Пять отчётов. Пять «правильных» ответов. Кому откручивать голову?
За месяц компания получила 100 продаж. Директ показывает один набор конверсий, Метрика — другой, Google Analytics 4 — третий. В CRM часть сделок помечена как реклама, часть как органический поиск, у части источник потерян. Клиенты в анкете пишут «по рекомендации», а руководитель продаж говорит, что половину этих людей менеджеры неделями догревали.
Для собственника это не академическая проблема. Ему нужно решить, какой канал масштабировать, что сократить, зачем продолжать медийную рекламу, если у неё почти нет последних кликов, и кто виноват, если план продаж не выполнен. Кажется, что где-то должна существовать одна правильная колонка «Источник», которая всё рассудит. Но именно это ожидание и создаёт большую часть конфликтов вокруг атрибуции.
Возьмём одну сделку. Сначала человек увидел наружную рекламу, затем — видеорекламу без клика. Через несколько дней коллега порекомендовал компанию. Потом человек впервые пришёл на сайт из органического поиска, позже кликнул по объявлению Директа, оставил заявку, неделю общался с менеджером и только после этого оплатил. В анкете он написал «узнал по рекомендации». Директ при этом может связать конверсию со своим рекламным взаимодействием, CRM сохранит источник лида, а менеджер вполне обоснованно скажет, что без его работы оплаты не было бы.
Одна продажа — пять разных вопросов
Нажмите на участника спора. Здесь не выбирается «победитель»: меняется сам вопрос, на который мы отвечаем.
Один человек проходит путь: наружная реклама → видеопоказ без клика → рекомендация коллеги → органический поиск → Директ → заявка → работа менеджера → оплата.
Ниже один и тот же путь рассматривают пять участников. Переключение не меняет факты — меняется вопрос, который задаёт конкретная система или человек.
Разные ответы не обязательно противоречат друг другу. Они начинают противоречить только тогда, когда один частичный ответ объявляют полной причиной продажи.
Модель атрибуции нужна именно потому, что реальный путь длинный, а отчёт должен его сжать. Google определяет модель атрибуции как правило, набор правил или алгоритм, который распределяет заслугу за ключевое действие между точками контакта. Яндекс формулирует задачу близко: модель определяет, какой переход считать источником визита. Это уже подсказывает границу метода: атрибуция распределяет заслугу внутри наблюдаемой истории, а не читает мысли покупателя и не восстанавливает полную причинность.
У атрибуции есть пять слоёв. Модель — только последний
Большинство объяснений начинают с первого и последнего перехода, как будто система уже знает всю историю клиента и осталось только решить, кому отдать продажу. На практике до выбора модели нужно пройти ещё четыре слоя. Если любой из них задан плохо, «правильная» модель будет аккуратно считать неправильную историю.
Разберите строку «Продажа из Директа»
Переключайте слои. Каждый из них меняет то, что вообще может попасть в итоговый отчёт.
В итоговом отчёте стоит строка «Продажа из Директа». До неё человек мог видеть медийную рекламу, заходить с другого устройства, оставить форму, а оплатить уже после разговора с менеджером.
Переключайте пять слоёв и смотрите, какие решения система должна принять ещё до того, как вообще появится строка «источник продажи».
Первый слой — наблюдаемость. Веб-аналитика хорошо видит некоторые цифровые переходы и события на сайте, но не обязана знать о билборде, разговоре с другом или подкасте. Отсутствие контакта в отчёте означает только отсутствие наблюдаемого сигнала, а не отсутствие контакта в реальности. В Метрике источник визита определяется по доступной технической информации о переходе; если часть этой информации не передана, классификация источника меняется.
Второй слой — сопоставление визитов одного пользователя. Телефон утром, рабочий ноутбук днём и домашний компьютер вечером могут оказаться одной историей, а могут остаться тремя. Поэтому учёт переходов между устройствами — не косметическая настройка, а попытка сначала понять, какие события вообще принадлежат одной пользовательской истории.
