Человек увидел объявление в Telegram-канале, перешёл на сайт и ушёл без покупки. Через пять дней ему показали ретаргетинговую рекламу во ВКонтакте. Он вернулся, посмотрел цены и снова закрыл вкладку. Ещё через два дня он набрал адрес сайта вручную и оформил заказ. Кабинет Telegram Ads, кабинет VK Рекламы, веб-аналитика и CRM могут назвать «победителем» этой продажи разные источники, и каждый отчёт будет прав по своим правилам.
Эти правила и описывают модели атрибуции в рекламе. Ниже разберём, как разные модели распределяют одну и ту же продажу, почему отчёты расходятся и как выбрать модель атрибуции под конкретную задачу, не приписывая цифрам больше точности, чем в них есть.
Что такое модель атрибуции и зачем она нужна
Если коротко ответить на вопрос «модели атрибуции — что это», то это правила, по которым ценность уже зафиксированной конверсии распределяется между известными касаниями на пути клиента. Касание — любое взаимодействие пользователя с источником, которое попало в данные: переход по ссылке, визит на сайт, учтённый показ объявления.
Модель отвечает на вопрос «кому записать заслугу», но не на вопрос «что вызвало покупку». Поэтому важно развести понятия, которые часто смешивают:
- Модель атрибуции — способ разделить ценность конверсии между касаниями.
- Окно атрибуции в рекламе — период, в течение которого касание вообще может претендовать на конверсию. Если окно составляет 7 дней, а клиент купил через 10 дней после клика, этот клик не попадёт в расчёт ни при одной модели.
- Post-click и post-view — тип касания: переход по объявлению или только его показ без клика. Post-view-конверсии учитываются не во всех отчётах и часто с более коротким окном.
- Инкрементальный эффект — дополнительные продажи, которых не было бы без рекламы. Его измеряют экспериментами, а не перераспределением заслуг.
Модель не создаёт новых конверсий и сама по себе не доказывает, что реклама повлияла на решение. Она лишь по-разному делит одну и ту же продажу между источниками, которые удалось зафиксировать.
Какие данные нужны до выбора модели
Модель работает только с тем, что попало в систему учёта. До сравнения моделей стоит проверить исходные данные:
- Период и цель. Какую конверсию оцениваем: заявку, оплату, повторную покупку — и за какой срок.
- Метки и источники. На всех рекламных ссылках должны стоять UTM-метки с единой логикой названий. Один и тот же канал не должен приходить то как «tg», то как «telegram».
- Путь пользователя. Нужна система, которая хранит цепочку визитов, а не только последний источник.
- События на сайте. Отправка формы, клик по кнопке мессенджера, оплата — всё, что считается конверсией, должно фиксироваться одинаково.
- CRM-статусы. Без связки заявки с итоговой сделкой модель распределяет заявки, а не выручку.
- Окна конверсии. У каждого источника данных свои настройки окна, их стоит выписать заранее.
- Устройства и офлайн. Если клиент кликнул с телефона, а купил с ноутбука или по звонку, связать эти касания можно только через авторизацию, ID клиента или ручную разметку.
Без единой разметки значительная часть путей превращается в «прямые заходы» и неопределённые источники. Подробно о том, как использовать UTM-метки для отслеживания рекламы, мы писали в отдельном материале.
Отдельно о том, чего модель сделать не может. Ни одна модель не распределит ценность на касания, которых нет в данных: рекомендацию знакомого, пост в канале без размеченной ссылки, показ, который система не связала с пользователем. Если такие касания важны для бизнеса, равномерное деление «по всем известным» лишь создаёт видимость полноты.
Одноканальные модели: первый и последний переход
Одноканальные модели отдают всю ценность одному касанию. Их проще всего считать и объяснять, поэтому они до сих пор служат базой во многих отчётах. Атрибуция по первому и последнему клику, а также по последнему значимому переходу — первые виды моделей атрибуции, с которыми сталкивается маркетолог. Разберём их на одном пути клиента.
