Кратко — цифровой маркетинг и таргетинг сместили аналитику с отчётности и «сколько потратили/получили» к реальному времени, прогнозам и причинно‑следственному измерению (incrementality). Аналитика теперь должна оценивать не только эффективность каналов, но и качество аудитории, предсказывать LTV, управлять частотой показов и проверять, что алгоритмы таргетинга приносят дополнительную ценность, а не просто перераспределяют конверсии.
Практические метрики и их интерпретация (формулы — в KaTeX):
- CTR (кликабельность)
Формула: $\mathrm{CTR}=\frac{\text{clicks}}{\text{impressions}}$
Интерпретация: низкий $\mathrm{CTR}$ → проблема креатива или нерелевантный таргетинг; высокий $\mathrm{CTR}$ при низкой конверсии → плохая посадочная страница или нецелевые клики. Действие: тест креативов / сузить аудиторию.
- Conversion Rate (CR, конверсия)
Формула: $\mathrm{CR}=\frac{\text{conversions}}{\text{visitors}}$
Интерпретация: измеряет качество потока трафика и UX. Сегментируйте по каналам и устройствам; A/B‑тесты для страниц с низким CR.
- CPA (стоимость за конверсию)
Формула: $\mathrm{CPA}=\frac{\text{cost}}{\text{conversions}}$
Интерпретация: насколько дорого даётся целевое действие. Сравнивайте с целевой ценой и LTV.
- ROAS (возврат на рекламные расходы)
Формула: $\mathrm{ROAS}=\frac{\text{revenue}}{\text{ad\_cost}}$
Интерпретация: быстрый показатель рентабельности кампании; не заменяет LTV, т.к. учитывает только доходы за короткий период.
- CAC и LTV (стоимость привлечения vs пожизненная ценность)
Формулы: $\mathrm{CAC}=\frac{\text{total\_marketing\_cost}}{\text{new\_customers}}$, $\mathrm{LTV}={\sum }_{t=0}^T\frac{m_t}{(1+r{)}^t}$ (где $m_t$ — маржа в период $t$, $r$ — ставка дисконтирования)
Интерпретация: целевое соотношение $\mathrm{LTV}:\mathrm{CAC}$ (например $3:1$ часто упоминают как ориентир). Если $\mathrm{CAC}$ растёт быстрее LTV — масштабирование опасно.
- Retention / Churn (удержание/отток)
Формула удержания для когорты: ${\mathrm{Retention}}_k=\frac{\text{users\_active\_at\_day}k}{\text{users\_at\_day}0}$
Интерпретация: показывает качество продукта и эффективность удерживающих кампаний; важна когорная аналитика.
- Incremental Lift (инкрементальность)
Формула: $\mathrm{Lift}={\mathrm{CR}}_{\text{treatment}}-{\mathrm{CR}}_{\text{control}}$
Интерпретация: показывает реальное влияние рекламы/таргетинга (в отличие от атрибуции last‑click). Рекомендуется через A/B, гео‑холд‑аута или маркетинговые эксперименты.
- AUC / Precision@K / Recall (оценка моделей таргетинга)
Формулы: метрики зависят от задачи; например $Precision@k=\frac{\text{relevant\_items\_in\_top}k}{k}$
Интерпретация: оценивают, насколько модель правильно находит пользователей с высокой вероятностью конверсии; баланс precision/recall важен для бюджета.
- Frequency & Saturation (частота показов)
Формула средней частоты: $\mathrm{Freq}=\frac{\text{impressions}}{\text{unique\_users}}$
Интерпретация: слишком высокая частота → утомление аудитории и рост CPA; оптимизировать частоту и ротацию креативов.
- Viewability / Win Rate / Match Rate (программатика и таргетинг)
Примеры формул: $\mathrm{Viewability}=\frac{\text{viewable\_impressions}}{\text{impressions}}$, $\mathrm{WinRate}=\frac{\text{bids\_won}}{\text{bids\_placed}}$
Интерпретация: технические KPI, влияющие на эффективность закупок и качество инвентаря.
Практические сценарии интерпретации:
- Низкий $\mathrm{CTR}$ + низкий $\mathrm{CR}$ → аудитория нерелевантна; измените таргетинг.
- Высокий $\mathrm{CTR}$ + низкий $\mathrm{CR}$ → проблема лендинга или фальшивые клики; запустите CRO‑эксперименты.
- ROAS высок, но прогнозируемый $\mathrm{LTV}$ низок → реклама «съедает» прибыль в долгую; ограничьте масштаб.
- CPA растёт при увеличении частоты показов → вводите caps или новые креативы.
Изменения в роли аналитики (суть):
- От описания к причинности: аналитика должна доказывать инкрементальность (эксперименты).
- От ретроспективы к реальному времени: алгоритмы требую́т потоковых метрик и быстрой корректировки ставок/тестов.
- От простых KPI к комбинированным метрикам: LTV, прогнозирование оттока, propensity/ uplift‑модели.
- Требуется управление данными и внимание к приватности (cookie‑декад, first‑party).
Рекомендации (коротко):
- Всегда сочетайте классические KPI ($\mathrm{CTR},\mathrm{CPA},\mathrm{ROAS}$) с LTV и когортным анализом.
- Проводите инкрементальные эксперименты (holdout) для оценки алгоритмов таргетинга.
- Используйте модели пропенсити/лайфта и следите за precision@k/AUC при создании аудиторий.
Если нужно — могу привести пример конкретного отчёта с формулами для рекламной кампании.