Третий слой — определение конверсии. Для рекламного кабинета результатом может быть форма, для отдела продаж — квалифицированный лид, для бизнеса — оплата. Если система оптимизируется на форму, а деньги появляются только после сделки, даже идеальная атрибуция формы не превращается в атрибуцию выручки. Поэтому глубокие CRM- и офлайн-конверсии важны не меньше самой модели.
Четвёртый слой — окно атрибуции. Система должна решить, насколько далеко назад смотреть. Это не измерение «сколько дней реклама реально живёт в голове». Это техническое правило: какое прошлое ещё допускается к текущему расчёту. В Метрике история для моделей заканчивается после 90-дневного перерыва между визитами; в Директе для отдельных моделей используются свои окна.
Пятый слой — правило распределения заслуги. Только здесь возникает знакомый выбор: первый переход, последний переход, последний значимый или алгоритмическая модель.
Более сложная модель не делает невидимое видимым
Если система не наблюдает разговор с другом или не смогла связать визит с другим устройством, более сложная атрибуция не восстановит эти факты автоматически. Сначала определяется доступная история, и только потом внутри неё распределяется заслуга.
Документация МетрикиМодель меняется — продажа остаётся той же
Для этого блока лучше не придумывать искусственный пример. У Яндекса есть собственная публичная цепочка: сначала пользователь пришёл из поиска, затем кликнул по Директу, позже перешёл из социальной сети, а в последний визит вернулся из ранее открытой вкладки и купил. На этой истории разные модели дают разные ответы — именно потому, что так устроены их правила.
Кому Яндекс запишет последний визит?
Сценарий и ответы повторяют логику официального примера Директа.
Официальный пример Яндекса: 10 дней назад пользователь пришёл из поиска → затем кликнул по Директу → позже перешёл из социальной сети → вчера вернулся к уже открытой вкладке и купил.
Для читателя это удобно мыслить как прямой возврат: человек не пришёл из нового маркетингового канала, а вернулся к уже открытому сайту. Технически Метрика после тайм-аута может классифицировать такой новый визит как «Внутренний переход», а не как категорию «Прямой заход». Для модели последнего значимого перехода здесь важно одно: это незначимый источник, поэтому модель возвращается к предыдущему значимому переходу.
Для бизнеса это прямой возврат. Для Метрики — отдельная техническая классификация
Человек не пришёл из нового канала, а вернулся к уже открытому сайту. В разговоре это можно назвать прямым возвратом. Но технически Метрика после тайм-аута может создать новый визит с источником «Внутренний переход». «Прямой заход» — отдельная категория. В нашей задаче важнее то, что оба варианта относятся к незначимым источникам для модели последнего значимого перехода.
Как Метрика определяет источник трафикаПоследний переход отвечает максимально буквально: каким был источник текущего визита. Последний значимый пропускает незначимый возврат и переносит источник к предыдущему значимому переходу. Первый переход удерживает в качестве источника начало известной истории. Ни одна из этих моделей не говорит, что выбранный контакт единолично «создал» покупку.
Старые версии моделей отключены
С 20 мая 2026 года Яндекс отключил старые модели «Первый переход», «Последний значимый переход», «Последний переход из Директа» и «Последний переход из Директа кросс-девайс». В актуальных отчётах используются первый переход кросс-девайс, последний переход, последний значимый переход кросс-девайс и автоматическая атрибуция.
Актуальный список моделейАвтоматическая атрибуция — не «ещё один вариант последнего клика»
У моделей выше правило можно воспроизвести вручную. Автоматическая атрибуция устроена иначе: Яндекс пишет, что использует машинное обучение и учитывает различные факторы — в том числе время до и после конверсии, устройства, проявление интереса пользователя и обезличенные сигналы домохозяйства. Полная формула и веса признаков публично не раскрыты.
Поэтому учебный вопрос «вот цепочка, угадайте, кому автоматическая модель запишет покупку» методически плох. Если у нас нет всех признаков и внутренней модели, правильный ответ — не угадывать.
