Attribution-модели: почему последний клик почти всегда недооценивает маркетинг

Когда в отчетах побеждает канал, который привел пользователя в самом конце, картина кажется простой и удобной. Но у маркетинга редко бывает один герой. Чаще путь к покупке состоит из нескольких касаний: человек видит рекламу, потом ищет отзывы, возвращается через ретаргетинг, сравнивает цены и только после этого оформляет заказ.

Именно поэтому модель последнего клика так часто вводит в заблуждение. Она показывает финальный шаг, но почти ничего не говорит о том, кто вообще создал спрос, подогрел интерес и удержал человека в воронке. Если смотреть только на концовку, можно легко переоценить одни каналы и недооценить другие.

Почему последний клик так прижился в аналитике

У последнего клика простая логика. Пользователь совершил целевое действие после перехода по конкретному источнику, значит, этот источник и получил заслугу. Для отчета это удобно: не нужно строить сложные цепочки, спорить о весах и собирать длинную историю взаимодействий.

В первые годы цифрового маркетинга именно такая ясность и подкупала. Инструменты аналитики были грубее, данных было меньше, а бизнесу требовалось быстрое решение. Последний клик казался честным по одному очень узкому критерию: без этого перехода конверсия не случилась бы именно сейчас.

Но удобство не равно точность. В реальной жизни путь покупателя редко выглядит как прямой прыжок от рекламы к оплате. Если человек перед финальным визитом уже несколько раз встречал бренд, то считать только последний переход означает смотреть на финиш, игнорируя всю дистанцию.

Как выглядит путь покупателя на самом деле

Допустим, человек собирался купить ноутбук. Сначала он увидел баннер с акцией, потом ввел в поиске несколько моделей, прочитал сравнительный обзор, зашел на сайт магазина через органику, а через три дня вернулся по email-рассылке и оформил заказ. В отчете последнего клика победит email, хотя без рекламы и поисковых касаний этот заказ мог бы вообще не появиться.

Подобные цепочки особенно заметны в дорогих, неимпульсных категориях. Там решение созревает не за минуту. Пользователь сравнивает, сомневается, уходит, возвращается. Один контакт редко переворачивает поведение сам по себе.

Я не раз видел это в проектах, где на первый взгляд “неработающий” медийный канал вдруг оказывался полезным, если смотреть не только на финальный переход. Он редко закрывал продажу напрямую, зато стабильно подбрасывал трафик в верх воронки и возвращал людей в брендовый поиск. В отчете последнего клика этот вклад почти исчезал.

Что именно упускает модель последнего клика

Главная проблема не в том, что последний клик “врет”. Он просто отвечает на слишком короткий вопрос: какой канал стоял последним перед конверсией. Маркетологу же нужно другое. Нужен ответ, кто создал намерение, кто сократил сомнения и кто помог дойти до сделки.

Эта разница особенно важна, когда бюджет распределяют между несколькими инструментами. Если судить только по последнему касанию, поисковая реклама и брендовый трафик будут выглядеть сильнее, чем медийные кампании, соцсети или контент. Но сильнее они могут быть лишь на последнем шаге, а не на всем пути.

Есть еще один слой ошибки. Последний клик обычно вознаграждает каналы с высоким “сбором урожая”, а не с высоким “посевом”. Иными словами, он любит те точки, где спрос уже готов, а не те, которые этот спрос создают.

Три типичных искажения

• переоценка брендового поиска и ретаргетинга;
• недооценка медийных, контентных и социальных касаний;
• ошибочное сокращение бюджета там, где канал работает на раннем этапе воронки.

Выглядит это почти всегда одинаково. Канал, который привел человека в первый раз, выглядит слабым. Канал, который напомнил о бренде перед покупкой, выглядит героем. А канал, который аккуратно подготовил решение, вообще может исчезнуть из обсуждения.

Почему верх воронки страдает сильнее всего

Медийная реклама, видео, инфлюенсеры, контент и PR часто создают не мгновенную продажу, а память о бренде. Человек может не кликнуть сразу, но потом вспомнить название, когда увидит его в поиске или на витрине магазина. Последний клик фиксирует уже финальный переход и почти не умеет учитывать эту предварительную работу.

Из-за этого верх воронки нередко кажется слишком дорогим. Его смотрят отдельно и спрашивают: “Сколько продаж он принес?” Вопрос логичный, но не всегда правильный. Если канал повышает вероятность будущего выбора, его вклад будет заметен только в связке с другими касаниями.

Например, пользователь может сначала увидеть короткое видео о продукте, потом через неделю ввести бренд в поиск, а еще через день перейти по email. В последнем клике победит email. Но именно видео могло стать той первой искрой, без которой весь сценарий не запустился бы.

