Атрибуция маркетинговых каналов 2026: от Last Click до MMM

Каждый раз, когда клиент говорит «контекст работает, SEO не работает» — я спрашиваю, какая у него стоит модель атрибуции. Ответ почти всегда один. Last Click. А это значит, что он уже три года режет каналы, которые кормят его воронку.

Я работаю с аналитикой и attribution-моделями с 2017-го — сначала на стороне агентства, последние четыре года на стороне клиентов. По моим текущим проектам медиана по ассоциированным конверсиям в SEO — от 28 до 41% всех продаж. Last Click не видит ни одной из них. Цифры в статье — из практики и разговоров примерно с двадцатью коллегами, которые занимаются атрибуцией плотно.

Главное непонимание про атрибуцию: думают, что это про «честный» подсчёт вклада каналов. Правильнее думать — что это про бюджетные решения. Неправильная атрибуция = неправильные решения о том, куда деньги идут в следующем квартале.

1. Что такое атрибуция и почему она важна

Атрибуция — это правило, по которому кредит за конверсию распределяется между каналами. Человек увидел ваш пост в TG, через неделю попал на статью из поиска, потом кликнул на ретаргетинг в VK и купил. Три касания, одна конверсия. Кому записать продажу?

В Last Click — VK Ads получает 100%. SEO и TG — 0. Маркетолог смотрит отчёт, видит «VK работает, SEO не работает» и режет SEO-бюджет. Через три квартала органика пересыхает, ретаргетинг теряет аудиторию — и конверсии падают без очевидной причины. Это не гипотетический сценарий. Это стандартная траектория для компаний с бюджетом от 1 до 10 млн ₽ в месяц, которые никогда серьёзно не занимались атрибуцией.

По данным исследования Ruler Analytics (2024), 40% маркетологов принимают бюджетные решения на основе Last Click. Ещё 35% используют «что-то в GA4», не зная точно, какая модель стоит по умолчанию (там Data-Driven, но он требует 3 000+ конверсий в месяц и молча деградирует при нехватке данных). Оставшиеся 25% — либо хорошо разобрались, либо работают с очень большими бюджетами, где MMM уже обязателен.

2. Модели атрибуции: от простого к точному

Прежде чем сравнительная таблица — коротко про каждую модель, чтобы цифры в таблице были понятны, а не просто цифры.

Last Click — 100% кредита последнему каналу. Просто, но системно врёт про верхние уровни воронки. First Click — 100% первому касанию. Тоже однобоко, зато показывает, какой канал «открывает» клиентов. Полезно для оценки охватных кампаний в изоляции.

Linear — равный кредит всем касаниям. Если три канала — каждый получает 33%. Не отражает реальный вклад, зато не ломает охватные каналы до нуля. Рабочий вариант для команд без ресурсов на что-то сложнее. Time Decay — больший вес ближайшим к конверсии касаниям. Логика: чем свежее контакт, тем он важнее. Подходит для коротких циклов сделки.

Data-Driven MTA — алгоритм считает реальный вклад каждого канала на основе статистики по тысячам пользовательских путей. Порог — 3 000+ конверсий в месяц. Ниже этого — алгоритм начинает «угадывать». MMM — эконометрика на агрегатах. Не смотрит на пути пользователей вообще, работает с данными по каналам, продажам и внешним факторам. Минимум — $100K/мес бюджета и год истории.

3. Почему Last Click врёт: примеры и цифры

Конкретный кейс. EdTech-проект, онлайн-курсы, бюджет 2 млн ₽/мес. В Last Click отчёте за 2024-й год картина такая: контекст (Я.Директ) — 58% конверсий, ретаргетинг VK — 27%, email — 10%, SEO — 3%, TG-посев — 2%.

Маркетолог режет TG-посев и снижает SEO-бюджет. Через квартал — контекст и ретаргетинг «неожиданно» дорожают на 35% по CPL. Что произошло: TG-посев и SEO кормили верхний уровень воронки — аудиторию, которая потом попадала в ретаргетинг. Когда верхний уровень пересох, ретаргетинг начал «обрабатывать» более холодную аудиторию. CPL вырос. Last Click этого не показал — он видел только последний клик.

Если посмотреть на ассоциированные конверсии в том же GA4: SEO участвовал в 41% всех конверсий (при 3% «по Last Click»), TG-посев — в 28%. Это не «влияние», это реальные пути пользователей. Просто Last Click их не считал.

Числа выглядят по-другому и для оффлайн-бизнеса. Клиника, CPL по контексту в Last Click — 1 800 ₽. Когда подключили офлайн-конверсии (запись через колл-центр + CRM-интеграция) и переключились на Linear — реальный CPL контекста оказался 3 200 ₽, а SEO, который выглядел «мёртвым» — 900 ₽. Разница в решениях — плюс 700K ₽ к бюджету SEO и минус 400K ₽ к контексту в следующем квартале.