Можно ли вычислить автоматическую атрибуцию по одной цепочке?
Органический поиск → Директ → социальная сеть → прямой заход → покупка.
Человек пришёл из органического поиска, потом из Директа, затем из социальной сети, а покупку совершил после прямого возврата.
Известна только последовательность контактов. Вопрос: достаточно ли её, чтобы вручную вычислить, какой источник выберет автоматическая модель?
Есть и практическое следствие. В Директе выбранная модель используется в статистике, на которую опираются конверсионные стратегии; при смене модели меняются данные, на которых система строит прогноз. То есть атрибуция влияет не только на то, как человек читает прошлое, но и на сигналы, которые получает рекламный алгоритм.
Показы, наружка, рекомендации и менеджер ломают простую картину окончательно
Если человек увидел баннер или видео, не кликнул, а потом сам нашёл бренд и купил, обычная история переходов покажет поиск. Рекламная система при этом может знать о предыдущем показе. Поэтому для медийной рекламы существуют модели атрибуции по показу. В Директе первый или последний показ медийного объявления может учитываться в пределах окна 1, 3, 7, 14, 21 или 30 дней; для статистики после клика окно фиксировано на 30 днях.
Окно меняет отчёт, а не прошлое
Показ был в день 0, а покупка — только в день 30. Выберите реальное окно медийной атрибуции Яндекса.
День 0: человеку показали медийную рекламу. День 4: он нашёл бренд через поиск. День 8: изучил сайт и ушёл сравнивать. День 22: вернулся на сайт посмотреть ещё раз. День 30: снова пришёл через поиск и купил.
Меняем только окно атрибуции по показу. На шкале специально отмечены 14, 21 и 30 дней, чтобы было видно, где заканчивается каждое длинное окно.
При окне 14 дней рекламный показ уже не может быть связан с покупкой на 30-й день; при 21 дне — тоже. Только окно 30 дней включает финальную покупку. При этом события на 22-й и 30-й день никуда не исчезают: они просто оказываются за границей более короткого окна. Это не делает 30-дневное окно «правильнее» — оно лишь допускает к расчёту более длинную историю.
Наружная реклама показывает другую границу. На билборде можно поставить QR-код или промокод, но человек может ничего не сканировать: просто видеть конструкцию неделю, запомнить название и потом прийти через поиск. Веб-аналитика увидит поиск. Это не доказывает ни то, что наружка сработала, ни то, что она не сработала. Индивидуального цифрового следа просто недостаточно.
Человеческая рекомендация устроена так же. Разговор «я у них покупал, попробуй» обычно не создаёт UTM-метку или реферер. Опрос клиента способен вернуть эту информацию в картину, но ответ «по рекомендации» показывает то, что человек сам вспомнил и назвал. Это не полный журнал всех точек контакта. Поэтому вопросы «Откуда впервые узнали?» и «Что больше всего повлияло на решение?» лучше вообще не смешивать.
После заявки появляется CRM. Она лучше всего видит статус лида, работу менеджера, договор, оплату и выручку, но знает историю до заявки только в той мере, в которой она туда передана. Менеджер тоже может быть прав, говоря «без меня сделки бы не было»: продажи действительно способны изменить вероятность оплаты. Но это не отменяет того, что маркетинг мог создать или захватить спрос раньше.
Заслуга по модели — не вклад. Вклад — не причинный эффект
Три понятия постоянно смешивают. Заслуга по модели атрибуции — куда мы записали результат по выбранному правилу. Вклад — реальная роль контакта в принятии решения; она может быть распределена между несколькими воздействиями и напрямую не наблюдаться. Причинный эффект — насколько результат изменился именно благодаря воздействию по сравнению со сценарием без него.
Представим: медийная реклама → органический поиск → брендовый Директ → покупка. Последний клик способен отдать всю заслугу брендовой рекламе. Но купил бы человек без неё? Возможно, да: он уже знал бренд и кликнул бы по органическому результату. Или нет: ранняя медийная реклама могла создать сам будущий спрос. История переходов не создаёт альтернативный мир, в котором одного воздействия не было.
