Модели атрибуции: как выбрать и почему это важно

Почему выбор модели атрибуции влияет на весь маркетинг

Атрибуция в веб-аналитике решает простой, но критичный вопрос: какой канал забрал себе очки за конверсию. От этого зависит, куда пойдут деньги на следующий месяц. Если считать по последнему клику, контекстная реклама выглядит героем, а органика, email или соцсети остаются в тени. Бюджет перетекает в платный трафик, хотя на деле пользователь мог прийти из поиска, вернуться по рекламе и купить. Результат предсказуем: стабильные каналы недополучают финансирование, а их вклад в выручку продолжает расти на бумаге у конкурентов. Поэтому вопрос выбора модели напрямую связан с тем, как вы распределяете бюджет и что считаете эффективным. Если вы ещё не задумывались о корректном учёте касаний, самое время посмотреть на продвижение бизнеса в поисковых системах с точки зрения аналитики, а не только ставок и позиций.

Неправильная атрибуция бьёт не только по кошельку, но и по стратегии. Классический пример: пользователь увидел баннер, потом прочитал статью в блоге, затем открыл email и только после этого кликнул на объявление в Яндекс.Директе. Модель последнего клика припишет продажу контексту. Директ получит похвалу и бюджет, а email-рассылка, которая фактически вернула клиента на сайт, останется без финансирования. Через пару месяцев вы сократите рассылку, посчитав её бесполезной, и потеряете важное касание. Органика в такой схеме тоже страдает: её конверсии часто «съедает» ретаргетинг, хотя именно поисковый трафик сформировал первичный спрос.

На практике это приводит к перекосам в медиамиксе. Вы рубите бюджеты на SEO, потому что по отчётам оно даёт мало продаж, а через полгода замечаете, что стоимость лида в платных каналах выросла вдвое. Причина банальна: органика грела аудиторию, а контекст просто добивал тёплый спрос. Обратная ситуация тоже встречается: модель по первому клику переоценивает охватные форматы, и вы тоннами льёте деньги в баннеры, которые на самом деле лишь знакомят с брендом. Выбор модели атрибуции это не бухгалтерская тонкость, а управленческое решение, которое определяет, какие каналы будут развиваться, а какие медленно умирать.

Основные модели атрибуции: от простых к сложным

Последний и первый клик: когда они ещё работают

Модель «последний клик» остаётся самой распространённой, хотя её логика предельно проста: вся ценность конверсии приписывается последнему касанию перед покупкой. В реальности это значит, что все предыдущие точки контакта, включая органику, ретаргетинг и соцсети, остаются без учёта. Эта модель всё ещё уместна для кампаний с коротким циклом сделки и одним каналом привлечения, где путь клиента укладывается в одно-два касания. В остальных случаях она систематически занижает вклад верхних этапов воронки, что в 2026 году критично, поскольку пользователи редко принимают решение мгновенно. «Первый клик» работает зеркально: он отдаёт всю ценность точке входа, что полезно для оценки эффективности охватных кампаний, но полностью игнорирует работу по доведению лида до сделки.

Обе простые модели опасны тем, что создают иллюзию прозрачной аналитики: цифры сходятся, но решения на их основе часто ведут к перераспределению бюджета в пользу одного канала. Мы обычно не рекомендуем использовать их как основу для стратегического планирования, особенно когда в воронке участвуют и контекст, и SEO, и email-маркетинг. Показатель CTR напрямую связан с эффективностью моделей атрибуции, так как клики по рекламным объявлениям являются одним из ключевых событий для атрибуции, и без понимания, какой именно клик привёл к конверсии, сложно оценить реальную отдачу. Для быстрой проверки гипотез или отчётности перед руководством «последний клик» ещё сгодится, но для оптимизации ставок лучше смотреть в сторону многошаговых моделей.

