Модели атрибуции простыми словами: почему last-click ворует бюджет

Клиент увидел ваш пост в понедельник, вернулся с рассылки в среду, погуглил бренд в пятницу и купил в субботу, кликнув по ретаргетингу. Четыре касания, одна продажа. Кому её засчитать? Ответ на этот вопрос даёт модель атрибуции — и от того, какую модель вы выбрали, зависит, какой канал в отчёте выглядит героем, а какой — балластом. Проблема в том, что самая распространённая модель, last-click, отдаёт все заслуги последнему касанию и обнуляет всё, что создало спрос. А по этому отчёту вы потом режете бюджет.

Почти все решения о бюджете принимаются по атрибуции — потому что она бесплатно лежит в каждом кабинете и в системе аналитики. Но атрибуция — это не факт, а соглашение о том, как разделить заслугу за продажу между касаниями. Меняете соглашение — меняются цифры, хотя в реальном мире не изменилось ничего. Понимать, какое правило вы используете и кого оно обделяет, — и есть разница между управляемым бюджетом и бюджетом, который перетекает туда, где отчётность красивее.

Что такое атрибуция и зачем она нужна

Путь клиента почти никогда не состоит из одного касания. Человек несколько раз сталкивается с брендом, прежде чем купить: увидел рекламу, зашёл на сайт, ушёл, вернулся из поиска, дочитал письмо, кликнул по ретаргетингу. Атрибуция — это способ ответить, какому из этих касаний вы обязаны продажей, и решать, куда направить следующий рубль. И здесь ловушка: приписать заявки каналам можно по-разному, и от правила зависит, кто окажется «эффективным». Атрибуция не измеряет реальность — она делит её по выбранному вами правилу.

Атрибуция — это не измерение того, что случилось. Это соглашение о том, кого за это благодарить. Поменяли соглашение — поменяли героев отчёта, не тронув ни одной продажи.

Семь моделей и кого каждая обделяет

Все модели делят один и тот же пирог — одну продажу между её касаниями. Отличаются они только правилом дележа. Разберём семь основных: у каждой свой вопрос, на который она отвечает честно, и свой систематический перекос — категория каналов, которую она регулярно недооценивает.

Последний клик (last-click)

Вся заслуга уходит последнему касанию перед покупкой. Отвечает на вопрос «что сработало в момент решения». Обделяет всё, что стоит в начале и середине пути и сформировало спрос, но не оказалось последним. Самая распространённая модель по умолчанию и самая опасная, если по ней распределять бюджет.

Последний непрямой переход (last non-direct click)

То же, что last-click, но прямые заходы (человек сам набрал адрес сайта) игнорируются, и заслуга отдаётся последнему рекламному или поисковому касанию до него. Отвечает на вопрос «какой платный источник был ближе к покупке». Обделяет тот же верх воронки, но хотя бы не приписывает продажу «прямому заходу», который на деле лишь финал чужой работы.

Первый клик (first-click)

Зеркало last-click: вся заслуга у самого первого касания, с которого начался путь. Отвечает на вопрос «что привело человека впервые». Обделяет всё, что дожимало и возвращало клиента, — ретаргетинг, рассылки, бренд-поиск. Полезна, чтобы увидеть каналы привлечения, но так же однобока, как last-click, только с другого конца.

Линейная

Заслуга делится поровну между всеми касаниями. Отвечает на вопрос «кто вообще участвовал». Никого не обделяет намеренно, но и не различает: касание, которое реально переубедило клиента, получает столько же, сколько случайный показ по пути. Уравнивает важное и проходное.

С учётом давности (time-decay)

Чем ближе касание к покупке, тем больше его доля; ранние касания получают меньше. Отвечает на вопрос «что подтолкнуло ближе к сделке». Мягкая версия last-click: верх воронки она урезает лишь частично, полностью его не обнуляя, — но перекос к финалу всё равно остаётся. Уместна для коротких циклов, где решение созревает быстро.

Позиционная (U-образная, 40/20/40)

Большие доли отдаются первому и последнему касанию (по 40%), остаток делится между промежуточными. Отвечает на вопрос «кто привёл и кто закрыл». Обделяет середину воронки — контент и прогрев, которые переводят человека к готовности купить, но редко бывают первым или последним касанием.