Атрибуция и инкрементальность: не одно и то же

Здесь часто возникает путаница. Attribution-модель распределяет ценность между касаниями в рамках выбранной логики. Инкрементальность отвечает на другой вопрос: дал ли канал дополнительный результат сверх того, что случилось бы и без него.

Это разные уровни анализа. Первый помогает понять структуру пути. Второй показывает, что действительно прибавило бизнесу. Иногда канал выглядит сильным в атрибуции, но почти не дает прироста. Бывает и наоборот: влияние есть, а в отчетах оно заметно слабо.

Именно поэтому маркетологи все чаще уходят от простого спора “какая модель правильнее” к более практичному вопросу: что именно мы хотим измерить. Для распределения бюджета важны и атрибуция, и инкрементальность, но они решают разные задачи.

Короткое сравнение

Какие модели атрибуции используют чаще всего

Последний клик был самым простым стартом, но далеко не единственным вариантом. Есть модели, которые делят заслугу между касаниями по времени, по последовательности или по более сложным правилам. Каждая из них пытается ответить на один и тот же вопрос с разной степенью глубины.

Линейная модель, например, распределяет вес между всеми касаниями поровну. Модель с убывающим весом сильнее ценит более поздние точки. Есть модели на основе позиции, где первые и последние касания получают больше внимания, чем середина. А в продвинутых системах используют алгоритмические подходы, которые оценивают вклад контактов на основе данных о поведении пользователей.

У каждой логики есть свои плюсы и слабые места. Поровну делить ценность иногда слишком грубо. Сильно смещать вес к финалу тоже опасно. Алгоритмические модели точнее, но требуют качественных данных и аккуратной настройки.

Почему нет универсального ответа

У компаний разные циклы сделки, разные источники трафика и разная плотность касаний. То, что работает в интернет-магазине с импульсными покупками, может плохо подходить для B2B-сервиса с длинным циклом согласований. Одна и та же модель в этих случаях даст очень разные выводы.

Поэтому выбирать атрибуцию стоит не по моде, а по вопросу, который нужно решить. Если задача в том, чтобы понять, какой канал ближе всего к продаже, последнего клика может хватить. Если нужно увидеть роль всего пути, придется брать что-то сложнее.

Где последний клик особенно обманывает

Сильнее всего искажение заметно в дорогих продуктах, сложных решениях и долгих воронках. Чем больше человек думает перед покупкой, тем меньше смысла приписывать успех последнему переходу. Там решают повторные контакты, доверие и узнаваемость.

Но ошибка встречается и в более простых категориях. Даже в e-commerce человек может сначала увидеть товар в рекламе, потом поискать отзывы, потом вернуться через закладку или прямой заход. Последний клик отразит лишь последний удобный маршрут, а не весь набор факторов, который подтолкнул к покупке.

Есть и еще одна ловушка. Когда бренд уже известен, последний клик почти автоматически отдает ему больше кредитов, чем новому трафику. Так крупные игроки выглядят еще сильнее, а небольшие компании могут недооценивать собственные вложения в охват и узнаваемость.

Почему маркетологу опасно смотреть только на CPA

CPA удобен, потому что он быстрый и понятный. Но если опираться только на него, можно принять слишком узкое решение. Канал с низким CPA в модели последнего клика не всегда полезнее канала с более дорогим кликом, если второй создает спрос и ускоряет дальнейшую конверсию.

К тому же CPA не отвечает на вопрос о переносе эффекта. Иногда человек приходит сегодня, а покупает через две недели. В отчетах это превращается в разрозненные куски данных, хотя в реальности это была одна цепочка взаимодействий.

По этой причине оценки по последнему переходу часто ведут к вырезанию каналов, которые не выглядят эффектными в коротком окне. Бюджет уходит туда, где проще всего зафиксировать продажу, а не туда, где действительно строится будущий спрос.

Что происходит с брендовыми запросами

Брендовый поиск почти всегда выглядит сильнее, чем есть на самом деле. Пользователь уже знает название компании, и поиск в этот момент работает скорее как дверной звонок, чем как источник формирования интереса. Последний клик приписывает этому каналу слишком много заслуги, потому что именно он оказался последним в цепочке.

На практике брендовый запрос часто является следствием предыдущих касаний. Человек увидел рекламу, запомнил название, потом ввел его в поиск. Если считать только финальный переход, можно решить, что весь спрос возник внутри поиска. На деле он мог появиться задолго до этого.

Отсюда типичная ошибка в распределении бюджета: деньги переносят в брендовый поиск, потому что он дает красивую отчетность. А вот каналы, которые помогли человеку вообще вспомнить название компании, получают меньше инвестиций.

