21 апреля 2026 г.

Атрибуция простыми словами

Карьерник — квиз-тренажёр в Telegram с 1500+ вопросами для собесов аналитика. SQL, Python, A/B, метрики. Бесплатно.

Короткое объяснение

Атрибуция — это способ определить, какому маркетинговому каналу «засчитать» конверсию пользователя.

Например: пользователь увидел баннер в Яндексе, потом нашёл вас через Google, потом получил промо-письмо и купил. Кому засчитать покупку — Яндексу, Google, email? Это решает модель атрибуции.

Зачем нужна атрибуция

  • Чтобы решить, какому каналу сколько бюджета выделить
  • Чтобы понять, какой канал работает лучше
  • Чтобы посчитать ROAS по каналам
  • Чтобы сравнить эффективность кампаний

Типичный путь пользователя

Реальные пути не прямолинейны:

День 1: увидел баннер (Yandex Display)
День 3: кликнул рекламу в поиске (Yandex Search)
День 5: вернулся через закладку (Direct)
День 7: получил email-рассылку (Email)
День 7: купил

Кто «принёс» покупку? Вот тут и нужна модель.

Основные модели атрибуции

1. Last-click (последний клик)

Конверсию засчитывают последнему каналу перед покупкой.

В примере → Email получает 100% кредита.

Плюсы:

  • Просто считать
  • Default в большинстве систем
  • Ясный ответ

Минусы:

  • Недооценивает роль awareness-каналов
  • Переоценивает retargeting и email
  • Убивает бренд-активность (её заслуги не видны)

2. First-click (первый клик)

Конверсия засчитывается первому каналу.

В примере → Yandex Display получает 100%.

Плюсы:

  • Ценит awareness
  • Ясный ответ

Минусы:

  • Игнорирует последующие точки
  • Часто переоценивает первую точку (могут быть случайные)

3. Linear attribution

Конверсия делится поровну между всеми касаниями.

В примере 4 канала → каждому по 25%.

Плюсы:

  • Справедливо распределяет
  • Видна вся воронка

Минусы:

  • Не учитывает разную важность касаний
  • Усредняет — не показывает, что реально работает

4. Time-decay

Ближе к конверсии — больше вес. Дальше — меньше.

В примере:

  • Email (день 7): 50%
  • Direct (день 5): 30%
  • Search (день 3): 15%
  • Display (день 1): 5%

Плюсы:

  • Учитывает «свежесть» касания
  • Лучше first-click и linear

Минусы:

  • Параметры затухания задаются руками
  • Всё равно упрощает

5. Position-based (U-shaped)

40% первому касанию, 40% последнему, 20% между.

Плюсы:

  • Ценит awareness и closing
  • Учитывает «начало и конец»

Минусы:

  • Магические числа (почему 40-20-40?)

6. Data-driven attribution

Алгоритм (обычно ML) считает реальный вклад каждого канала на основе данных.

Плюсы:

  • Самая точная (в теории)
  • Адаптируется к реальным паттернам

Минусы:

  • Требует много данных
  • Сложно интерпретировать (black box)
  • Нужны правильные инструменты (Google Analytics 360, custom ML)

Сравнение моделей

Один и тот же пользователь, четыре касания:

Канал Last-click First-click Linear Time-decay
Display 0% 100% 25% 5%
Search 0% 0% 25% 15%
Direct 0% 0% 25% 30%
Email 100% 0% 25% 50%

Выбор модели ОЧЕНЬ сильно влияет на выводы.

Post-view vs post-click атрибуция

  • Post-click — засчитываем, если пользователь кликнул
  • Post-view — засчитываем, если пользователь видел (impression) и потом конвертировался без клика

Post-view обычно используется для display и brand-рекламы. Легче приписать ложный кредит.

Window атрибуции

Окно = сколько дней учитывать до конверсии.

  • 7 дней — стандартно для быстрых продуктов
  • 28 дней — сложные покупки, B2B
  • 90 дней — enterprise, долгий цикл

Apple ATT с 2021 года ограничил post-view до 24 часов на iOS. Это сильно двинуло многие модели.

Incremental attribution

Все вышеописанные модели говорят: «какому каналу засчитать». Но НЕ говорят: «сколько бы мы продали БЕЗ этого канала».

Incremental атрибуция пытается ответить на второе. Методы:

  • Holdout tests: случайно выключаем канал для 10% аудитории
  • Geo-experiments: выключаем в одном регионе
  • MMM (marketing mix modeling): эконометрика на агрегированных данных

Incremental — «золотой стандарт», но сложнее и дороже.

На собесе

Типичный вопрос: «Как выбирать модель атрибуции?»

Хороший ответ:

  • Нет универсальной «правильной» модели
  • Last-click — default, но занижает awareness
  • Сравнить несколько моделей → увидеть, как меняется рейтинг каналов
  • Для стратегии — incremental attribution (holdout / MMM)
  • Attribution ≠ causation

Частые ошибки

Ошибка 1. Использовать только last-click

Запущу performance → last-click покажет отличные результаты. Но без display/awareness новых пользователей не будет.

Ошибка 2. Верить, что attribution = causation

Attribution говорит «какому каналу засчитать». Не говорит «эта покупка произошла ИЗ-ЗА этого канала».

Ошибка 3. Не учитывать cross-device

Пользователь на мобильном увидел, на десктопе купил. Без cross-device tracking — атрибуция неточная.

Ошибка 4. Сравнивать ROAS с разными моделями

Если отдел performance считает last-click, а продакт — linear — всё «оптимизируется» в разных направлениях.

Связанные темы

FAQ

Какая модель самая правильная?

Нет единой правильной. Используйте несколько моделей параллельно.

iOS ATT убил attribution?

Не убил, но усложнил. Post-view 24 часа на iOS, многие пользователи невидимы.

Что такое incrementality?

Доля продаж, которую вы получили БЛАГОДАРЯ каналу (а не которая и так бы случилась).

Как измерить incrementality?

Holdout tests (выключить канал для части аудитории) или MMM.

Тренируйте маркетинг-аналитику — откройте тренажёр с 1500+ вопросами для собесов.

Тренироваться в Telegram