Атрибуция в маркетинге: модели и как выбрать

Что такое атрибуция в маркетинге

Атрибуция в маркетинге — это метод распределения ценности конверсии (целевого действия: заявки, покупки, регистрации) между точками касания (touchpoints), через которые клиент прошёл на пути к покупке. Она отвечает на главный вопрос: какой канал действительно привёл к покупке, а какой просто попал в цепочку взаимодействий.

Без атрибуции владелец бизнеса видит только последний клик — обычно это прямой заход на сайт или переход из поиска. Но перед этим клиент мог увидеть рекламу в Я.Директе, полистать сообщество во VK Ads, кликнуть по объявлению в Telegram Ads и только потом вернуться и купить. Атрибуция распределяет ценность этих шагов, а не отдаёт её одному каналу целиком.

Зачем нужна атрибуция бизнесу

Атрибуция нужна, чтобы понимать реальный вклад каждого канала в продажи и распределять бюджет туда, где он окупается, а не туда, где красивее последний отчёт. Это связано с маркетинговой аналитикой: без корректной модели атрибуции любые расчёты ROMI (return on marketing investment, окупаемость маркетинговых вложений) содержат неполные данные.

• Каналы верхней воронки (охватная реклама, контент) незаслуженно кажутся бесполезными, если считать только последний клик
• Бюджет перетекает в канал с самой простой атрибуцией, а не с лучшей отдачей
• Решения о масштабировании рекламы принимаются вслепую, без понимания цепочки касаний

Как работает атрибуция: путь клиента и точки касания

Клиент редко покупает после одного касания с рекламой. Обычно он видит объявление в VK Ads, через пару дней вбивает название бренда в Яндексе, кликает на Директ и только тогда оформляет заказ. Каждое из этих взаимодействий называется точкой касания (touchpoint), а вопрос, какому каналу засчитать продажу и в какой пропорции, решает модель атрибуции. Без неё владелец бизнеса видит только последний клик и делает вывод, что работает Директ — хотя реальный триггер интереса случился раньше, в VK Ads.

Touchpoints и цепочка касаний

Цепочка касаний — это последовательность каналов, через которые проходит один и тот же пользователь до покупки. Типичный пример для SMB в РФ выглядит так.

1. Пользователь видит баннер в VK Ads, но не переходит по нему.
2. Через два дня он ищет товар в Яндексе по своей инициативе.
3. Кликает на объявление Яндекс Директа в выдаче.
4. Заходит на сайт, сравнивает цены, уходит без покупки.
5. Возвращается через день напрямую по закладке и оформляет заказ.

Модель «последний клик» отдаст всю ценность прямому заходу, хотя весь путь построила связка VK Ads и Директа. Модель «первый клик» уйдёт в другую крайность и обесценит все каналы дозревания. На практике для SMB чаще работает линейная или позиционная модель — она распределяет ценность между всеми касаниями и не позволяет ни одному каналу присвоить себе чужую работу.

Окно конверсии и кросс-девайс атрибуция

Окно конверсии (lookback window) — это период, за который система готова учитывать касания перед покупкой. Если окно стоит на 7 дней, а клиент из примера выше вернулся на 10-й день, вся цепочка разрывается и покупка становится «прямым заходом» без истории. Для бизнеса с длинным циклом решения — недвижимость, B2B-услуги, дорогая техника — короткое окно систематически занижает вклад верхних каналов воронки.

Вторая проблема — кросс-девайс переходы. Клиент листает VK с телефона, а покупку оформляет вечером с ноутбука. Без склейки идентификаторов по ClientID или логину в личном кабинете это два разных человека для системы аналитики, и часть пути теряется безвозвратно.

Команда AdMetric: чаще всего проблема не в выборе модели атрибуции, а в том, что бизнес вообще не видит промежуточные касания — они просто не долетают до отчётов из-за разрозненных кабинетов и отсутствия склейки по идентификаторам. Модель на неполных данных даёт красивую, но неверную картину.

Здесь и вступает AdMetric: платформа собирает данные из рекламных кабинетов, CRM и сайта в одном месте, а сквозная аналитика связывает все касания одного клиента в единую цепочку — независимо от устройства и канала входа.

Виды моделей атрибуции: полный разбор

Модель атрибуции (attribution model) — это правило, по которому ценность конверсии делится между точками касания (touchpoints) в пути клиента. От выбора модели зависит, какой канал в отчёте выглядит героем, а какой — балластом для урезания бюджета. Чтобы разница была наглядной, разберём одну и ту же цепочку касаний на всех моделях: клиент увидел рекламу в VK Ads, через неделю нашёл статью через SEO, а спустя три дня кликнул по объявлению в Я.Директ и купил на 1000 ₽.