Data-driven (на основе данных)

Алгоритм смотрит на массу путей — с покупкой и без — и оценивает, насколько каждое касание сдвигает вероятность конверсии. Доли распределяются по этому вкладу, а не по фиксированному правилу. Отвечает на вопрос «какое касание реально повышало шанс покупки». Самая честная из атрибуционных моделей, но у неё два условия: нужен большой объём данных, иначе алгоритму не на чем учиться, и она остаётся чёрным ящиком — вы редко можете проверить, почему канал получил такую долю. И, главное, она всё равно делит уже случившиеся продажи, а не отвечает, случились бы они без рекламы.

Почему last-click ворует бюджет

Теперь главное. Last-click искажает в одну и ту же сторону всегда, и это делает его опасным. Он отдаёт всю заслугу последнему касанию, а им почти всегда оказываются каналы низа воронки: ретаргетинг, показанный тому, кто уже был на сайте, и брендовый поиск, куда приходят те, кто уже знает ваше имя. Эти каналы стоят ровно там, где люди и так конвертируются, — поэтому у них всегда красивая отчётная окупаемость.

А каналы, которые создали спрос, — реклама знакомства, контент, охватная кампания, — почти никогда не бывают последним касанием. Клиент не покупает сразу после первого знакомства; он уходит, думает, возвращается через другой канал. По last-click вся эта работа получает ноль. В отчёте верх воронки выглядит убыточным балластом, хотя без него последнему касанию нечего было бы закрывать.

Дальше запускается тихий, растянутый во времени механизм саморазрушения — именно так спрос и пересыхает у компаний, которые «всё считали по данным».

1. 01
   Отчёт показывает, что верх воронки не окупается

   Каналы знакомства редко бывают последним касанием, поэтому по last-click их окупаемость выглядит низкой, а ретаргетинг и бренд-поиск сияют. Вывод напрашивается: перелить бюджет из «убыточного» верха в «прибыльный» низ.

2. 02
   Бюджет перетекает вниз воронки

   Вы урезаете охватные кампании и наращиваете низ. Первые недели цифры даже улучшаются: средняя окупаемость по кабинету растёт, ведь вы кормите каналы, которые собирают уже готовых.

3. 03
   Приток новых людей в воронку сокращается

   Ретаргетингу нужно кого-то догонять, брендовому поиску — чтобы кто-то искал бренд. И тех и других поставлял срезанный вами верх воронки. Новых людей заходит всё меньше, но продажи держатся на инерции — на прогретых раньше.

4. 04
   Через несколько месяцев спрос пересыхает

   Запас прогретой аудитории кончается: ретаргетингу некого догонять, брендовых запросов всё меньше. Продажи падают — но с задержкой, поэтому связь с тем решением о бюджете уже не очевидна.

5. 05
   Компания винит не ту причину

   Собственник заключает: «выгорели каналы низа воронки». На деле выгорел не низ — иссяк верх, который его питал. И лечат симптом: ещё сильнее давят на ретаргетинг, ускоряя пересыхание.

В этом и состоит воровство: last-click не показывает ложную окупаемость одного дня — он искривляет направление развития компании. Квартал за кварталом вы вырезаете то, что создаёт будущий спрос, и кормите то, что этот спрос лишь собирает. Дело тут не в разовой ошибке расчёта. Это медленно затягивающаяся петля, и с каждым кварталом её всё труднее заметить.

Чего не может ни одна модель атрибуции

Здесь нужно быть честным до конца, иначе разбор превратится в поиск «правильной» модели. Правильной нет. И дело не в том, что её пока не изобрели: все модели отвечают не на тот вопрос. Любая атрибуция, от last-click до data-driven, делит уже случившиеся продажи между участниками пути — отвечает на вопрос «кому засчитать».

Но судьбу бюджета решает другой вопрос: случилась бы эта продажа, если бы канала не было вообще. Кликнувший по ретаргетингу перед покупкой — купил бы он и без него, просто вернувшись сам? Если да, канал не создал продажу, а подобрал готовую, и платить за неё как за созданную — переплата. Ни одна модель этого не различает: и созданную, и подобранную продажу она одинаково запишет тому касанию, что оказалось рядом.

Поэтому выбор модели — это выбор наименее вредной линзы, а не переход от лжи к правде. Проверять, действительно ли канал добавляет продажи, которых без него не было бы, нужно экспериментом; как устроены холдаут, гео-эксперименты и честное отключение канала — разобрано в статье про инкрементальность. Здесь достаточно запомнить границу: атрибуция делит заслуги, эксперимент измеряет вклад.

