Модели атрибуции для рекламы: что это, виды и как выбрать

• Атрибуция в интернет-рекламе — это система правил, которая определяет, какой рекламный канал или точка касания получит кредит за целевое действие пользователя: покупку, регистрацию, заявку или установку приложения. Без корректно настроенной модели атрибуции для рекламы вы не сможете объективно оценить эффективность инвестиций в маркетинг, поскольку будете опираться лишь на последний клик, упуская из виду вклад других каналов в воронку продаж. Современный пользователь редко принимает решение о покупке после первого баннера. В среднем, конверсия происходит после 5-7 взаимодействий с брендом: пользователь может увидеть таргетированную рекламу в соцсети, затем перейти по ссылке из поисковой выдачи, позже вернуться по email-рассылке и только после этого совершить транзакцию. Если вы используете стандартную настройку «Last Click» в системах веб-аналитики, вы ошибочно приписываете всю ценность последнему источнику, который часто оказывается лишь финальным триггером, а не первопричиной интереса. Это приводит к неверному распределению бюджета: вы перефинансируете каналы, которые «дожимают» клиента, и недооцениваете каналы, которые формируют спрос на старте. В этой статье мы разберем, какие существуют виды моделей атрибуции, как они работают на практике, какие метрики (CTR, CPC, ROI) показывают их эффективность и как выбрать подходящий вариант для вашей рекламной стратегии.

  Виды моделей атрибуции: от простого к сложному

  Прежде чем углубляться в выбор, важно понять базовую классификацию. Все модели атрибуции для рекламы делятся на две большие группы: однокасательные (атрибуция одного касания) и мультикасательные (атрибуция нескольких касаний). Разница между ними колоссальна: первые проще в настройке, но дают искаженную картину, вторые — точнее, но требуют больше данных и сложных вычислений.

  Однокасательные модели: атрибуция по одному клику

  Это самые простые варианты, которые по умолчанию встроены в большинство рекламных кабинетов (Google Ads, Яндекс.Директ) и систем аналитики (Google Analytics 4, Яндекс Метрика). Они приписывают 100% ценности конверсии одному источнику. 1. Last Click (Последний клик). Это стандарт де-факто. Вся ценность отдается последнему рекламному клику перед конверсией. Плюс — простота и наглядность. Минус — полное игнорирование «верхних» этапов воронки. Например, если пользователь узнал о вас из Instagram, но купил по переходу из поисковой выдачи, весь ROI будет зачислен каналу performance-маркетинга, а органический охват и таргет будут считаться неэффективными. На практике это ведет к неоправданному сокращению бюджета на медийные кампании. 2. First Click (Первый клик). Полная противоположность. Весь кредит уходит первому каналу, который привел пользователя на сайт. Эта модель хороша для оценки эффективности брендинговых и имиджевых кампаний, но она опасна для каналов с высокой конверсией на финальном этапе. Вы рискуете «перекармливать» каналы Discover и баннерную рекламу, не понимая, что именно заставило пользователя нажать «Купить» в последний момент.

  Мультикасательные модели атрибуции для рекламы

  Эти модели распределяют вес между всеми значимыми точками касания. Они помогают увидеть полную картину взаимодействия клиента с вашим продуктом. 1. Linear (Линейная). Вес конверсии равномерно распределяется между всеми кликами в пользовательском пути. Если было 4 касания, каждое получает по 25% ценности. Это справедливо, но слишком усреднено. Линейная модель не учитывает, что контекстная реклама обычно приносит меньше кликов, чем ретаргетинг, но эти клики ценнее. 2. Time Decay (Затухание во времени). Чем ближе точка касания к моменту конверсии, тем больший вес она получает. Обычно используется экспоненциальная формула с полураспадом в 7 дней. Модель отлично подходит для продаж с длинным циклом, где «разогрев» клиента в начале воронки все же важен, но финальные касания влияют на решение сильнее. 3. Position Based (На основе позиции). Также называется U-образной или моделью «крючка». Обычно 40% ценности отдается первому клику (инициация), 40% — последнему клику (закрытие сделки), а оставшиеся 20% распределяются между промежуточными касаниями. Это популярный вариант для B2B-сегмента, где ценность и первого касания (холодный контакт), и последнего (заключение договора) одинаково высока.