Last click

Вся ценность достаётся последнему каналу перед конверсией (last non-direct click) — остальные касания игнорируются. В нашей цепочке Я.Директ получает все 1000 ₽, а VK Ads и SEO — по нулю. Модель подходит компаниям с коротким циклом сделки и одним доминирующим каналом продаж — например, интернет-магазину с почти одноканальным трафиком.

• Плюс: простота, считается вручную даже без сквозной аналитики
• Минус: занижает роль каналов верхней воронки (top of funnel) и подталкивает к урезанию бюджетов на SEO и медийную рекламу, хотя именно они формируют спрос

First click

Противоположность last click: все 100% ценности получает канал, с которого начался путь клиента. В примере вся выручка — 1000 ₽ — уходит VK Ads, а SEO и Я.Директ остаются ни с чем. Такая модель полезна, когда важно оценить именно генерацию спроса — например, при запуске нового продукта, где нужно понять, какой канал приводит новую аудиторию. Слабое место то же самое, только зеркальное: канал, который дожимает уже тёплого клиента до оплаты, выглядит бесполезным, хотя без него сделки бы не было.

Linear

Ценность делится поровну между всеми точками касания, независимо от их роли и близости к покупке. В цепочке из трёх каналов каждый получает по 333 ₽ (округление на одном из них — до 334 ₽). Модель уместна, когда цикл сделки длинный, а решение принимается взвешенно — например, в B2B или при продаже дорогих услуг, где клиент осознанно проходит несколько этапов. Плюс — честность по отношению ко всем участникам воронки. Минус — модель не различает канал, который просто попался на глаза, и канал, который реально повлиял на решение.

Time decay

Каналы, ближе всего расположенные к моменту конверсии по времени, получают больше ценности; чем раньше касание — тем меньше его вес. При типичном периоде полураспада в неделю распределение может выглядеть так: VK Ads (три недели до покупки) — 150 ₽, SEO (полторы недели) — 300 ₽, Я.Директ (в день покупки) — 550 ₽.

Наглядно разница между моделями видна в таблице ниже — иллюстративный пример на той же цепочке VK Ads → SEO → Я.Директ: как 1000 ₽ ценности одной конверсии делится между каналами.

Time decay подходит бизнесу с рекламными кампаниями, где решающее значение имеет последний импульс, но полностью списывать верхнюю воронку со счетов не хочется. Плюс — баланс между last click и linear. Минус — период полураспада приходится настраивать вручную, и неверная настройка искажает картину не хуже last click.

Position-based (U-shaped)

Модель фиксирует вес первого и последнего касания — обычно по 40% каждому — а остаток, 20%, делится между всеми промежуточными каналами. В нашем примере VK Ads (первое касание) получает 400 ₽, Я.Директ (последнее) — 400 ₽, а SEO как промежуточный этап — 200 ₽. Хороший выбор для компаний, где важны оба края воронки: и канал, который приводит нового клиента, и канал, который закрывает сделку. Плюс — учитывает крайние точки без игнорирования середины. Минус — вес 40/20/40 задаётся произвольно и не всегда отражает реальное влияние конкретных каналов на конкретный бизнес.

Data-driven

Алгоритм анализирует тысячи путей конверсии и сравнивает, как менялась бы вероятность покупки, если убрать тот или иной канал из цепочки (похоже на подход Шепли из теории игр). Вес каждого касания — результат статистики, а не фиксированного правила. Для нашей цепочки алгоритм на основе исторических данных мог бы посчитать так: SEO — 450 ₽ (запрос сформировал интерес), Я.Директ — 300 ₽, VK Ads — 250 ₽ — это иллюстративный расчёт, реальные веса зависят от накопленной статистики конкретного аккаунта. Модель подходит бизнесу с большим объёмом конверсий — от нескольких сотен в месяц, иначе алгоритму не на чем обучаться. Плюс — веса подстраиваются под реальное поведение аудитории, а не под шаблон. Минус — модель непрозрачна: объяснить клиенту, почему SEO вдруг «весит» больше директа, сложнее, чем сослаться на простое правило.