Путь клиента (цифры условные):
Касание 1, день 1. Клик по объявлению Telegram Ads → визит на сайт по ссылке с UTM-метками
↓
Касание 2, день 6. Клик по ретаргетинговому объявлению VK Рекламы → повторный визит
↓
Касание 3, день 8. Прямой заход на сайт → заявка → продажа на 10 000 ₽
Telegram-касание в такой цепочке легко потерять. Если ссылка не размечена или пользователь сначала подписался на канал и пришёл на сайт позже, в аналитике переход будет выглядеть иначе. О том, как отследить заявки и продажи из Telegram Ads, мы подробно рассказывали отдельно.
Распределение одной продажи по одноканальным моделям:
| Модель | Telegram Ads | VK Реклама | Прямой заход | Итого |
|---|---|---|---|---|
| Первый переход | 100% (10 000 ₽) | 0% | 0% | 100% |
| Последний переход | 0% | 0% | 100% (10 000 ₽) | 100% |
| Последний значимый переход | 0% | 100% (10 000 ₽) | 0% | 100% |
Первый переход. Вся ценность достаётся источнику, который впервые привёл клиента. Модель полезна для поиска новых точек входа и оценки каналов, формирующих спрос. Искажение: она игнорирует всё, что довело клиента до покупки, а при длинном окне может отдать заслугу давнему случайному клику.
Последний переход. Ценность получает касание непосредственно перед конверсией. В примере вся продажа уходит прямому заходу. При этом «прямой» визит не стоит автоматически трактовать как отдельный рекламный канал: так часто выглядят переходы без меток, из закладок, мессенджеров и приложений, а сам визит обычно становится следствием предыдущих касаний.
Последний значимый переход. Модель пропускает прямые заходы и отдаёт ценность последнему известному источнику — в примере VK Рекламе. Она удобна для оценки закрывающих каналов, но систематически недооценивает верх воронки: Telegram Ads получает ноль, хотя именно он привёл клиента.
Многоканальные модели
Многоканальная атрибуция распределяет ценность между несколькими касаниями. Логика деления у моделей разная:
- Линейная — поровну между всеми касаниями.
- С временным затуханием — чем ближе касание к конверсии, тем больше его доля.
- Позиционная (U-образная) — по 40% первому и последнему касанию, остаток делится между промежуточными.
- На основе данных (data-driven) — доли рассчитывает алгоритм, сравнивая пути с конверсией и без неё.
Распределение той же продажи по многоканальным моделям:
| Модель | Telegram Ads | VK Реклама | Прямой заход | Итого |
|---|---|---|---|---|
| Линейная | 33,3% (3 333 ₽) | 33,3% (3 333 ₽) | 33,4% (3 334 ₽) | 100% |
| С временным затуханием* | 20% (2 000 ₽) | 30% (3 000 ₽) | 50% (5 000 ₽) | 100% |
| Позиционная 40/20/40 | 40% (4 000 ₽) | 20% (2 000 ₽) | 40% (4 000 ₽) | 100% |
*Коэффициенты условные: реальные доли зависят от периода полураспада, заданного в конкретной системе.
В примере прямой заход участвует в расчёте как касание. Во многих отчётах прямые визиты исключаются, если до них был известный источник, — тогда их доля перераспределяется между Telegram Ads и VK Рекламой.
Линейная модель подходит для первого взгляда на роль всех каналов в цепочке, но уравнивает случайный клик и решающий визит. Модель с временным затуханием логична для коротких циклов и акций, однако занижает вклад первого контакта при долгом выборе. Позиционная модель выделяет вход и закрытие, но доли 40/20/40 — договорённость, а не измерение.
Модель на основе данных выглядит самой точной, но и у неё есть ограничения. Алгоритму нужно достаточно конверсий и путей, чтобы найти закономерности: при малом объёме данных результаты нестабильны, а сама модель доступна не в каждом кабинете. Кроме того, алгоритм видит только зафиксированные касания и находит статистические связи, а не доказывает причинность. Доступность модели и пороги по числу конверсий стоит проверять в справке конкретной системы на дату запуска.
Существуют и другие виды моделей атрибуции, но в большинстве своём это комбинации и модификации описанных логик.
