Как мы в М2 оценили роль медийной рекламы через связку AdRiver и Яндекс Метрики
Синхронизация AdRiver и Яндекс Метрики: план, которого мы придерживались
Привет! Меня зовут Михаил Васягин, я занимаюсь веб-аналитикой в M2. М2 — это онлайн-платформа для решения вопросов с недвижимостью. Сервисами М2 пользуются как частные лица, так и профессиональные участники рынка — риелторы, застройщики, банки. Мы помогаем тысячам людей экономить время, нервы и деньги. Сейчас каждая пятая квартира в новостройке покупается через нашу платформу.

В 2024 году маркетинг запустил большую медийную кампанию, которая откручивалась с помощью рекламных систем Яндекс Директ и AdRiver. Мы в веб-аналитике не захотели останавливаться на метриках охвата и решили попробовать оценить влияние показов медийной рекламы на дальнейшие источники трафика на сайте.

Таким образом, мы смогли увидеть, какой объем полезных действий на сайте (регистрации и заявки) совершают пользователи, которые контактировали с медийным размещением. Более того, теперь у нас есть возможность оценить uplift-метрики или добавить показы объявлений медийной рекламы в сквозную аналитику как отдельные этапы мультиканальной атрибуции.

Для решения первичной задачи мы использовали сырые данные AdRiver (post-view) и Яндекс Метрики (post-click), а также базу данных ClickHouse и Apache Superset для визуализации.

Материал будет полезен веб и маркетинговым аналитикам, а также маркетологам, кто хочет самостоятельно разобраться в сырых данных AdRiver и Яндекс Метрики. А именно: как их можно связывать между собой, какие отчеты построить на этих данных и какие полезные выводы для бизнеса можно сделать.
Синхронизация AdRiver и Яндекс Метрики: план, которого мы придерживались
Основная проблема состоит в том, что данные лежат в разных аналитических системах. Непонятно, насколько корректно сработает синхронизация cookie между AdRiver и Яндекс Метрикой — какой именно будет процент совпадений между двумя разными аналитическими системами. Еще мы не смогли найти примеры практических материалов с похожими кейсами, поэтому и решились написать эту статью.
После продолжительного ресерча мы сделали вывод, что наиболее понятная и детальная теория есть в материалах ресурса CyberBrain. Затем мы решили двигаться по шагам из этой статьи. Вот наш план:

  1. Устанавливаем на сайт счетчик AdRiver*
  2. Получаем сырые данные от AdRiver и загружаем их в ClickHouse
  3. Сверяем синхронизацию cookie между AdRiver и Яндекс Метрикой
  4. Пишем витрину данных, определяемся с типом атрибуции, а также выбираем необходимое окно атрибуции
  5. Строим дашборд в Superset, в котором базово будет видно
  • какой процент пользователей из тех, кто видел объявление медийной рекламы, посещал сайт;
  • какой процент пользователей из тех, кто посещал сайт, до этого видел объявление медийной рекламы.
6. Анализируем дашборд и ищем инсайты
<!DOCTYPE html>
<html lang="en">
  <head>
    <meta charset="utf-8">
    <title>title</title>
    <link rel="stylesheet" href="style.css">
    <script src="script.js"></script>
  </head>
  <body>
    <!-- page content -->
  </body>
</html>

регистрация

регистрация

m2tech@m2.ru
(c) Метр квадратный, 2025. М2 — экосистема для поиска и покупки недвижимости, выбора ипотечных предложений, защиты и проведения сделки.

Общество с ограниченной ответственностью «Экосистема недвижимости «Метр квадратный», ОГРН 1 197 746 330 132.

Адрес: 127 055, г. Москва, вн. тер. г. муниципальный округ Тверской,
ул. Лесная, д. 43