Атрибуция в маркетинге нужна не для поиска одного «канала-победителя», а для разумного распределения ценности между касаниями. В длинной B2B-сделке я советую разделять три задачи: оперативную оценку источников, связь касаний со сделкой в CRM и проверку реального прироста продаж. Одна модель честно не решает всё.
Эта статья для собственника, руководителя маркетинга или коммерческого директора, который смотрит на отчёт и видит знакомый цирковой номер: контент привёл клиента, вебинар помог сформулировать задачу, менеджер провёл три встречи, а вся выручка досталась последнему переходу по брендовому запросу. Разберёмся, какую модель выбрать, где она неизбежно искажает картину и как принимать решения без веры в одну красивую цифру.
Почему последний клик так легко получает чужую премию
Представим типовую B2B-сделку. Технический специалист находит статью, руководитель скачивает материал, закупщик приходит на сайт по рекламе, директор возвращается через поиск по названию компании, а договор подписывается после переговоров. Аналитика последнего клика может записать результат брендовому поиску. Формально всё правильно: он действительно был последним. Управленчески — беда.
Если после такого отчёта сократить контент и отраслевые мероприятия, брендовый спрос скоро станет нечему собирать. Последнее касание часто закрывает маршрут, но не обязательно создаёт интерес, доверие или внутреннее согласие группы покупки.
Есть и обратная ошибка. Первый контакт тоже нельзя автоматически объявлять героем. Он мог лишь познакомить человека с компанией, а решение создали демонстрация, расчёт экономики и работа продавца. Атрибуция в маркетинге не выдаёт историческую правду. Она распределяет наблюдаемую ценность по выбранному правилу.
Сначала вопрос, потом модель атрибуции
Я бы не начинал разговор с вопроса «Какая модель самая точная?». Точнее спросить: какое решение мы хотим принять?
- Откуда приходит новый спрос? Смотрите первое известное касание и долю новых целевых компаний.
- Что помогает довести интерес до обращения? Сравнивайте цепочки касаний и промежуточные действия.
- Что влияет на квалифицированную сделку и выручку? Связывайте источники и контент со стадиями CRM, суммой и маржой.
- Что действительно добавило результат, а не оказалось рядом? Нужны эксперименты, контрольные группы или моделирование инкрементальности.
Один отчёт редко отвечает на все четыре вопроса. Попытка выжать из него универсальный ответ обычно заканчивается не аналитикой, а спором отделов за бюджет.
Какие модели реально доступны в 2026 году
Здесь полезно сверяться с текущими возможностями платформ, а не со статьями пятилетней давности. В Google Analytics в отчётах атрибуции сейчас доступны data-driven, paid and organic last click и Google paid channels last click. Google отдельно указывает, что first click, linear, time decay и position-based были убраны из GA4 ещё в ноябре 2023 года. В Google Ads также поддерживаются data-driven и last click, а прежние правила сняты с поддержки.
В Яндекс Метрике набор тоже изменился: с 20 мая 2026 года ряд старых моделей отключён. В актуальной документации остаются последний переход, первый переход кросс-девайс, последний значимый переход кросс-девайс и автоматическая атрибуция. Важен не только ярлык модели, но и её окно: если реальный цикл выбора длиннее наблюдаемой истории, ранние касания просто выпадут.
Вывод простой: линейную или позиционную модель можно построить в собственной аналитике как управленческий сценарий, но не надо обещать руководителю, что нужная кнопка обязательно есть в стандартном интерфейсе.
Что показывает каждая логика — и где она врёт
Последний клик удобен для оперативной оптимизации нижней части воронки. Он показывает, что непосредственно предшествовало конверсии. Но переоценивает брендовый спрос, ретаргетинг и прямые возвраты.
Первое касание помогает увидеть источники знакомства и формирования спроса. Но легко приписывает всю заслугу каналу, который лишь открыл дверь.
Последний значимый переход убирает из финала прямой заход и возвращает ценность предыдущему известному источнику. Это полезнее простого last click, но всё равно оставляет за бортом большую часть пути.
Линейное распределение делит ценность поровну. Оно дипломатично: никто не обижен. И столь же механистично, потому что просмотр статьи и встреча с техническим экспертом вряд ли всегда равноценны.