4. MTA: как работает и когда достаточно

Multi-Touch Attribution работает на уровне отдельных пользовательских путей. Алгоритм берёт тысячи конверсионных и неконверсионных путей, сравнивает их — и считает, какие каналы реально повышали вероятность покупки, а какие просто присутствовали.

GA4 Data-Driven MTA — бесплатный и встроенный. Но есть нюанс: он работает только в экосистеме Google. TG-посев, VK Ads, офлайн-точки — туда попадают только через Conversions API и enhanced conversions. Без этого GA4 видит неполную картину. Для русского рынка, где значительная часть бюджета идёт в VK и Я.Директ, это критично.

Что нужно для работающей MTA в 2026-м:

• UTM-разметка на всех каналах — прямого трафика не больше 15% (проверяется в GA4 через отчёт «Привлечение»).
• First-party данные: логин, email-хэш, телефон — для сшивки cross-device путей.
• Conversions API в VK Ads и Яндекс.Аудитории — для офлайн-конверсий и событий из CRM.
• GTM с корректными триггерами — чтобы GA4 видел события, а не только pageview.
• 3 000+ конверсий в месяц — иначе Data-Driven деградирует до Linear.

Если конверсий меньше 3 000 — не пытайтесь натянуть Data-Driven. Linear через GA4 + ручной анализ ассоциированных конверсий дадут более честную картину, чем «умный» алгоритм на недостаточных данных.

5. MMM: когда нужен и как начать

Marketing Mix Modeling — это другой класс инструментов. MMM не смотрит на пути пользователей. Он берёт агрегированные данные: сколько потратили на каждый канал, каков был объём продаж, плюс внешние факторы (сезонность, цены конкурентов, промоакции) — и строит регрессию, которая объясняет, сколько продаж объясняется каждым каналом.

Главное преимущество — cookieless по природе. MMM не нужен трекинг пользователей. Это делает его будущим атрибуции в мире без сторонних cookies. Главный недостаток — порог входа. Нужно: минимум $100K в месяц суммарного медиабюджета, год истории данных (24+ точки), и либо собственный аналитик с опытом в эконометрике, либо коммерческий инструмент.

Open-source варианты: Robyn от Meta (Python/R, бесплатно) и LightweightMMM от Google (Python). Оба требуют понимания регрессионного анализа. Коммерческие: Ekimetrics, Nielsen, Analytic Partners — от €50K в год за внедрение и поддержку.

На каком бюджете переходить к MMM? Я ориентируюсь на порог около 9–10 млн ₽ в месяц медиабюджета. Ниже — ROI от внедрения MMM не отбивается. Выше — без MMM вы принимаете решения по неполной картине, потому что MTA не видит телевизор, OOH и офлайн-акции.

6. Cross-device: слепые зоны атрибуции

Cross-device — одна из главных дыр любой MTA-модели. По данным Google, в e-com 35–45% конверсий проходят через более чем одно устройство. Человек видит рекламу на телефоне, исследует продукт на ноутбуке, покупает с планшета. Без идентификатора — это три разных пользователя для GA4.

Как закрывают дыру: (1) логин — самый чистый способ, если у вас есть личный кабинет; (2) email-хэш через enhanced conversions — GA4 сшивает сессии по хэшу, если пользователь вводил почту; (3) probabilistic matching — статистическое сшивание по IP, User Agent, поведению, точность 60–70%.

Без решения cross-device проблемы Data-Driven MTA будет стабильно недооценивать мобильные каналы. Пользователь кликнул с мобильного, купил с десктопа — мобильный клик «потерялся» без сшивки. В нишах с высокой долей мобильного трафика (гейминг, EdTech, lifestyle) это искажение может быть 20–30% от реального вклада мобайла.

7. Практический выбор: что использовать при каком бюджете

Без воды — конкретная таблица по бюджетам.

Один нюанс: сторонние MTA-инструменты (Northbeam, Rockerbox) стоят от $2 000 до $10 000 в месяц. Они оправданы, если у вас несколько каналов с существенными бюджетами и нет возможности выстроить нормальную first-party инфраструктуру через GA4. На российском рынке большинство компаний в диапазоне 1–9 млн ₽ обходятся GA4 Data-Driven + ручным анализом ассоциированных конверсий.

8. Что делать с этим прямо сейчас

Атрибуция — не разовая задача. Это инфраструктура. Раз плохо настроили и забыли — через год принимаете решения на основе данных, которые не описывают реальность.

Конкретно: (1) Проверьте модель атрибуции в GA4 — Settings → Attribution → Reporting attribution model. Если не трогали — стоит Data-Driven; убедитесь, что у вас 3 000+ конверсий в месяц. (2) Откройте отчёт «Ассоциированные конверсии» и сравните вклад SEO, email и охватных каналов с Last Click. Разница покажет, кого вы «обворовываете». (3) Если UTM-разметка кривая — сначала чините её через GTM, потом думаете про атрибуцию.

Связанные темы: что такое MTA, как работает MMM, first-party data, cookieless-атрибуция.

Если хочешь разобрать твою конкретную ситуацию — пиши в Telegram или через форму. Стартовая консультация — 0 ₽.