  Продвинутые (Data-Driven) модели

  Data-Driven атрибуция — это вершина эволюции. Здесь не используются фиксированные проценты, вместо этого алгоритмы машинного обучения анализируют исторические данные о конверсиях и поведении всех пользователей, чтобы рассчитать фактическую вероятность того, что каждое касание повлияло на результат. Система (например, алгоритмы Google Analytics 4 или Яндекс.Метрики) автоматически находит паттерны: возможно, ваш баннер на сайте-партнере не приводит прямых кликов, но его показ повышает CTR контекстной рекламы на 20% в течение следующих трех дней. Эта модель наиболее точна, но требует большого объема трафика (обычно не менее 15-20 тысяч кликов в месяц) для построения корректных статистических вычислений.

  Как выбрать модель атрибуции для рекламных кампаний

  Универсального ответа на вопрос «Какую модель атрибуции выбрать?» не существует. Выбор зависит от вашей ниши, длины воронки и бюджета. Однако есть четкие критерии, позволяющие минимизировать ошибки.

  Определите длину вашего цикла продаж

  Если вы продаете импульсные товары (например, футболки или фастфуд), среднее время от клика до покупки составляет менее суток. В этом случае использование многосложной data-driven атрибуции может быть избыточным. Достаточно следить за моделью Last Click, но с одним дополнением — анализом по атрибуции просмотров (View-Through). Если же ваш продукт стоит дорого (B2B-софт, автомобили, недвижимость), и клиент думает 2-3 месяца, без Position Based или Time Decay не обойтись, иначе вы перестанете финансировать верх воронки и потеряете лидов через 3-4 месяца.

  Оцените роль различных типов каналов

  Важно понять, какие каналы у вас работают на «прогрев», а какие на «конверсию». Для этого используется анализ ассоциированных конверсий. Например: Контекстная реклама часто получает кредит по последнему клику, так как она перехватывает уже готовый спрос. Таргетированная реклама и видео — классические каналы «верхнего» уровня, которые в стандартной отчетности выглядит убыточными, хотя именно они создают узнаваемость. Email-маркетинг — мощный инструмент возврата покинувших корзину, где атрибуция последнего клика засчитает успех почтовому сервису, хотя первоначальный интерес возник в другом канале. Рекомендация от практиков: если вы только запускаете рекламные кампании, начните с U-образной модели (Position Based). Это компромиссный вариант, который не даст сильно перекосить бюджет в сторону «финального» клика и сохранит баланс между брендингом и performance-маркетингом.

  Модель атрибуции и повторные продажи

  Отдельного внимания заслуживает работа с существующей базой клиентов. Модель атрибуции должна различать новых и вернувшихся клиентов. Если вы используете модель «последнего клика», ваши рассылки на постоянную аудиторию будут «съедать» конверсии, которые могли быть зачислены на поисковую кампанию по брендовому запросу. Лучше всего разделять отчетность: для привлечения новых клиентов использовать First Click или Data-Driven, а для удержания — Last Click. Многие аналитические платформы позволяют строить сегменты «Новые пользователи» и «Вернувшиеся» и назначать для них разные правила.

  Практические метрики для оценки моделей атрибуции

  Чтобы понять, работает ли выбранная модель, необходимо смотреть не просто на количество конверсий, а на комплекс финансовых показателей. Сравнивайте отчеты по разным моделям атрибуции и оценивайте следующие цифры: 1. ROI / ROAS по каналам. Ключевой финансовый показатель. Если при модели Last Click ваш баннерный трафик показывает ROAS 0.5 (убыток), а при линейной модели — ROAS 2.0 (прибыль), это прямое свидетельство того, что баннеры работают на ассоциированные конверсии. 2. CPC и CTR. Отслеживайте, как меняется стоимость клика при изменении модели. Если вы начинаете использовать атрибуцию View-Through (показов), часто наблюдается снижение CTR в системах реального времени, так как вы начинаете оптимизироваться не на клики, а на просмотры. Это нормально, если растет общий ROI. 3. Доля ассоциированных конверсий. В Google Analytics 4 и Яндекс.Метрике есть отчеты «модели атрибуции для рекламы», где можно сравнить, сколько конверсий генерирует каждый канал в разных моделях. Если канал в модели Last Click дает 100 конверсий, а в U-образной — 300, это критически важная информация для перераспределения бюджета.