Линейная модель распределяет ценность равномерно между всеми касаниями, что справедливо для длинных циклов сделки, где каждый шаг важен. Модель с убыванием назначает больший вес касаниям, близким к конверсии, и это разумный компромисс для воронок, где последний этап решает больше, но и ранние касания не стоит выбрасывать. Атрибуция по позиции комбинирует эти подходы: по 40% ценности отдаёт первому и последнему касанию, а оставшиеся 20% делит между промежуточными. На практике выбор между этими моделями часто упирается в специфику бизнеса: если у вас сложный продукт с длительным принятием решения, линейная даст более честную картину, а для быстрых транзакций сработает убывание.

Линейная модель хорошо подходит для длинных циклов сделки, где каждый шаг важен, но требует аккуратной настройки целей, иначе равномерное распределение исказит картину. Модель по позиции, которая отдаёт по 40% первому и последнему касанию, а остаток делит между промежуточными, показывает себя в e-commerce с коротким циклом покупки. С убыванием стоит выбирать, когда конверсия сильно зависит от последнего касания, например в подписках. Data-driven атрибуция пересчитывает веса автоматически под ваши данные, но для её работы нужен трафик от 1000+ конверсий в месяц.

• Последний клик проще всего внедрить и объяснить заказчику, но он искажает ценность SEO и соцсетей.
• Первый клик подходит для оценки охватных кампаний и брендовой рекламы на старте воронки.
• Линейная модель требует аккуратной настройки целей, иначе равномерное распределение исказит картину.
• Data-driven пересчитывает веса автоматически под ваши данные, но нужен трафик от 1000+ конверсий в месяц.

Data-driven атрибуция в Google Analytics 4 и Яндекс.Метрике работает на основе машинного обучения: алгоритм анализирует исторические данные и определяет реальный вклад каждого касания в конверсию. Это самая точная модель, но она требует достаточного объёма данных, иначе результаты будут статистически недостоверными. Мы обычно рекомендуем подключать её, когда в месяц набирается хотя бы несколько сотен конверсий, а в идеале больше тысячи. В остальных случаях разумнее остановиться на эвристических моделях и периодически пересматривать их настройки по мере накопления статистики.

Как выбрать модель атрибуции под свой бизнес

Алгоритм выбора за 4 шага

Начинаем с длины цикла сделки. Если клиент покупает за день или неделю, а конверсия случается с одного-двух касаний, сложные схемы будут лишь создавать шум. Для e-commerce с коротким циклом и большим объёмом заказов последний клик часто оказывается достаточным, хотя и с оговорками: он обесценивает ретаргетинг и контентный маркетинг. В B2B с циклом от месяца и более без многошаговой модели не обойтись, иначе вы будете резать бюджет на верх воронки, не понимая, что именно он приносит.

Дальше оцениваем количество касаний и состав каналов. Откройте Яндекс.Вебмастер и Google Analytics, посмотрите отчёты по многоканальным последовательностям. Если в воронке участвуют три-четыре источника (поиск, контекст, email, соцсети), вам хватит ручной модели. Но когда касаний больше пяти и они переплетаются, линейная или модель с убыванием даст хотя бы равномерное распределение ценности. Тут же проверяем, хватает ли данных для data-driven: нужно хотя бы несколько тысяч конверсий в месяц на канал, иначе алгоритм выдаст случайные веса, а не закономерность.

Компромиссный вариант для большинства проектов это модель по позиции (40/40/20) или убывание, они не требуют мощной статистики и при этом не игнорируют первые касания. Помните, что модели атрибуции помогают понять, какие каналы приводят к конверсиям, а практические рекомендации по росту этого показателя мы собирали в отдельном материале о том, как увеличить конверсию. Выбор модели это не разовая задача: пересматривайте её раз в квартал, при запуске нового канала или изменении среднего чека.

Настройка атрибуции в Google Analytics 4 и Яндекс.Метрике

Пошаговая настройка в GA4 и Метрике

В GA4 смена модели занимает меньше минуты: заходите в «Администратор», находите блок «Атрибуция» и выбираете нужную модель, там же настраивается окно атрибуции (по умолчанию 30 дней, можно сократить до 7 или растянуть до 90). Важно понимать: изменение модели в настройках применяется только к новым данным, исторические отчёты не пересчитываются, поэтому для теста лучше заранее определиться с периодом. В Яндекс.Метрике всё чуть менее очевидно: модель атрибуции выбирается не в общих настройках, а внутри конкретного отчёта, в правом верхнем углу, либо через «Настройки» → «Атрибуция», где доступны последний переход, первый переход и несколько комбинированных вариантов. Мы обычно советуем клиентам начинать с последнего непрямого перехода, если в воронке мало касаний, и переходить на линейную или позиционную, когда накоплено достаточно статистики.