Как выбрать модель и окно под свой цикл сделки

Раз идеальной модели нет, выбор практический: какая линза меньше искажает именно ваш путь клиента. Главный параметр — длина цикла сделки, время от первого касания до покупки. Чем он длиннее и чем больше в нём касаний, тем вреднее модели, которые сваливают всё на один край.

• Короткий цикл, одно-два касания (импульсная покупка, транзакционный спрос). Искажать особо нечего — last-click или time-decay здесь терпимы. И не оттого что они верны: просто верха воронки, который они обделяют, почти нет.
• Средний цикл, несколько касаний (обдуманная покупка, сравнение вариантов). Нужна модель, которая видит и привлечение, и закрытие: позиционная или time-decay. Last-click здесь уже вырезает прогрев, который влияет на решение.
• Длинный цикл, много касаний и недель (сложные и дорогие продукты, B2B). Односторонние модели вредны в принципе. Годятся линейная, позиционная или data-driven, если хватает данных. И здесь особенно важно не путать атрибуцию с инкрементальностью: чем длиннее путь, тем больше касаний приписывают себе чужой результат.

Второй параметр, о котором забывают чаще всего, — окно атрибуции: срок, в течение которого касание ещё считается причастным к продаже. Если окно семь дней, а касание было восемь дней назад, система его не увидит и отдаст заслугу более позднему. При длинном цикле короткое окно отрезает начало пути и приписывает продажи финалу — то есть работает как ускоренный last-click, даже если модель вы выбрали другую.

И третье, техническое, но решающее: любая модель работает только на чистых данных. Если разметка кампаний (utm-метки) сделана криво, часть касаний не привязывается к каналам и валится в «прямые заходы» или «не определено». Тогда спор, какая модель точнее, теряет смысл — вы уточняете дележ данных, половина которых потеряна на входе. Сначала разметка и сквозной учёт, потом выбор модели.

Почему нельзя сравнивать данные из разных моделей

Последняя и самая частая ошибка. Компания смотрит окупаемость канала в рекламном кабинете (своя модель, своё окно), сравнивает с числом из системы аналитики (другая модель) и делает выводы из расхождения. Так нельзя. Это две разные линейки: сравнивать их показания всё равно что мерить рост одного в сантиметрах, другого в дюймах и решать, кто выше, по голым числам.

Каждая модель — отдельная система координат. Число «окупаемость 320%» не имеет смысла само по себе: оно осмысленно только внутри своей модели и своего окна. Перенесли в другую модель — оно стало другим, хотя в реальном мире ничего не произошло. Отсюда простые, но жёсткие правила гигиены.

• Одно решение — одна модель. Сравнивая каналы между собой, держите их в одной модели и одном окне. Иначе вместо каналов вы сравниваете два разных правила дележа.
• Не смешивайте источники. Число из рекламного кабинета и число из веб-аналитики почти всегда посчитаны по-разному. Совпадать они не обязаны, и «подгонять» их друг под друга бессмысленно.
• Смена модели — это смена линейки, а не рост. Если после переключения модели канал «вырос» в отчёте, он не стал работать лучше. Изменилось правило, по которому ему начисляют заслугу.
• Сравнивайте динамику внутри модели, а не абсолют между моделями. Ценно то, как канал меняется во времени в одной системе координат. Абсолютное число из чужой модели — не ориентир.

Практический вывод простой: выберите одну модель под свой цикл сделки, настройте окно, наведите порядок в разметке — и принимайте все решения о каналах внутри этой одной системы. А поверх неё, для дорогих решений, ставьте эксперимент на инкрементальность. Атрибуция даст грубую, но единую картину; эксперимент проверит, не обманывает ли она на самых важных каналах.

Атрибуция полезна, но коварна: она создаёт ощущение точности там, где всего лишь делит заслуги по выбранному правилу. Last-click отбирает эту заслугу у верха воронки и отдаёт низу, а компания, поверив отчёту, довершает дело своими руками — режет то, что создаёт спрос. Что с этим делать, вы теперь знаете: одна модель под свой цикл, настроенное окно, порядок в данных. И держите в голове простую вещь — на вопрос «кому засчитать продажу» атрибуция ответит, а вот случилась бы эта продажа без вас, покажет только эксперимент.