Атрибуция после смерти cookies: 3 рабочих модели в России 2026
В 2025 «отказ от 3rd-party cookies» дошёл и до РФ. Что сломалось, что не сломалось в Яндекс.Метрике, и три модели атрибуции, которые реально работают: last-click+post-view, MMM-light, incrementality. С метриками с моих проектов.
В январе 2025 я открыл клиентский отчёт и увидел, что 31% «прямого трафика» в Я.Метрике на самом деле — переходы из мобильных мессенджеров без UTM. Раньше это считалось «direct». Теперь — благодаря изменениям в обработке referrer'а — это «прямые сессии». Атрибуция, которая работала пять лет, перестала. И это только начало истории про cookies в РФ.
Когда говорят «смерть cookies» — обычно имеют в виду Chrome и 3rd-party. Но в России это другая история. У нас отвалилось не Chrome — а ITP в Safari, ATT в iOS и пакет ужесточений в Я.Метрике, плюс часть трафика теперь идёт через мини-приложения VK и TG, где привычные UTM не доходят до конечной системы. Эта статья — не общая теория. Это три рабочих модели атрибуции, которые я применяю на 5 проектах прямо сейчас, и реальные метрики «до/после» на каждой.
Атрибуция в 2026 — не вопрос «какой инструмент поставить». Вопрос «какую модель применить, потому что технология одна, а интерпретации три».
Что сломалось в РФ-аналитике с 2024 по 2026
Сухая хронология того, что случилось с трекингом за два года. Проверял на проектах ID Store, MM AI Trading и трёх e-com клиентов — пересечения в этом списке.
| Что отвалилось | Когда | Эффект на отчёт |
|---|---|---|
| Safari ITP 2.x → 3.x | 2023–2024 | Возвратные сессии iOS падают как «новые» |
| iOS 17 → 18 ATT-ужесточение | 2024 | −40% сигналов с iOS-installs |
| Я.Метрика — обработка реферера из мессенджеров | январь 2025 | «Прямой трафик» вырос на 20–35% |
| VK мини-приложения — referer = vk.com | 2024–2025 | Теряется источник внутри VK |
| Telegram in-app browser обработка UTM | 2025 | До 25% UTM теряется на iOS |
Что НЕ отвалилось: 1st-party cookies в Я.Метрике на собственном домене, server-side tag manager, и базовая UTM-разметка для desktop-трафика. Этого набора достаточно для рабочей модели — но недостаточно для модели «как было в 2020-м».
Модель 1. Last-click + post-view: для чёткой воронки с одним каналом захода
Когда применять: моно-канальный performance, короткий цикл сделки, один visible-touchpoint до конверсии. Гейминг с прямым закупом на лендинг, e-com с одной retargeting-цепочкой. На кейсе NEMIFIST у меня был именно такой случай.
Атрибуционная схема:
- Last-click закрепляет конверсию за источником последнего касания
- Post-view добавляет atribution к показу баннера в течение 24-часового окна, если пользователь конвертнулся напрямую
- Удвоения нет — приоритет всегда у last-click; post-view учитывается только если last-click = «direct»
Технически: Я.Метрика + custom параметры в теге плюс серверный лог показов через Метрику Pro (для post-view). Это рабочая, дешёвая модель — 5K ₽/мес. на проект, при условии что у тебя один лендинг и понятная воронка.
Где сливается: всё, что multi-touch. Если пользователь пришёл из VK Ads, ушёл, через неделю вернулся через поиск, ещё через 3 дня купил с прямого захода — last-click отдаст конверсию «direct». Это неправда, и эту модель применять нельзя.
Модель 2. MMM-light: media-mix modeling без 1M ₽ на DataLens
Media-mix modeling — статистический метод, который не нуждается в user-level cookies вообще. Берёшь агрегированные данные «бюджет по каналу × неделя» и «выручка × неделя» за 12+ недель, прогоняешь регрессию, получаешь эластичности. Раньше это была прерогатива крупных рекламодателей с командой DS. С 2024-го — это калькулятор в Excel и один промпт к Claude.
Минимальный набор данных для MMM-light:
- Бюджет по каналам — еженедельные траты в рублях (Я.Директ, VK Ads, TG Ads, инфлюенсеры, SMM-органика как 0)
- Зависимая переменная — еженедельная выручка или количество транзакций
- Контрольные переменные — сезонность (фурье-разложение), праздники, дни до зарплаты
Дальше — линейная регрессия с adstock-трансформацией для каждого канала (учитывает «отложенный эффект» рекламы). Я этим пользуюсь как Excel-моделью + сверкой через Claude по промпту, который описан в статье 7 промптов для маркетолога, в разделе про unit-economics-сегментацию.