Как читать отчеты без самообмана

Первое, что помогает, это смотреть не только на последний клик, но и на модели сравнения. Если данные позволяют, полезно сопоставлять несколько схем атрибуции рядом. Тогда видно, как меняется картина при разных допущениях.

Второе, что стоит делать, это разделять каналы по роли в воронке. Одни чаще создают первое касание. Другие дожимают. Третьи возвращают и напоминают. Когда все источники сложены в одну корзину, их вклад трудно различить.

Третье, и это особенно важно, нужно следить за изменением метрик после перераспределения бюджета. Если канал внезапно стал “неэффективным” по последнему клику, но после его отключения просели брендовые запросы и общая конверсия, вывод уже не так очевиден.

Практичный порядок проверки

1. Сравнить несколько моделей атрибуции на одном и том же периоде.
2. Посмотреть, как каналы распределяются по этапам воронки.
3. Проверить, что происходит с общими продажами после изменения бюджета.
4. Сопоставить отчетность с поведением пользователей на сайте и в CRM.

Такой подход не делает картину идеально точной, но убирает самые грубые перекосы. А это уже многое. В маркетинге ошибка в одну-две строки отчета быстро превращается в реальное сокращение бюджета на работающий канал.

Роль CRM и офлайн-касаний

Еще одна причина, по которой последний клик недооценивает маркетинг, в том, что он плохо видит часть пути за пределами сайта. Звонок менеджера, встреча, повторное предложение, письмо из CRM, офлайн-реклама, рекомендация знакомого, упоминание в медиа — все это может повлиять на решение, но не попасть в стандартный отчет как полноценное касание.

В B2B и сложных услугах это особенно заметно. Пользователь может открыть страницу, потом обсудить предложение с коллегами, получить письмо от менеджера, вернуться через прямой заход и оставить заявку. Если смотреть только на финальный визит, получится слишком узкая история.

Из-за этого компании, которые опираются лишь на веб-аналитику, часто видят только часть воронки. А значит, и выводы у них получаются неполными. Иногда проблема не в самом маркетинге, а в том, что система измерения оставляет за кадром половину реальности.

Когда последний клик все же полезен

Полностью списывать его со счетов не стоит. В коротком цикле сделки и при ограниченном наборе каналов последний клик может дать вполне рабочий ориентир. Он помогает быстро посмотреть, что закрывает спрос здесь и сейчас.

Но это инструмент для узкой задачи, а не универсальный ответ. Его удобно использовать как один из слоев анализа, особенно на старте. Проблемы начинаются тогда, когда его принимают за единственную правду о маркетинге.

Если проще, последний клик полезен как фонарик, но плох как карта. Он подсвечивает ближайший участок пути, однако не показывает всю дорогу. А в маркетинге почти всегда важна именно дорога.

Как не перепутать эффективность с видимостью

Иногда канал выглядит эффективным просто потому, что его легко измерить. Кликов много, конверсий много, отчет красивый. Но за этой ясностью может скрываться банальное перераспределение заслуги между несколькими точками контакта.

Чтобы не попасть в эту ловушку, полезно задавать себе простой вопрос: этот канал создает новый спрос или только ловит уже готовый? Если он лишь фиксирует позднюю стадию решения, его роль не надо раздувать. Если же он помогает сформировать интерес, то это уже совсем другой разговор.

Здесь особенно ценны сопоставления по времени, по сегментам и по типам аудитории. Новый пользователь и возвращающийся, холодный трафик и брендовый, длинная воронка и короткая. Когда все смешано, кажется, будто данные говорят одно. Когда их разложить по полкам, картина становится заметно честнее.

Что запомнить, если смотреть на маркетинг шире

Маркетинг редко работает одним точным касанием. Чаще это цепочка, в которой разные каналы делают разную работу. Один знакомит, другой убеждает, третий помогает вернуться, четвертый закрывает сделку. Последний клик видит только финальный штрих и слишком легко принимает его за всю картину.

Отсюда и главный риск: не заметить те каналы, которые создают спрос, а не только собирают его. Именно на них обычно режут бюджеты первыми, когда смотрят только на последний переход. В итоге компания экономит на том, что было полезнее всего в долгой перспективе.

Если подходить к аналитике спокойнее и смотреть на путь целиком, маркетинг начинает выглядеть менее нарядно, зато гораздо честнее. А в работе это ценнее красивой, но узкой цифры. Удобный отчет хорош до тех пор, пока не мешает увидеть, как на самом деле рождается продажа.

Похожие записи:

Как выбрать главные KPI для бизнеса и перестать измерять «красивые, но бесполезные» метрики Сквозная аналитика без иллюзий: какие данные ей нужны и почему отчеты часто врут Как найти точки роста в продажах по данным, а не по ощущениям команды Как построить систему маркетинговой аналитики, когда данные разбросаны по десятку сервисов