Первое привлечение описывает начало наблюдаемого пути
Измерения с префиксом First user относятся к источнику, через который пользователь был впервые привлечён в рамках доступной аналитике идентификации. Представим вымышленный краеведческий сайт. Человек впервые пришёл по ссылке из городского каталога и посмотрел карту района. В учебном примере источник обозначен как city_catalog. При дальнейшем возвращении того же распознанного пользователя первое привлечение остаётся связано с этим началом, а не переписывается автоматически под каждое новое посещение.
Источник сеанса описывает конкретное возвращение
Через несколько дней тот же человек открыл размеченную ссылку из рассылки. В нашем примере новый сеанс корректно отнесён к источнику digest. Теперь First user source продолжает показывать city_catalog, а Session source для второго сеанса — digest. Противоречия нет: первый показатель описывает первоначальное привлечение, второй — происхождение рассматриваемого сеанса. Мы предполагаем корректный сбор данных, распознавание одного пользователя и определённую разметку. Реальные настройки и доступные сигналы могут влиять на картину.
Сначала задайте вопрос, потом выберите измерение
Если нужно понять, откуда появляются новые пользователи, полезна область первого привлечения. Если требуется разбирать посещения, включая возвращения, важна область сеанса. Вопрос какой канал лучше слишком широк без цели и метрики. Каталог мог познакомить человека с сайтом, а рассылка вернуть его к новому материалу. Сравнение этих ролей не требует объявлять один источник ошибочным. Также не следует автоматически переносить вывод об источнике пользователя на вклад канала в каждое отдельное целевое действие.
Проверка отчёта включает область и условия
Перед сравнением выпишите полное название измерения, используемую метрику, период и фильтры. Две таблицы могут различаться сразу по нескольким условиям. Если сначала поменять модель атрибуции, фильтр и период, будет трудно понять причину изменения. Начните с одного вопроса: одинаковый ли уровень данных сравнивается? Затем проверьте реализацию сбора и разметку. Переходы между устройствами, ограничения идентификации и другие особенности данных требуют отдельного анализа, поэтому учебный путь одного человека не является гарантией точного объединения любых реальных посещений.
Попробуйте на практике
Разметьте два вымышленных посещения краеведческого сайта на бумаге.
- Запишите первый сеанс: новый пользователь пришёл из city_catalog и посмотрел карту района. Укажите первое привлечение и источник этого сеанса.
- Добавьте второй сеанс того же распознанного пользователя: переход из рассылки digest к новой публикации. Сохраните исходное первое привлечение.
- Создайте две отдельные строки: First user source и Session source второго сеанса. Объясните, почему их значения различаются.
- Сформулируйте два вопроса к данным: откуда пришёл новый пользователь и что привело его во второй сеанс. Для каждого выберите подходящую область.
- Перечислите условия модели: единая идентификация, корректная разметка и сбор данных. Отметьте, что при нарушении этих условий реальный отчёт нужно исследовать отдельно.
Как проверить результат. Первое привлечение связано с city_catalog, а второй сеанс с digest. Вы объясняете различие областью действия, не объявляя одну запись автоматически неверной.
Частые вопросы
Можно ли сравнивать любые метрики с любым источником?
Измерение и метрика должны соответствовать вопросу и совместимой области данных. Механическое смешивание уровней может привести к неверному толкованию.
Означает ли первый источник, что все последующие действия вызваны только им?
Нет. Он описывает первоначальное привлечение. Анализ вклада разных контактов в целевые действия относится к отдельной задаче атрибуции.
Самостоятельный разбор темы. Содержание конкретной обучающей программы здесь не представлено.