. Для каждого пользователя построили последовательность взаимодействий с креативами: какие объявления он видел, в каком порядке это происходило и чем завершился путь до регистрации.
Все B2B-пути разделили на три категории:
- цепочки только с B2B-рекламой;
- цепочки только с B2C-рекламой;
- смешанные последовательности, где пользователь контактировал с обоими типами кампаний.
Такой подход позволил оценить не только факт последнего рекламного контакта, но и роль всей последовательности взаимодействий.
Что показали классические модели атрибуции
Сначала специалисты применили стандартные модели распределения конверсий. Они позволяют быстро оценить вклад рекламных направлений, однако по-разному определяют, какой контакт считать наиболее значимым.
При модели первого касания на B2C-рекламу пришлось 61% B2B-регистраций в смешанных цепочках. На B2B-креативы пришлось 39%.
Модель последнего взаимодействия дала менее заметный, но также важный перевес в пользу B2C: 55% против 45%.
Линейная модель, распределяющая ценность конверсии между всеми контактами, показала результат 58% для B2C и 42% для B2B.
На первый взгляд эти цифры подтверждали исходную гипотезу: кампании для соискателей действительно приводят значительную часть работодателей. Возникло предположение, что отдельные B2B-размещения можно сократить или отключить без существенного ущерба.
Однако делать такой вывод только на основании стандартных моделей было рискованно. Они показывают распределение уже состоявшихся конверсий, но не отвечают на главный вопрос: что произойдет с результатом, если полностью убрать один из рекламных каналов?
Почему понадобился data-driven подход
Классические модели фиксируют вклад точек контакта, но не всегда учитывают сложную взаимосвязь между каналами. Например, B2C-баннер мог сформировать интерес к платформе, а B2B-креатив - подтолкнуть пользователя к регистрации работодателя. Если убрать один из этих элементов, итоговый результат может оказаться ниже, чем предполагает простое сравнение долей.
Поэтому Realweb дополнил анализ двумя инструментами: data-driven-атрибуцией и оценкой эффекта удаления канала - Removal Effect.
Removal Effect показывает, как изменится число конверсий, если исключить конкретный источник из всех пользовательских цепочек. Иными словами, метод моделирует ситуацию, в которой один канал полностью исчезает из рекламной системы.
Расчеты выполняли с помощью специализированной библиотеки на Python. Она позволила пересчитать вероятность регистрации при разных сценариях и определить потенциальное падение конверсий после отключения B2C- или B2B-продвижения.
Data-driven-атрибуция также распределяет ценность между несколькими контактами, но делает это с учетом порядка взаимодействий. В отличие от линейной модели, она оценивает не только наличие канала в цепочке, но и его влияние на вероятность перехода пользователя к следующему этапу.
Итоги анализа пользовательских цепочек
Исследование подтвердило, что B2C-кампании действительно заметно влияют на B2B-результат. При этом полностью изолированные B2B-цепочки обеспечили лишь 17% всех регистраций работодателей.
На B2C-цепочки пришлось 28%, а смешанные сценарии - одновременное воздействие B2C- и B2B-рекламы - сформировали 55% регистраций.
Эти данные меняют первоначальную интерпретацию результатов. B2C-реклама способна приводить работодателей самостоятельно, однако максимальный эффект возникает при совместной работе двух направлений. Кампании не просто конкурируют за одну и ту же аудиторию, а усиливают друг друга на разных этапах принятия решения.
При отключении одного из направлений число регистраций снижалось, а стоимость привлечения возрастала. В частности, CPA увеличивался в 2,6 раза. Это означает, что отказ от B2B-рекламы нельзя считать простым способом сэкономить бюджет: уменьшение расходов на размещение сопровождается потерей эффективности и удорожанием оставшихся конверсий.
Отдельно отметили важный результат: при отключении B2C-продвижения стоимость B2C- и B2B-конверсий практически не менялась и оставалась примерно на одном уровне. Однако общий объем B2B-регистраций при параллельном запуске обоих типов креативов был в 2,4 раза выше, чем при изолированном продвижении соискательского направления.
Почему отключение одного канала оказалось неэффективным
Полученные результаты показывают, что рекламные каналы в экосистеме hh.ru работают не только напрямую. Пользователь может сначала увидеть объявление для соискателей, познакомиться с платформой, а затем проявить интерес к возможностям для работодателей. В другом сценарии B2B-креатив становится финальным стимулом, но без предыдущего контакта с B2C-рекламой вероятность регистрации была бы ниже.
Именно поэтому оценивать эффективность кампаний только по последнему касанию недостаточно. Такая модель может приписать всю заслугу B2B-объявлению, хотя значительная часть интереса была сформирована предыдущими B2C-контактами.
Первое касание также не дает полной картины: оно показывает источник первоначального внимания, но не учитывает рекламные сообщения, которые непосредственно повлияли на решение зарегистрироваться. Линейный вариант выглядит более сбалансированным, однако одинаковый вес всех контактов не всегда соответствует реальному поведению аудитории.
Data-driven-модель помогает приблизиться к причинно-следственной оценке. Она показывает, какую роль играет канал в общей системе и насколько изменится результат при его удалении.
Практические выводы для медиапланирования
Главный вывод кейса заключается в том, что B2C- и B2B-кампании не следует рассматривать исключительно как независимые рекламные продукты. В двусторонней платформе продвижение одной аудитории может влиять на активность другой.
Перед перераспределением бюджета важно учитывать:
- долю смешанных пользовательских цепочек;
- изменение CPA при отключении канала;
- объем потерянных регистраций;
- влияние последовательности рекламных контактов;
- разницу между прямыми и косвенными конверсиями;
- сезонность и особенности поведения аудитории.
Особенно осторожно следует относиться к решениям, основанным на данных короткого периода. Январь и февраль могут отличаться от других месяцев по спросу, активности бизнеса и готовности пользователей регистрироваться. Поэтому результаты целесообразно проверять на более длинной исторической выборке и сопоставлять с периодами высокой и низкой сезонности.
Кроме того, data-driven-атрибуция не отменяет стандартные модели полностью. Первое, последнее и линейное касание удобны для оперативного мониторинга и сравнительного анализа кампаний. Однако стратегические решения - например, полное отключение направления - лучше принимать после моделирования сценариев и оценки Removal Effect.
Кейс Realweb и hh.ru показывает: B2C-реклама действительно может обеспечивать часть B2B-регистраций, но это не означает, что B2B-продвижение стало ненужным. Наиболее эффективной оказалась комбинация двух направлений. Параллельное размещение креативов увеличивало количество B2B-конверсий в 2,4 раза, а отказ от одного из каналов приводил к существенному росту стоимости привлечения. Следовательно, оптимизация медиабюджета должна строиться не на поиске "лишнего" канала, а на понимании того, как рекламные направления совместно формируют итоговый результат.