Что даёт на выходе:
- Долю каждого канала в выручке (а не в кликах)
- Точку насыщения для каждого канала — с какого бюджета канал перестаёт приносить дополнительные транзакции
- Кросс-канальные эффекты: «VK Ads разогревает аудиторию для Я.Директ» — это видно в коэффициентах
Реальная цифра: на e-com проекте за 2024 год MMM-light показал, что 23% бюджета на VK Ads приносило 41% конверсий. После перебалансировки в Q3 — выручка выросла на 18% при том же общем бюджете. Это ровно та история, которую last-click не показывал — потому что last-click отдавал большую долю «органике» и «прямому трафику».
Где сливается: на коротких горизонтах (меньше 12 недель) и на нестабильных бюджетах (когда каждую неделю меняется аллокация). Регрессия требует устойчивости.
Модель 3. Incrementality: A/B-тест канала против самого себя
Третья модель — самая дорогая по времени и самая честная. Идея: ты выключаешь канал в одной географии или сегменте на 3–4 недели и смотришь, что произошло с конверсиями. Это не теория — это эксперимент.
Структура incrementality-теста:
- Делишь страну/аудиторию на две группы: A — обычный микс, B — без одного канала
- Запускаешь эксперимент на 3–4 недели
- Сравниваешь конверсии и выручку в обеих группах
- Разница — это incremental contribution выключенного канала
В Я.Метрике это делается через геопризнаки или через сегменты Я.Аудиторий. В VK Ads — через regional split. На моём проекте MM AI Trading мы выключали Telegram Ads в нерезидентских странах ОАЭ на 4 недели — incremental contribution оказался 12%. Это значит, что атрибуционная модель на основе кликов давала Telegram Ads 27% — но реально canal приносил только 12%. Остальные 15% «забирались» бы органикой и Я.Директом независимо от Telegram-расходов.
Где сливается: бизнесы, которые не могут позволить себе «выключить рекламу на 4 недели» — это большинство e-com и SaaS. И недостаточный объём данных в одной из групп — нужен минимум 5 000 транзакций в каждой ветке.
Какую модель когда применять — таблица
| Ситуация | Модель | Стоимость | Время на внедрение |
|---|---|---|---|
| 1 канал, короткий цикл | Last-click + post-view | ~5K ₽/мес | 1 неделя |
| 3+ канала, multi-touch | MMM-light | ~25K ₽/мес | 2–3 недели |
| Большой бюджет, неясный вклад каналов | Incrementality | 3–8% бюджета на «потери» в B | 4–6 недель |
| Я.Директ + VK Ads + TG (5+ M ₽/мес) | MMM + квартальный incrementality | ~40K ₽/мес | 2 месяца |
Что я перестал делать в 2026
Список инструментов и подходов, которые ушли из моей работы за последние 18 месяцев. Не из моды — из практики, что в РФ они либо перестали работать, либо начали врать.
- Google Analytics 4 для российских проектов. Нестабильный референс из-за блокировок, плюс GA4 в принципе хуже Я.Метрики на russian-domain трафике. Для проекта в ОАЭ держу — для проектов в РФ убрал.
- Сквозная аналитика на основе UTM в TG-ботах. 25% UTM теряется в iOS in-app browser. Заменил deep-link с собственным параметром в URL-payload.
- Last-click для multi-channel воронок. «Все 5 каналов работают, что отключаем?» через last-click — это лотерея, а не решение.
- Атрибуция через CRM-events без сверки с Метрикой. CRM фиксирует событие «оплачен», но не источник. Без двойной сверки получается, что бухгалтерия и маркетинг в разных вселенных.
Стек, на котором я держу аналитику в 2026
Для тех, кто хочет конкретику по инструментам — вот что у меня сейчас на проектах:
- Я.Метрика Pro + custom-параметры через GTM-альтернативу (Matomo Tag Manager). 1st-party cookies on own domain — основа
- Server-side tracking через Cloudflare Worker для критичных событий — 8% точности возвращается в общий отчёт
- n8n + Google Sheets для агрегации недельных данных всех каналов в одну таблицу (детали в моей статье про n8n-агентов)
- Excel/Numbers + Claude для MMM-моделей — пока без отдельного инструмента типа Robyn от Meta, на размерах российских e-com его overengineering
- Я.Аудитории + VK Ads regional split для incrementality-тестов раз в квартал
Стоимость стека на проекте с performance-бюджетом 2M ₽/мес: ~30K ₽ инструментов + 10–15 часов моего времени в неделю. Это в разы дешевле, чем коробочные «сквозные аналитики» с подпиской 80K ₽/мес — и в разы точнее, потому что параметры подобраны под конкретную воронку.
Если ты сейчас смотришь в свой отчёт и видишь 40%+ «прямого трафика» — это не бизнес-показатель. Это симптом, что атрибуция сломана. Хочешь, разберу твой стек на 30-минутном discovery-колле — без продажи retainer'а вслепую. На созвоне покажу, какая из трёх моделей подойдёт под твой случай и сколько сил уйдёт на переезд.