Откуда берётся сама задача
Человек увидел объявление в соцсети, через неделю нашёл сайт в поиске по названию компании, получил письмо со скидкой и купил. Касаний четыре, продажа одна. Разделить её невозможно — товар отгружен один раз, деньги пришли одной суммой.
Модель атрибуции решает именно эту задачу: по какому правилу записать одну неделимую продажу в отчёты нескольких каналов. Ключевое слово — правило. Модель не выясняет, какое касание повлияло на решение человека, она устанавливает договорённость о том, как вести учёт.
Это различие стоит держать в голове весь разговор об атрибуции. Отчёт с распределением продаж по каналам выглядит как результат измерения, а является результатом применения соглашения. Поменяли соглашение — получили другой отчёт при тех же продажах.
Почему последний клик стоит по умолчанию
Модель последнего клика включена по умолчанию почти везде, и причина техническая, а не содержательная. Чтобы её применить, достаточно знать источник того визита, в котором произошла конверсия. Не нужно хранить историю касаний, склеивать идентификаторы между устройствами и решать, что считать началом цепочки.
Плата за простоту — предсказуемый перекос. Всё, что стоит близко к покупке, получает завышенную оценку: поиск по названию компании, ретаргетинг, письма с промокодом, прямые заходы. Всё, что стоит в начале, получает заниженную — вплоть до нуля.
Ноль здесь не метафора. Канал, который по своей природе не бывает последним касанием, при этой модели не получает ничего никогда. Отсюда типичный сценарий: бюджет постепенно перетекает в каналы, собирающие уже сформированный спрос, а через несколько месяцев спрос заканчивается, потому что его перестали формировать.
Четыре модели и то, кого каждая переоценивает
| Модель | Как делит продажу | Кого переоценивает | Когда применима |
|---|---|---|---|
| Последний клик | Всё последнему источнику | Брендовый поиск, ретаргетинг, прямые заходы | Короткий цикл, одно-два касания на сделку |
| Последний непрямой клик | Всё последнему источнику, кроме прямого захода | Те же, кроме прямых заходов | Стандартная операционная модель для розницы |
| Первый клик | Всё первому источнику | Охватные размещения, широкий поиск, статьи | Вопрос «откуда о нас узнают» |
| Линейная | Поровну между всеми касаниями | Частые дешёвые касания: письма, ретаргетинг | Длинная цепочка, где все шаги обязательны |
| С учётом позиции | Первому и последнему по большей доле, середине — остаток | Края цепочки за счёт середины | Важны и знакомство, и закрытие |
| С учётом давности | Чем ближе касание к покупке, тем больше доля | Поздние касания, но мягче последнего клика | Долгий выбор с угасающим интересом |
Каждая строка в колонке «переоценивает» — не дефект реализации, а прямое следствие арифметики модели. Линейная модель раздаёт равные доли, поэтому канал, который присутствует в цепочке автоматически и почти бесплатно, набирает долей больше, чем заслуживает. Позиционная модель, наоборот, обесценивает середину — и вместе с ней всё, что человек читал, пока принимал решение.
Что происходит с бюджетом при смене модели
Условный пример. За квартал 100 продаж, три канала. По последнему клику картина такая: поиск по бренду — 60 продаж, ретаргетинг — 25, охватная реклама — 15. По первому клику те же самые 100 продаж распределяются иначе: охватная реклама — 55, поиск по бренду — 30, ретаргетинг — 15.
Продажи не изменились. Изменилось правило записи. Но решение, которое напрашивается из первой таблицы, — срезать охват втрое и переложить деньги в брендовый поиск. Из второй таблицы напрашивается ровно обратное.
Отсюда неприятное наблюдение: спор о модели атрибуции — это почти всегда спор о том, чей бюджет резать. Участники спора обычно приносят ту модель, которая защищает их канал, и делают это искренне. Единственная защита от этого — выбрать модель до того, как посмотрели на результат, и зафиксировать её письменно.
Как выбирать модель под вопрос
Модель подбирается не по точности, а по заданному вопросу. Формулировка вопроса определяет ответ:
«Какой канал закрывает сделки?» — последний непрямой клик. Он для этого и создан, и это его единственная честная задача.
«Откуда люди вообще узнают о нас?» — первый клик. Ответ пригодится при планировании охвата, но не при оценке окупаемости.
«Какие каналы участвуют в цепочках чаще, чем получают заслуг?» — сравнение первого и последнего клика по одному и тому же периоду. Каналы, у которых первое число сильно больше второго, работают на подогрев.