  Ошибки при выборе модели атрибуции для рекламы

  В практике интернет-маркетинга часто встречаются системные ошибки, которые сводят на нет все усилия по настройке аналитики. Ошибка №1: Смешение моделей на разных уровнях. Например, в Google Ads вы настроили модель «Приоритет по первому клику», а в Google Analytics 4 — «По позиции». Системы начнут конфликтовать, и вы будете видеть абсолютно разные цифры стоимости лида в отчетах. Всегда синхронизируйте модель атрибуции с выставлением ставок в рекламных кабинетах. Ошибка №2: Игнорирование офлайн-конверсий. Если часть ваших клиентов звонит в офис, а не оформляет заказ на сайте, и эти звонки не учитываются в системах аналитики, модель атрибуции будет неполной. Обязательно настраивайте коллтрекинг и передавайте данные о звонках в систему атрибуции. Иначе модель Last Click будет приписывать все конверсии одному каналу, хотя фактически продажа была совершена по телефону после сравнения цен на сайте конкурента. Ошибка №3: Слишком частая смена модели. Алгоритмам машинного обучения нужно время для накопления данных. Если менять модель каждую неделю в поисках лучшей, вы получите хаос в данных и не сможете провести корректный A/B-тест. Минимальный срок проверки одной модели — 2-3 цикла продаж (или 30 дней для среднего e-com).

  Тренды в атрибуции: куда движется рынок

  Рынок интернет-рекламы движется в сторону отказа от cookie третьих лиц, что усложняет классическую модель атрибуции. На смену клик-атрибуции приходят инкрементальные измерения (Incrementality Testing). Суть метода — отключить рекламу для контрольной группы пользователей и сравнить, сколько конверсий они совершили без рекламного воздействия. Разница между тестовой и контрольной группой — это и есть «чистая» ценность канала, без учета органического спроса. Однако для малого и среднего бизнеса это может быть сложно. Поэтому на практике преобладает гибридный подход: использование стандартных моделей для оперативного управления ставками (bid management) и периодическое проведение инкрементальных тестов для стратегической проверки гипотез.

  Выводы и рекомендации по внедрению

  Итак, модели атрибуции — это не просто настройка в веб-аналитике, а стратегический инструмент управления бюджетом. Правильный выбор напрямую влияет на то, как вы распределяете средства между медийной, контекстной и таргетированной рекламой. Начните с простого: посмотрите в своей системе аналитики отчет «Сравнение моделей атрибуции». Выберите три модели: Last Click, Position Based и Data-Driven (если доступна). Сравните, какой ROI показывает реклама в соцсетях и на ретаргетинговых площадках. Скорее всего, вы обнаружите, что цена лида в этих каналах значительно ниже, чем вы привыкли видеть в стандартной отчетности. Итоговый алгоритм выбора модели атрибуции выглядит так: Для локального бизнеса и быстрых покупок — Last Click с коррекцией на просмотры. Для e-commerce со средним чеком — Linear или Position Based на первом этапе, переход к Data-Driven после накопления данных. Для сложных B2B-продуктов — Position Based или Time Decay в связке с коллтрекингом и передачей лидов в CRM. Помните, что атрибуция — это не истина в последней инстанции, а вероятностная оценка. Обязательно сверяйте цифры в аналитических системах с реальной финансовой отчетностью и постоянно тестируйте новые подходы. Только в этом случае вы сможете масштабировать рекламу с прогнозируемым уровнем рентабельности.   Если вы планируете запуск нового проекта, обратите внимание на создание интернет-магазина под ключ — там мы подробно рассказываем, как правильно настроить аналитику и атрибуцию с самого старта.