Ассоциированные конверсии

Это не модель распределения ценности, а отчёт о каналах-участниках (assisted conversions): он показывает, сколько конверсий канал помог довести до покупки, даже если не был последним кликом. Для нашей цепочки в отчёте об ассоциированных конверсиях VK Ads и SEO зачтутся как каналы-участники, а Я.Директ — как канал последнего клика; сумма 1000 ₽ здесь не делится, а сам факт участия каждого канала фиксируется отдельной строкой. Отчёт полезен как дополнение к любой модели атрибуции — он отвечает не «сколько ₽ дал канал», а «в скольких сделках канал поучаствовал». Часто именно на нём видно, что канал с низким last-click-показателем на самом деле участвует в половине всех сделок компании.

Как выбрать модель атрибуции для своего бизнеса

Универсальной модели атрибуции не существует. То, что подходит интернет-магазину с одной покупкой за визит, ломается на B2B-сделке с отделом продаж и десятком точек касания. Прежде чем выбирать модель, стоит честно оценить четыре параметра своего бизнеса: длину цикла сделки, число используемых каналов, объём накопленных конверсий и наличие данных из CRM.

Данные — это ограничитель. Data-driven модель строит веса на статистике реальных путей клиента, и без достаточного объёма конверсий она либо не запустится, либо выдаст шум вместо инсайтов. Небольшому бизнесу с парой десятков заявок в месяц придётся выбирать между простыми, но предсказуемыми правилами.

Критерии выбора

Наличие CRM-данных решает отдельную задачу — без них атрибуция обрывается на лиде и не видит, что произошло дальше: дошёл ли клиент до оплаты, сколько стоила сделка. Часть этой работы закрывает автоматизация маркетинга, когда данные из CRM и рекламных кабинетов синхронизируются без ручной сверки таблиц.

Частые ошибки при выборе модели

• Судить об эффективности каналов только по last click — верхнеуровневые каналы, которые приводят первый клик, выглядят бесполезными, хотя без них не было бы и последнего касания.
• Менять модель атрибуции каждую неделю в погоне за более удобными цифрами — сравнение данных теряет смысл, если методика расчёта скачет.
• Сравнивать отчёты из разных систем аналитики, построенные на разных моделях, как будто это одни и те же цифры.
• Игнорировать звонки и офлайн-конверсии, если часть сделок закрывается не на сайте — модель без этих данных всегда недооценивает часть каналов.

Настройка атрибуции в Яндекс.Метрике и Директе

Модели атрибуции в Метрике

Атрибуция определяет, какому каналу засчитать конверсию, если посетитель пришёл на сайт несколько раз из разных источников. В Яндекс Метрике модель атрибуции устанавливается в настройках отчёта, и выбор определяет итоговую картину по каналам — иногда кардинально. Метрика предлагает несколько моделей: последний переход отдаёт конверсию источнику последнего визита, включая прямые заходы; последний значимый переход игнорирует прямые заходы и внутренние переходы, приписывая конверсию последнему источнику, который реально привёл трафик; первый переход, наоборот, засчитывает канал, который познакомил пользователя с сайтом впервые; последний переход из Директа выделяет рекламу Яндекса даже если после неё был прямой заход или переход из поиска.

Предпосылка для любых расчётов — настроенные цели в счётчике. Без целей атрибуции считать нечего: модель распределяет конверсии, а не визиты сами по себе. Если цели ещё не заведены, разумно сначала разобраться с настройкой целей в Метрике, а затем возвращаться к выбору модели. Кросс-девайс здесь работает ограниченно: Метрика связывает визиты одного пользователя между устройствами по логину Яндекс ID, но без авторизации переходы с телефона и с ноутбука чаще всего остаются разными пользователями — и модель атрибуции этого не восполнит.

Атрибуция в отчётах Директа

В кабинете Директа модель атрибуции влияет не только на отчётность, но и на автостратегии. Если вы настроили оптимизацию по конверсиям, алгоритм обучается на данных, которые пришли по выбранной модели — смена модели меняет то, какие ключевые фразы и аудитории система считает результативными, и может ощутимо сдвинуть оптимизацию через несколько дней. Поэтому модель атрибуции в Директе стоит зафиксировать до старта автостратегии, а не менять на ходу.

Отдельный момент — ключевые цели: именно по ним автостратегии обучаются в первую очередь, и если ключевая цель выбрана неудачно (слишком редкая или не отражающая реальную ценность лида), оптимизация будет шуметь независимо от модели атрибуции. Официальные формулировки моделей и порядок их настройки описаны в справке Яндекс Метрики и справке Яндекс Директа — стоит свериться с ними, если поведение отчётов расходится с ожиданиями.