Какой метод ответит на вопрос «что было бы без рекламы»?
Это уже не вопрос распределения заслуги между известными контактами.
Путь: медийная реклама → органический поиск → брендовый Директ → покупка.
Атрибуция умеет распределить заслугу между наблюдаемыми контактами. Но бизнес задаёт другой вопрос: купил бы этот человек, если бы медийной рекламы вообще не было?
Google в исследованиях дополнительного эффекта прямо разделяет обычные атрибутированные конверсии и дополнительные конверсии, которые оцениваются сравнением группы с рекламным воздействием и контрольной группы. Поэтому тысяча атрибутированных покупок не равна автоматически тысяче покупок, которых не было бы без рекламы. Для части задач нужен эксперимент; для более крупных систем используют и моделирование маркетингового микса на агрегированных данных. Это уже другой класс методов.
Директ, Метрика, Google Analytics 4 и CRM могут считать разное и не быть сломанными
Системы различаются тем, какие события видят, как сопоставляют пользователей, какие окна применяют, что называют конверсией и по какому правилу распределяют заслугу. Даже одинаково звучащая идея «последний клик» может иметь разную механику.
Например, Google Analytics 4 в модели последнего клика по платным и органическим каналам игнорирует прямой трафик, если до него был другой подходящий канал. В Яндекс Метрике модель «Последний переход» для каждого визита определяет текущий источник без переноса предыдущей истории. Поэтому цепочка с прямым возвратом в конце способна давать разные ответы — и это не обязательно ошибка.
Одна цепочка, разные правила
Органический поиск → Директ → социальная сеть → прямой заход → покупка.
Один и тот же путь: органический поиск → Директ → социальная сеть → прямой заход → покупка.
Теперь сравниваем не «кто прав», а какие правила применяют разные отчёты к одной последовательности.
К этому добавляются разные даты и уровни данных. CRM может считать сделку по дате создания или оплаты, рекламная система — по своим правилам атрибуции, веб-аналитика — по событию на сайте. В Google Analytics 4 отдельно существуют источник первого пользователя, источник сессии и атрибуция ключевого события. Свести их «один в один» нельзя просто потому, что везде есть колонка «Источник».
| Что видим | Что это означает | Чего нельзя заключать автоматически |
|---|---|---|
| Конверсия в рекламном кабинете | Платформа связала событие со своим рекламным контактом по своей модели. | Что реклама была полной причиной покупки. |
| Источник визита | Веб-аналитика классифицировала конкретный визит или событие. | Что это первый или единственный контакт с брендом. |
| Источник лида в CRM | Такой источник сохранился в карточке лида. | Что CRM видит всю историю до заявки. |
| «По рекомендации» в анкете | Клиент именно так вспоминает или описывает источник. | Что других рекламных контактов не было. |
| «Продал менеджер» | Работа продаж могла существенно повлиять на переход от лида к оплате. | Что маркетинг не участвовал раньше. |
Бизнесу нужна не одна «правильная модель», а правила измерения
Из всей этой сложности не следует вывод «никому нельзя верить». Нужно перестать требовать от одной цифры ответов на все вопросы. Веб-аналитика нужна для пути на сайте. Рекламная платформа — для оперативной оптимизации и собственных сигналов. CRM и финансовая система — для качества лидов, сделок, выручки и маржи. Опрос клиента возвращает в анализ рекомендации и офлайн-контакты. Экспериментальные методы нужны, когда вопрос звучит «что произойдёт, если убрать воздействие?».
Одно поле «Источник»
Последняя UTM-метка перезаписывает историю, рекламный кабинет становится источником истины по деньгам, а потом отделы спорят, почему цифры не сходятся.
Несколько разных полей
Первый известный источник, источник создания лида, ответ клиента, рекламная атрибуция, менеджер, статус сделки, оплата и выручка существуют отдельно.