«Сколько на самом деле стоит верх воронки?» — ни одна модель не отвечает. Здесь нужен эксперимент с отключением: приостановить канал в одном регионе или сегменте и сравнить итог с сопоставимым периодом. Механика такого сравнения разобрана в материале об A/B-тестах, и ограничения там те же — нужен объём данных и терпение.
Разные вопросы допускают разные модели одновременно. Недопустимо другое: считать по одной модели в январе и по другой в феврале, а потом сравнивать месяцы.
Ассоциированные конверсии и что с ними делать
Отчёт по ассоциированным конверсиям показывает, сколько раз канал присутствовал в цепочке, не будучи последним. Это самый практичный инструмент из всей темы, потому что читается без выбора модели.
Смотреть нужно на соотношение двух чисел: как часто канал участвует и как часто ему засчитывают. Канал с большим участием и малым числом засчитанных продаж выполняет работу, за которую его не хвалят.
Решение по такому каналу — не «добавить ему бюджет», а «сменить метрику оценки». Каналу верха воронки бессмысленно ставить целевую стоимость закрытой сделки: он по устройству не закрывает. Ему ставят метрику своего этапа — число новых людей, дошедших до следующего шага воронки. Иначе получается управление, при котором подрядчика штрафуют за то, что он делает свою работу правильно.
Окно атрибуции — параметр, который забывают назвать
Окно атрибуции — срок, в течение которого касание ещё считается связанным с продажей. Клик в марте и покупка в июне при окне в тридцать дней означают, что мартовский канал не получит ничего.
Два отчёта с разными окнами выглядят одинаково и не сопоставимы. Это частая причина расхождений между рекламным кабинетом и системой аналитики: у них разные окна по умолчанию и разные правила учёта показов без клика.
Окно выбирают не по привычке, а по фактическому распределению времени от первого касания до оплаты. Данные для этого лежат в CRM: если половина сделок закрывается дольше месяца, тридцатидневное окно систематически обнуляет половину усилий.
Чего не решит ни одна модель
Невидимые касания. Реклама на улице, разговор с коллегой, рекомендация в закрытом чате, просмотр видео без клика — этого нет в цепочке, и модель делит продажу между теми, кто попал в кадр.
Разрывы цепочки. Разные устройства, разные браузеры, очищенные cookie и ограничения на хранение идентификаторов рвут историю. Один человек превращается в двух незнакомцев, и цепочка распадается на два коротких обрубка.
Отсутствие причинности. Даже полностью собранная цепочка не говорит, состоялась бы покупка без конкретного касания. Атрибуция описывает соседство во времени, а не влияние.
Органический фон. Часть продаж случилась бы без рекламы вообще, но касание всё равно попадёт в цепочку и заберёт свою долю. Модель не умеет вычитать то, что произошло бы само.
Разные системы — разные ответы. Рекламный кабинет, счётчик и сквозная аналитика считают по своим правилам. Совпадения цифр не будет никогда, и добиваться его бессмысленно; выбирают одну систему за источник истины.
Разные системы аналитики дают разные ответы на один и тот же вопрос об источнике заявки — у них не совпадают модели сеансов. Сравнение Метрики и GA4 показывает, где именно расходятся числа.
Спорное место
Совет «подбирайте модель под вопрос» правильный и почти невыполнимый.
Как только в компании появляется больше одной модели, появляется и возможность выбирать ту, что выгоднее в отчёте. Подрядчик по охвату принесёт первый клик, подрядчик по контексту — последний, и оба будут правы формально. Кроме того, мультимодельный учёт требует времени аналитика, которого обычно нет: одна операционная модель существует, вторую никто не поддерживает.
Практический компромисс выглядит так: одна модель фиксируется на год и используется для всей операционной отчётности, включая расчёт окупаемости. Раз в квартал к ней добавляется проверка экспериментом на отключение — грубая, зато причинная.
Слабость компромисса очевидна: зафиксированная модель продолжает врать все двенадцать месяцев, и врёт в одну и ту же сторону. Точность здесь сознательно обменивается на сопоставимость периодов. Это выбор, а не истина, и в бизнесе, где верх воронки существенен, обмен может оказаться дорогим.
Частые вопросы
Какая модель атрибуции самая правильная?
Почему сумма продаж по каналам больше общей?
Что такое окно атрибуции и как его выбрать?
Стоит ли переходить с последнего клика на другую модель?
Как атрибуция связана с расчётом окупаемости?