VK Ads и сквозная аналитика

1. Учтите, что VK Ads считает конверсии по собственной логике атрибуции внутри кабинета, которая не совпадает ни с одной из моделей Метрики или Яндекс Директа.
2. Сверьте количество конверсий в кабинете VK Ads с количеством целей в Метрике за один и тот же период — расхождение в разы на старте нормально.
3. Не пытайтесь свести цифры кабинетов вручную: разные окна учёта и разные правила дедупликации делают точное совпадение почти невозможным.
4. Стройте сквозную аналитику на уровне CRM — там сделка привязывается к первому касанию или к конкретной рекламной кампании через UTM-метки и id визита, а не к отчётам рекламных кабинетов.
5. Используйте отчёты AdMetric как единый слой, где данные из Метрики, Директа и VK Ads сводятся к одной модели атрибуции и сверяются со сделками из CRM.

Бенчмарки: как модель атрибуции меняет картину эффективности

Разница в оценке каналов

Модель атрибуции — это не техническая настройка, а фильтр, через который владелец бизнеса видит результаты рекламы. Последний клик (last click) отдаёт всю ценность конверсии каналу, который стоял последним перед покупкой — чаще всего это платный поиск или прямой заход по брендовому запросу. Линейная модель (linear) делит ценность поровну между всеми точками контакта в пути клиента. Data-driven модель считает вклад каждого канала статистически, опираясь на то, как менялась вероятность конверсии при его участии.

Разница не абстрактная. Возьмём условный интернет-магазин с 100 конверсиями за месяц и четырьмя каналами в цепочке: VK Ads, SEO, Яндекс.Директ и email-рассылки. Директ почти всегда стоит последним касанием перед покупкой — человек ищет бренд в поиске, кликает на объявление и оформляет заказ. Last click отдаёт этому каналу львиную долю заслуги, хотя решение о покупке часто формируется раньше — на этапе, когда пользователь читал статью из SEO или увидел баннер в VK Ads.

Практический пример расчёта

Если бюджет на Яндекс.Директ фиксирован — 300 000 рублей в месяц, — модель атрибуции меняет не траты, а то, сколько конверсий ему приписывают и, соответственно, расчётный CPA (цена за конверсию).

По last click Директ выглядит лучшим каналом в воронке: CPA 7 500 рублей, бюджет явно стоит наращивать. По data-driven картина обратная — реальный вклад канала ближе к 15 конверсиям, CPA почти втрое выше, а SEO забирает себе долю, которую раньше приписывали Директу. Решения о бюджете, принятые на основе двух моделей, будут противоположными: в одном случае — масштабировать Директ, в другом — перераспределить бюджет в контент и VK Ads.

Доля ценности одного и того же канала меняется в разы в зависимости только от выбора модели — при абсолютно неизменных данных о поведении пользователей.

Как атрибуция работает в AdMetric

Автоматический расчёт по данным рекламы и CRM

Владелец бизнеса обычно сверяет модели атрибуции вручную: открывает кабинет Яндекс.Директа, потом VK Ads, потом Telegram Ads — и в каждом видит свою логику подсчёта конверсий. AdMetric убирает эту сверку: платформа подключается к рекламным кабинетам и сайту напрямую, забирает клики и события в единую базу, а атрибуцию считает по одной модели сразу для всех каналов. Не нужно решать, какой кабинет «прав» — расчёт происходит вне кабинетов, на стороне платформы.

Результат — не таблица с процентами по каждой площадке, а понятная картина: сколько лидов и денег принёс каждый канал за выбранный период. Модель учитывает всю цепочку касаний, а не только последний клик, поэтому вклад верхнего уровня воронки (охватные кампании, брендовые запросы) не обнуляется искусственно.

Интеграция с CRM и сквозная аналитика

Ключевая проблема атрибуции без CRM — она считает клики, а не деньги. Клик мог привести человека, который ничего не купил, или наоборот — стать началом сделки на крупную сумму через два месяца. AdMetric связывает клик с конкретной сделкой в Bitrix24 или amoCRM и доводит расчёт до оплаты, а не до формы на сайте.

• Яндекс.Директ, VK Ads, Telegram Ads — рекламные кабинеты
• сайт — клики, визиты, события конверсии
• Bitrix24 / amoCRM — сделки, суммы, статусы воронки

После сведения данных AI-слой объясняет результат по-русски: какой канал приносит сделки дешевле остальных, где расходуется бюджет без отдачи и куда стоит перераспределить ставки. Не сухие цифры ROI и ROMI, а формулировка, понятная без аналитика в штате. Попробовать расчёт на своих данных можно в течение 7-дневного триала без карты, а состав функций по тарифам — на отдельной странице.

FAQ: частые вопросы об атрибуции