Time decay отдаёт больше веса поздним касаниям, а position-based — началу и финалу. Эти правила полезны для сравнения сценариев в своей модели, но веса задаёт аналитик. Они не становятся фактом только потому, что красиво выглядят на диаграмме.
Data-driven атрибуция оценивает вклад взаимодействий на основе данных конкретного аккаунта. Это сильнее ручного правила, когда данных достаточно и охват пути приемлем. Google прямо отмечает: модель работает и на меньшем объёме, но для лучшей точности рекомендует не менее 200 конверсий и 2000 рекламных взаимодействий за 30 дней. Для многих сложных B2B-компаний это уже сигнал не очаровываться алгоритмом раньше времени.
Три уровня измерения для длинной B2B-сделки
Вместо выбора одной «правильной» модели я предлагаю собрать три уровня. Они не конкурируют, а отвечают на разные вопросы.
- Оперативный уровень. Веб-аналитика и рекламные кабинеты показывают переходы, лиды, вспомогательные касания и стоимость действий. Здесь уместно сравнивать last click с data-driven или автоматической атрибуцией.
- Коммерческий уровень. CRM связывает контакты с компанией, стадиями, участниками решения, продуктом, выручкой и маржой. Ценность получает не только источник формы, но и касания до квалификации и сделки.
- Причинный уровень. Эксперименты, геотесты и маркетинговое микс-моделирование проверяют, возник бы дополнительный результат без конкретного воздействия. Это уже вопрос прироста, а не распределения одной и той же сделки.
Google развивает Meridian именно как открытый инструмент маркетингового микс-моделирования и отдельно рекомендует калибровать оценки инкрементальными экспериментами. Это хорошее напоминание: атрибуция объясняет маршрут, но сама по себе не доказывает причинность.
Главная поправка B2B: считать компанию, а не только браузер
В потребительской покупке один человек часто сам изучает предложение и платит. В B2B маршрут проходит через группу: инициатора, пользователя, технического эксперта, закупщика, финансиста, руководителя. Их действия могут жить в разных устройствах, почтах, встречах и системах.
Поэтому полезно строить не только user journey, но и account journey — историю компании. Минимальная связка выглядит так:
- единые UTM-правила и рекламные идентификаторы;
- ClientID или другой допустимый идентификатор в CRM;
- источник первого известного интереса и источник обращения;
- контент, мероприятия, звонки и встречи;
- стадии сделки, причина отказа, сумма и маржа;
- дата фактического результата, а не только создания лида.
Яндекс Метрика позволяет дополнять веб-историю данными о клиентах и заказах из CRM, а Google Ads — возвращать офлайн-конверсии после подписания договора или другого реального действия. Но интеграция не отменяет дисциплину: идентификаторы надо сохранять, статусы — обновлять, а данные — загружать вовремя. Иначе умная модель будет очень убедительно считать неполную историю.
Как выбрать рабочую модель без аналитического театра
Если сделок мало, не притворяйтесь, что статистики достаточно для тонкой data-driven оценки. Сравнивайте первое и последнее значимое касание, анализируйте пути качественно и смотрите когорты по компаниям.
Если цикл короткий и почти весь проходит онлайн, last click может быть приемлемым оперативным ориентиром. Но хотя бы раз в месяц проверяйте assisted interactions и модельное сравнение.
Если цикл длинный и участвуют несколько ролей, основой должна стать CRM-атрибуция на уровне компании. Веб-модель остаётся одним из слоёв, а не финансовым судом последней инстанции.
Если вопрос касается перераспределения крупного бюджета, добавляйте инкрементальный тест или MMM. Чем дороже решение, тем опаснее принимать корреляцию за доказанный эффект.
Практический регламент: семь шагов
- Зафиксируйте конверсию бизнеса. Не «отправил форму», а квалифицированный лид, возможность, договор, выручка или маржа.
- Опишите окно решения. Посмотрите фактическое время от первого известного касания до сделки и долю сделок, выходящих за окно платформы.
- Соберите источники без разрывов. Единые UTM, идентификаторы клика, коллтрекинг, формы, CRM и справочник каналов.
- Разделите привлечение и закрытие спроса. Первое касание отвечает за знакомство, последнее значимое — за вход в конверсию, промежуточные — за движение.
- Сравните минимум две модели. Не ради выбора красивой, а чтобы увидеть, какие каналы меняют оценку сильнее всего.