В GA4 есть удобная функция сравнения: в отчётах «Маркетинг» → «Привлечение трафика» можно включить «Сравнение моделей атрибуции» и посмотреть, как меняется ценность каждого канала при разных подходах. Это работает и для платных кампаний, и для органик-трафика, данные подгружаются за выбранный период в пару кликов. На практике мы часто видим, что разница между моделями достигает 30–40% по отдельным каналам, особенно если у пользователя длинный цикл решения. Если видите, что контекстная реклама «забирает» все конверсии у органик-трафика, это повод проверить, не стоит ли слишком простая модель. Для проверки гипотез можно запустить что такое A/B тестирование, чтобы сравнить, как разные модели меняют распределение бюджета между кампаниями.

Что касается рекомендаций по выбору, мы обычно ориентируемся на длину цикла и количество касаний, вот базовые ориентиры:

• Для быстрых транзакций (до 3 дней) чаще всего достаточно последнего непрямого перехода.
• Если конверсия происходит после 5+ касаний, линейная модель покажет реальную картину без искажений.
• При работе с брендовыми запросами полезно сравнить с моделью «первый переход».
• Для B2B с длинным циклом продаж стоит присмотреться к позиционной (40/20/40).
• В GA4 и Метрике всегда можно включить «data-driven» атрибуцию, если накоплено достаточно конверсий.

Не забывайте, что модель атрибуции в Метрике и GA4 настраивается независимо, поэтому при сравнении данных между системами убедитесь, что используете одинаковые правила. В идеале стоит зафиксировать одну модель в обеих системах и не менять её как минимум пару месяцев, иначе отчёты будут показывать несопоставимые цифры. Только после сбора достаточной статистики можно экспериментировать и сравнивать альтернативы.

Чек-лист: внедряем атрибуцию без ошибок

5 шагов к корректной атрибуции

Начинайте с аудита трекинга. Проверьте, что все значимые цели в Яндекс.Метрике и Google Analytics 4 стреляют корректно: формы, звонки, заявки, клики по мессенджерам. Мы обычно прогоняем Screaming Frog по посадочным и сверяем события с интерфейсом аналитики, иначе любые выводы о модели будут строиться на кривых данных. Параллельно настройте сквозную аналитику, если есть CRM и офлайн-менеджеры по продажам. Это замкнёт данные о лидах на фактическую выручку, а не на количество заявок, что критично для B2B с длинным циклом сделки.

Выбирайте модель не по принципу «модно», а на основе воронки и поведения пользователей. Если цикл короткий и конверсия быстрая, достаточно атрибуции по последнему клику, если длинный и с касаниями в разных каналах, смотрите в сторону data-driven или линейной. Обязательно протестируйте выбранный вариант на исторических данных за 3–6 месяцев в Яндексе или GA4, сравнив распределение ценности между каналами. После этого обучите команду читать отчёты именно в разрезе выбранной модели, иначе менеджеры продолжат смотреть привычные цифры по последнему переходу и обесценят всю работу.

Из частых ошибок у клиентов мы видим игнорирование офлайн-конверсий, когда продажи в шоуруме не попадают в аналитику, и забывают про кросс-девайсные сценарии, где пользователь кликает с телефона, а покупает с ноутбука. Отдельная боль это смена модели без предупреждения команды и без фиксации изменений, тогда отчёты за разные периоды становятся несопоставимыми. Внедрение атрибуции это не разовая настройка, а постоянный процесс, и именно такие задачи мы в Cinar решаем регулярно, помогая клиентам выстроить прозрачную систему учёта маркетинга.

Часто задаваемые вопросы

Константин Крючков

Senior SEO-специалист

Подписаться на ТГ