Как выбрать модель для своей задачи
Универсально правильной среди моделей атрибуции в рекламе нет. Вопрос, как выбрать модель атрибуции, всегда сводится к задаче: что именно нужно решить по данным отчёта.
| Задача | Модель | Нужные данные | Риск интерпретации |
|---|---|---|---|
| Найти новые точки входа | Первый переход, позиционная | Полная цепочка визитов, метки на всех каналах верха воронки, достаточное окно | Переоценка случайных первых кликов; при коротком окне первый контакт теряется |
| Оценить закрывающий канал | Последний значимый переход | События конверсии на сайте, корректная обработка прямых заходов | Недооценка каналов, которые формируют спрос |
| Длинный цикл сделки | Позиционная или с временным затуханием + сверка с CRM | CRM-статусы, ID клиента, окно не короче типичного цикла | Касания за пределами окна выпадают; офлайн-этапы не видны |
| Регулярное сравнение каналов | Одна фиксированная базовая модель + контрольная альтернативная | Единые UTM, неизменные цель и окно на всём периоде | Смена модели или окна посреди периода ломает динамику |
Для управленческого решения полезнее сравнивать сценарии, чем искать одну правильную модель. Посмотрите, как меняется доля канала при переходе от последнего значимого перехода к позиционной модели. Если канал заметен в любой модели, его вклад устойчив. Если доля колеблется от нуля до 40%, решение по нему нельзя принимать на основании одного отчёта.
Почему цифры кабинета, веб-аналитики и CRM не совпадают
Расхождения между источниками данных — норма, а не ошибка настройки. Основные причины:
- Разное окно атрибуции. Кабинет может учитывать клики за 30 дней, а веб-аналитика — за другой период.
- Post-view против post-click. Кабинет может засчитать конверсию после показа без клика, веб-аналитика видит только визиты.
- Часовой пояс. Заказ, оформленный после полуночи, попадёт в разные дни в системах с разными настройками времени.
- Дедупликация. Каждый кабинет видит только свои касания и засчитывает конверсию себе, поэтому сумма по кабинетам больше, чем продаж в CRM.
- Кросс-девайс. Клик с телефона и покупка с ноутбука без авторизации выглядят как два разных пользователя.
- Разные определения конверсии. Кабинет считает отправку формы, CRM — оплаченную сделку.
- Задержка сделки. Продажа закрывается через две недели после заявки, и в отчёте за текущий период её ещё нет.
Наглядный пример — статистика VK Рекламы. Кабинет показывает конверсии по событиям пикселя в рамках своего окна, в том числе по пользователям, которые до этого приходили из других источников. Поэтому метрики кампаний VK Рекламы в кабинете eProfit стоит рассматривать как данные рекламной системы: их удобно сопоставлять с веб-аналитикой и CRM, но они не заменяют сквозную модель.
Чек-лист сверки на одном заказе:
- ID, дата и событие. Найдите один и тот же заказ во всех трёх источниках, приведя время к одному часовому поясу.
- Источник. Какой канал указан в каждом отчёте и по какой метке он определён.
- Окно. Попадает ли касание в окно каждой системы, был ли клик или только показ.
- Модель. По какому правилу каждый отчёт присвоил конверсию.
- Статус продажи. Подтверждена ли оплата в CRM, нет ли возврата или дубля.
Как использовать атрибуцию при распределении бюджета
Смена модели меняет распределение заслуг, но не меняет фактическую выручку. В примере продажа на 10 000 ₽ остаётся одной продажей — меняется только то, какой канал выглядит эффективнее. Поэтому выводы для бюджета стоит проверять:
- по качеству лидов: доле целевых заявок, отказов и дублей;
- по продажам в CRM, а не по заявкам;
- при возможности — экспериментом: отключением канала на части географии или на ограниченный срок со сравнением с контрольной группой, тестом на инкрементальность.
Частая ошибка — отключать каналы верха воронки, потому что в отчёте по последнему клику у них ноль продаж. В нашем примере такой отчёт «покажет», что Telegram Ads не приносит денег, хотя без первого касания клиента в цепочке могло не быть. Многоканальная атрибуция помогает увидеть такие каналы, но ответить, сколько продаж они добавляют, может только эксперимент.
Модели атрибуции в рекламе — инструмент для сравнения сценариев и поиска гипотез. Решения о перераспределении бюджета надёжнее принимать, когда выводы совпадают в нескольких моделях и подтверждаются данными о продажах.