Это и есть минимальные правила измерения компании: что считается основной конверсией, где лежит основной источник данных по деньгам, какие события возвращаются рекламным алгоритмам, какую модель используют в регулярных отчётах, как сохраняют первый источник и источник создания лида, что делают с прямыми заходами и как не удваивают одни и те же сделки между платформами.
Сначала решение. Потом метод.
Выберите, что бизнес реально собирается сделать. Один и тот же отчёт не подходит для всех решений.
На планёрке есть несколько разных решений: перераспределить бюджет завтра, понять качество лидов, полностью выключить канал, оценить наружку или посчитать окупаемость.
Выберите решение. Интерактив показывает, какой слой данных нужен первым и почему одной модели атрибуции для части задач недостаточно.
Если прямо сейчас цифр пять, не выбирайте любимую. Сначала проверьте, сравниваются ли одинаковые события: форма, лид, квалифицированный лид, договор или оплата. Потом — период, дата события и часовой пояс. Затем — модель и окно атрибуции, способ сопоставления пользователя, сохранность идентификаторов, связь сайта с CRM и дедупликация. Очень часто «аналитика врёт» заканчивается на том, что одна система считала заявки, вторая оплаты, а третья собственные атрибутированные конверсии.
Для бюджета важнее не «кто выиграл атрибуцию», а какая экономика, качество и дополнительный эффект стоят за каналом.
Канал с прекрасной стоимостью по последнему клику может просто перехватывать уже сформированный спрос. Канал с плохой стоимостью по последнему клику может участвовать в создании спроса, который позже забирает поиск. Ни одна из этих гипотез не становится фактом из-за красивого отчёта. Но теперь хотя бы понятно, какой следующий вопрос задавать.
Если после этого хочется выбрать один источник — пройдите ещё пять кейсов
Здесь нет вопросов «что такое последний клик». Нужно понять, какой ответ действительно следует из условий и где данных уже недостаточно.
Сто процентов заслуги в отчёте — это сто процентов заслуги внутри выбранной модели, а не сертификат на сто процентов причинного вклада.
Частые вопросы об атрибуции
То, что обычно всплывает уже после первого отчёта, где Директ, Метрика, CRM и клиент показывают разные версии одной продажи.
Почему разные системы показывают разные источники одной продажи?
Потому что они могут видеть разные части пути, считать разные события, применять разные окна и по-разному распределять заслугу. Сначала нужно проверить, действительно ли сравниваются одинаковые сущности, и только потом искать техническую ошибку.
Какая модель атрибуции самая правильная?
Универсально правильной модели нет. Первый переход отвечает на вопрос о начале известной истории, последний — о текущем визите, последний значимый исключает часть технических возвратов, а автоматическая модель использует собственный алгоритм. Выбор должен зависеть от управленческого вопроса.
Если Директ записал себе продажу, значит ли это, что без рекламы её бы не было?
Нет. Это означает, что продажа соответствует правилам атрибуции Директа. Вопрос «случилась бы покупка без рекламы?» относится уже к причинному эффекту и требует другого дизайна измерения.
Можно ли считать CRM главным источником истины?
По фактическим лидам, сделкам, оплатам и выручке CRM обычно ближе к бизнес-результату, чем рекламный кабинет. Но поле «Источник» в CRM не обязано знать весь путь до заявки, поэтому CRM не заменяет веб-аналитику и исследования источников знакомства.
Как измерять наружную рекламу, рекомендации и другие контакты без клика?
Обычно комбинацией методов: опросами клиентов, географическими или другими экспериментами, динамикой брендового спроса, специальными кодами и ссылками, а для крупных систем — агрегированным моделированием. Один QR-код не измеряет весь эффект наружки.
Что делать, если в компании сейчас пять разных цифр по одной продаже?
Не выбирать одну на глаз. Сначала сверить определение конверсии, период, дату события, модель и окно атрибуции, связь сайта с CRM и дедупликацию. После этого зафиксировать, какая система используется для какого решения.