Как понять, что реклама работает? Правильные модели атрибуции в 2025 году

Самая большая ошибка в маркетинге — оценивать результат по последнему клику. Бизнес смотрит в аналитику и делает очевидный, но ложный вывод: пользователь нажал на Google Ads, значит, Google Ads привёл продажу. Но что было до этого? Человек мог видеть бренд в ленте соцсетей, читать отзывы, получить рекомендацию от друга, переходить на сайт по органике, подписываться на Telegram, а затем вернуться по платному запросу и купить. Реальность продаж — многоконтактная. И в 2025 году атрибуция превратилась из бухгалтерии в дисциплину поведенческой стратегической аналитики.

Почему last-click больше не работает

Last-click — это модель, которая фиксирует последний контакт как источник продажи. Она удобна, но опасна. Она обесценивает верхнюю часть воронки, контент-маркетинг, прогрев, паблики, рекомендательные системы. Она наказывает бренды за то, что они строят культуру доверия. С точки зрения last-click YouTube не работает, TikTok не работает, Instagram не работает — потому что пользователь покупает после поиска. Но без TikTok он бы не начал поиск вообще.

Эта модель убивает нетривиальные каналы. Команды, которые видят в отчётах «0 конверсий», отказываются от органических стратегий и накачивают бюджеты в performance. Результат — кратковременный всплеск и быстрый спад. Бренд превращается в продавца, которого никто не помнит.

First-click: момент зарождения интереса

First-click фиксирует первое источниковое взаимодействие. Это модель, которая позволяет увидеть, откуда пришёл интерес. Если человек впервые нашёл бренд через TikTok, а потом купил через Google, именно TikTok становится катализатором. В 2025 году эту модель часто используют компании, которые работают на узнаваемость, запуск продуктов или формирование комьюнити.

Проблема first-click в том, что она обесценивает работу нижних этапов воронки. Пользователи редко покупают после первого контакта. Всегда есть сомнения, сравнения, запросы. Поэтому первый клик показывает только стартовую точку, а не всю траекторию.

Time-decay: кто ближе к покупке, тот важнее

Time-decay распределяет ценность между каналами, но приоритет отдаёт тем, которые были ближе к моменту конверсии. Контакты за 30 дней до продажи весят больше, чем за 120. Это приближает бизнес к реальности поведения: рекомендация в видео создаёт интерес, но окончательное решение рождается в момент «здесь и сейчас». Такая модель честнее, но не идеальна. Она не видит, что некоторые каналы имеют отложенный эффект. Контент на YouTube может работать месяцами, даже если покупка происходит позже.

Линейная модель: справедливость без глубины

Линейная атрибуция распределяет ценность поровну между всеми контактами. Она кажется честной и часто нравится бизнесу: все каналы важны. Но эта модель не учитывает поведенческую реальность. Не каждый контакт имеет равную силу. Короткий взгляд на страницу не равен 20-минутному просмотру видео. Лайк в ленте не равен сохранению контента. Общение в чате не равно пассивному показу баннера.

Линейность — компромисс для тех, кто не готов принимать сложность.

Data-driven атрибуция: когда решения принимает математика

Data-driven атрибуция в 2025 году — стандарт для сильных брендов. Система оценивает не популярность канала, а вклад в принятие решения. Она анализирует тысячи путей, выявляет закономерности и присваивает вес каждому контакту. Один и тот же формат у разных аудиторий может иметь разную силу.

Data-driven открывает глаза на то, чего маркетологи не видят вручную. Например: короткие ролики в Reels не генерируют заявки напрямую, но увеличивают частоту branded search. А публикация в Telegram с кейсом не даёт быстрых продаж, но резко повышает конверсию на этапе консультаций.

Алгоритм видит причинность лучше менеджера.

Почему мультиатрибуция — не про цифры, а про смысл

Бренды часто думают, что атрибуция — это Excel. Но это способ понимать поведение человека. Люди редко принимают решения одномоментно. Они ищут подтверждение, читают чужой опыт, возвращаются через 2–3 недели. Многоконтактные модели объясняют не то, «где клиент нажал кнопку», а то, «где клиент захотел доверять».

В 2025 году правильная атрибуция — это не формула. Это культура мышления: одни каналы создают интерес, другие — снимают сомнения, третьи — запускают действие. Успех появляется там, где эти части не конкурируют, а поддерживают друг друга.

Роль ИИ в расчёте причинности

ИИ-модели в 2025 году научились видеть сценарии поведения, а не отдельные точки. Они понимают, что «купил после Google Ads» — это только эпизод. Человек мог 6 раз смотреть кейсы в соцсетях, оставить товар в корзине, сравнивать в мессенджере, а затем вернуться. ИИ сравнивает тысячи траекторий, сегментирует аудиторию по типу мотива и предлагает разные атрибуционные веса для разных сегментов. Это не «справедливое распределение». Это адаптивный анализ.

В автоматизированных системах data-driven — это не просто «модель». Это способ видеть живое намерение.

Чего стоит избегать

Ошибка — измерять каналы друг против друга. TikTok против Google, YouTube против Telegram. В реальности они работают последовательно. Когда бренд отключает органический прогрев, узнаваемость падает, а performance-кампании дорожают. Когда убирается ремаркетинг — падает коэффициент созревания. Когда экономят на контенте — уменьшается branded search.

Атрибуция должна отражать эту взаимозависимость, а не разрушать её.