- Наложите качество и деньги. Считайте не только лиды, но и квалификацию, скорость прохождения стадий, выручку и маржу.
- Проверьте спорное решение экспериментом. Особенно если отчёт предлагает резко отключить верх воронки или весь канал.
Так атрибуция превращается из конкурса каналов в систему управленческих допущений. У каждого числа появляется вопрос, граница применимости и способ проверки.
Типовая ситуация: отчёт советует выключить контент
В отчёте last click контент почти не приносит сделок. Реклама и брендовый поиск выглядят сильнее. Можно закрыть блог и гордо улучшить долю «эффективных» расходов.
Перед этим я бы проверил четыре вещи: был ли контент первым касанием целевых компаний, использовали ли его менеджеры в ходе сделки, чаще ли знакомые с материалами лиды доходили до квалификации и менялся ли спрос после сокращения публикаций. Если ответы положительные, контент выполняет роль, которую last click просто не умеет видеть.
Но и обратный вывод делать нельзя: наличие статьи в цепочке ещё не доказывает её вклад. Возможно, активные покупатели читают больше всего подряд. Вот почему для важного бюджетного решения нужен тест, а не только новая раскраска старого отчёта.
Ошибки, которые портят любую атрибуцию
- считать заявкой любой контакт и не возвращать качество из CRM;
- смешивать лиды, сделки, выручку и маржу в одной метрике;
- сравнивать отчёты с разными окнами и датой учёта конверсии;
- не объединять контакты одной компании;
- менять модель и одновременно бюджеты, а затем приписывать весь эффект модели;
- принимать алгоритмическую атрибуцию за прозрачное доказательство причинности.
Хорошая атрибуция не обещает абсолютной истины. Она делает искажения видимыми и помогает не принимать дорогое решение на основании одного удобного отчёта.
Что делать руководителю уже сейчас
Возьмите десять последних качественных B2B-сделок и восстановите их путь на уровне компаний: первое известное касание, обращение, ключевой контент, встречи, стадия, сумма и финальный источник. Затем сравните, как эти сделки выглядят в last click и в вашей коммерческой истории.
Если выводы резко различаются, проблема не в том, что одна таблица «врёт». Просто таблицы отвечают на разные вопросы. С этого момента можно обсуждать модель, данные и эксперимент предметно, а не выбирать канал по принципу «кто последний — тот и молодец».
Подписывайтесь: я продолжаю разбирать маркетинг как систему решений — без магических дашбордов, но с уважением к цифрам и здравому смыслу.
Источники и актуальные справочные материалы
- Google Analytics: актуальные модели и отчёты атрибуции
- Google Ads: модели атрибуции
- Google Ads: как работает data-driven атрибуция и требования к данным
- Яндекс Метрика: модели атрибуции и изменения 2026 года
- Яндекс Метрика: загрузка данных из CRM
- Google Ads: загрузка офлайн-конверсий
- Google Meridian: маркетинговое микс-моделирование и инкрементальность
Вопросы и ответы
Что такое атрибуция в маркетинге простыми словами?
Это правило или модель, по которой ценность конверсии распределяется между рекламными и маркетинговыми касаниями. Она помогает сравнивать каналы, но не является полной историей причины покупки.
Какая модель атрибуции лучше для B2B?
Для длинной B2B-сделки одной модели мало. Практичный минимум — сравнение первого и последнего значимого касания плюс CRM-история на уровне компании. Для крупных бюджетных решений добавляют эксперименты или MMM.
Почему нельзя полагаться только на последний клик?
Он отдаёт всю ценность финальному переходу и часто переоценивает брендовый поиск, ретаргетинг и прямой спрос. Ранние касания, контент и работа с группой решения остаются недооценёнными.
Стоит ли доверять data-driven атрибуции?
Её полезно использовать при достаточном объёме и хорошем качестве данных. Но она видит только доступные платформе касания и не превращает корреляцию в доказанный прирост продаж.
С чего начать внедрение атрибуции в маркетинге?
С определения бизнес-конверсии, единой разметки источников и передачи стадий сделки из CRM. После этого сравните две модели на одних данных и проверьте, меняют ли различия реальное управленческое решение.
Материал подготовил Директор по маркетингу Виктор Клищенко
