Performance9 января 2026 г.4 мин

Атрибуция маркетинговых каналов 2026: от Last Click до MMM

Как выбирать модель атрибуции по задаче и качеству данных: доступные модели GA4, ограничения MTA, роль MMM и проверка отчёта перед перераспределением бюджета.

Обложка статьи: Атрибуция маркетинговых каналов 2026: от Last Click до MMM

Выбор модели атрибуции начинается с вопроса к отчёту: вы хотите распределить выручку между известными касаниями, найти потери в данных или оценить дополнительный эффект рекламы? Для этих задач нужны разные проверки. Название модели само по себе не делает бюджетное решение верным.

Я бы сначала взял несколько оплаченных заказов и восстановил их путь вручную. Если сумма, источник или идентификатор заказа теряются между сайтом и CRM, более сложная модель лишь перераспределит неполные данные. Базовые понятия и события удобно сверить с разбором маркетинговой аналитики.

Что именно распределяет атрибуция

Модель назначает кредит касаниям, которые попали в её данные и соответствуют условиям учёта. Например, она может учитывать клики за определённый период до покупки. Контакт за пределами окна или на другом устройстве без связи с покупателем может отсутствовать в наблюдаемом пути. Поэтому сначала зафиксируйте событие, окно, каналы и способ объединения данных.

Кредит в отчёте и дополнительная продажа — разные утверждения. Если каналу назначили часть выручки заказа, это ещё не показывает, что без канала заказ бы не состоялся. Для проверки дополнительного эффекта нужны подходящий эксперимент или модель с обоснованными предпосылками. Полезное продолжение — проверка инкрементальности ретаргетинга.

Модели как правила и как функции продукта

В простом правиле Last Click кредит получает последнее подходящее касание. В линейном правиле он делится поровну, а Time Decay назначает больший вес более поздним контактам. Это способы расчёта, а не перечень кнопок, доступных в любом кабинете. Конкретный продукт определяет, какие визиты исключаются и какие каналы участвуют.

В официальном описании атрибуции Google Analytics перечислены Data-driven, Paid and organic last click и Google paid channels last click. First click, Linear, Time Decay и Position-based недоступны с ноября 2023 года. Совет переключиться на них в интерфейсе GA4 устарел. Доступность отчёта и точную область каналов проверьте в своей собственности перед сравнением.

Условный пример: один заказ на 1 000 ₽, три подходящих касания
ПравилоПервое касаниеВторое касаниеТретье касание
Кредит последнему касанию0 ₽0 ₽1 000 ₽
Равное распределение с округлением333,33 ₽333,33 ₽333,34 ₽

Итог в обеих строках равен одному заказу. Вторая строка — учебный расчёт, не обещание доступной настройки GA4. Для Data-driven я не подставляю произвольные веса: они зависят от конкретных данных и реализации модели.

Как читать разницу между моделями

Сначала выровняйте период, событие, валюту, набор каналов и ограничения данных. Затем сравните распределение кредита и проверьте реальные пути, на которых разница максимальна. Не складывайте полную выручку, приписанную каждой участвовавшей кампании: одна и та же сделка может присутствовать в нескольких строках.

Нулевой кредит охватного канала в Last Click означает, что он не получил кредит по выбранному правилу. Это не измерение отсутствия эффекта. Аналогично высокий кредит канала не доказывает, что перенос дополнительного бюджета даст пропорциональный результат.

Когда данных достаточно для MTA

MTA рассматривает наблюдаемые пользовательские пути с несколькими касаниями. До запуска проверьте дубли заказов, время событий, разрывы источников, стабильность идентификаторов и долю путей, которые вы вообще можете восстановить. Универсального порога «3 000 конверсий для любой MTA» из этого не следует. Требования конкретной модели нужно брать из её текущей документации, а собственную достаточность данных проверять отдельно.

Начните с проверки покрытия путей. Большое число событий не исправляет систематическую потерю части покупателей. Доля Direct тоже не является универсальным тестом качества: изучите её изменение, сценарии переходов и причины потери источника вместо требования уложиться в одинаковый процент для всех сайтов.

Где помогает MMM

Marketing Mix Modeling работает с агрегированными рядами результата, маркетинговой активности и значимых внешних факторов. Например, Google Meridian — открытый MMM-инструмент с возможностью использовать контрольные переменные и географические данные. Модель требует обоснования причинных предпосылок и проверки качества; наличие библиотеки не заменяет эту работу.

Решение о MMM нельзя свести к единственному порогу медиабюджета. Посмотрите на доступную историю, вариативность расходов, сопутствующие изменения и устойчивость результата. Если каналы всегда меняются одновременно, их отдельные эффекты трудно различить. Прогноз или оптимизация бюджета должны сопровождаться диапазонами неопределённости и проверкой предпосылок.

Что зафиксировать перед решением

  1. Определение результата: заказ, оплата, подтверждённая выручка или другое событие.
  2. Состав наблюдаемых данных и известные потери.
  3. Модель, окно, каналы и дата изменения настройки.
  4. Проверку согласования итогов с исходными заказами.
  5. Границы решения: что отчёт позволяет заключить и какую гипотезу ещё нужно проверить.

Возьмите отчёт, на основании которого собираетесь менять бюджет. Для одной заметной разницы между моделями найдите исходные заказы и объясните её через конкретное правило или потерю данных. Если этого сделать не получается, сначала исправьте измерение.

Практические продолжения

Ещё по теме