Перейти к содержанию

Модели атрибуции

TL;DR. Модели атрибуции определяют какому маркетинговому касанию засчитывается конверсия. Выбор модели меняет то, как ты оцениваешь каналы и распределяешь бюджет. Нет идеальной модели — есть модель, подходящая для твоей ситуации, применяемая последовательно.

1. Суть концепции

Когда клиент совершает покупку после нескольких маркетинговых касаний — какое из них получает кредит за конверсию? Модели атрибуции отвечают на этот вопрос. Выбранная модель влияет на то, как ты оцениваешь источники и принимаешь решения о бюджете.

Без атрибуции ты не можешь знать что работает. Ты тратишь деньги на рекламу, генерацию лидов и контент — но не знаешь какие из этих инвестиций производят реальных клиентов. Совокупные метрики скрывают разницу между источниками. Общий возврат на рекламу может быть положительным, пока некоторые источники производят отличные результаты, а другие теряют деньги.

Каждое рекламное касание должно быть отслеживаемым. Уникальные телефонные номера для разных источников. Уникальные URL или коды отслеживания для разных кампаний. Вопросы в опросах о том, как клиенты нашли тебя. Какой бы механизм ни работал — внедри его.

Джей Абрахам

"Analyze results by source regularly. Which sources produce the most revenue? The best return on investment? The highest-value clients? The answers guide budget allocation."

— Jay Abraham, урок 535

2. Пять основных моделей атрибуции

Last-touch (последнее касание)

Все кредиты отдаются последнему касанию перед конверсией.

Как работает: Клиент видит рекламу в Facebook → читает статью в блоге → кликает на email → покупает. Весь кредит получает email.

Плюсы: Просто реализовать. Фокусируется на том, что непосредственно вызвало конверсию.

Минусы: Игнорирует все ранние касания, которые создали осведомлённость и интерес. Недооценивает каналы верхней части воронки (контент, SEO, бренд-реклама).

Когда использовать: Короткие циклы продаж, где последнее касание действительно является решающим.

First-touch (первое касание)

Все кредиты отдаются первому касанию, которое привело клиента.

Как работает: Тот же клиент. Весь кредит получает реклама в Facebook.

Плюсы: Признаёт что начало отношений. Полезно для оценки каналов привлечения.

Минусы: Игнорирует всё, что нурчировало и конвертировало. Переоценивает каналы осведомлённости.

Когда использовать: Когда главная цель — понять что привлекает новых клиентов.

Linear (линейная)

Кредит делится поровну между всеми касаниями.

Как работает: 4 касания → каждое получает 25% кредита.

Плюсы: Признаёт вклад всех касаний. Не переоценивает ни одно.

Минусы: Может переоценивать незначительные касания и недооценивать решающие. Все касания не равны по влиянию.

Когда использовать: Когда у тебя нет данных для более сложных моделей, но ты хочешь признать многоканальный путь.

Position-based (позиционная / U-образная)

Первое и последнее касания получают по 40% кредита. Оставшиеся 20% делятся между средними касаниями.

Как работает: Facebook (40%) → блог (10%) → email (10%) → прямой визит (40%).

Плюсы: Признаёт важность как инициации, так и конверсии. Не игнорирует средние касания.

Минусы: Произвольное распределение 40/20/40. Может не отражать реальное влияние.

Когда использовать: Длинные циклы продаж, где важны и привлечение, и конверсия.

Data-driven (на основе данных)

Алгоритмы определяют кредит на основе реальных паттернов конверсии.

Как работает: Модель анализирует тысячи путей конверсии и определяет какие касания реально влияют на вероятность конверсии.

Плюсы: Наиболее точная. Основана на реальных данных, а не предположениях.

Минусы: Требует большого объёма данных (обычно 1 000+ конверсий). Сложно интерпретировать. Требует специализированных инструментов.

Когда использовать: Зрелые бизнесы с большим объёмом данных и ресурсами для анализа.

3. Отслеживание до выручки, не до лидов

Отслеживание должно следовать до выручки. Не просто до запросов или лидов — до реальных покупок. Источник, генерирующий много лидов, но мало продаж, выглядит хорошо по метрикам лидов, но плохо по метрикам выручки. Выручка — то, что имеет значение.

Это требует связывания маркетинговых данных с данными о продажах. Каждый лид должен нести информацию об источнике через весь процесс продаж до закрытия. Это технически сложнее, чем отслеживание только лидов, но критически важно для принятия правильных решений.

Источники, производящие положительный ROI, заслуживают продолжения или увеличения инвестиций. Источники, производящие отрицательный ROI, должны быть сокращены или устранены. Без отслеживания на уровне источников ты не можешь принимать эти решения с уверенностью.

4. LTV по источнику привлечения

Разные источники привлечения производят клиентов с разными LTV. Клиент, привлечённый через реферал, может иметь другой LTV, чем привлечённый через платную рекламу. Понимание этих различий позволяет более умные инвестиции в привлечение.

Анализируй исторические данные по источнику привлечения. Отслеживай клиентов от начального источника через всю историю покупок. Рассчитывай средний LTV для каждого источника.

Паттерны обычно проявляются: - Реферальные клиенты часто имеют более высокий LTV и более низкий CAC - Органические клиенты часто имеют более высокое намерение и лучшее удержание - Клиенты из платной рекламы могут иметь более низкий LTV, но более высокий объём

Включай прогнозы LTV в решения о привлечении. Источник с более высокой стоимостью привлечения может производить клиентов с более высоким LTV, делая его более привлекательным, чем более дешёвый источник, производящий клиентов с более низкой ценностью.

Пример расчёта:

Источник CAC LTV ROI
Рефералы $45 $2 400 53x
Органический поиск $120 $1 800 15x
Платная реклама $180 $900 5x
Холодный outreach $320 $1 200 3.75x

В этом примере рефералы — явный победитель. Но без LTV-анализа по источнику ты мог бы инвестировать больше в платную рекламу из-за её масштабируемости, не осознавая насколько она менее эффективна.

5. Практические примеры

Кейс: переключение с last-touch на позиционную модель. SaaS-компания использовала last-touch атрибуцию. Это показывало, что email-кампании производят 67% конверсий. Они сократили расходы на контент-маркетинг. Конверсии упали на 43%. Анализ показал: контент был первым касанием для 78% клиентов. Переключение на позиционную модель раскрыло реальный вклад каждого канала.

Кейс: LTV по источнику изменил распределение бюджета. Агентство отслеживало только CAC. Платная реклама: CAC $200. Партнёрские рефералы: CAC $450. Казалось, платная реклама эффективнее. После добавления LTV-анализа: платная реклама LTV $1 200 (ROI 6x), партнёрские рефералы LTV $4 800 (ROI 10.7x). Перераспределение бюджета в пользу партнёрской программы увеличило выручку на 34%.

Кейс: уникальные номера телефонов. Медицинская клиника размещала рекламу в 6 каналах. Без отслеживания — невозможно было определить что работает. После внедрения уникальных номеров для каждого канала: обнаружили, что 2 канала производят 71% звонков при 28% бюджета. Перераспределили бюджет. Количество новых пациентов выросло на 58% при том же общем расходе.

6. Обновляй модели по мере накопления данных

Поведение клиентов меняется. Характеристики источников эволюционируют. Прогнозы должны быть живыми моделями, улучшающимися по мере накопления доказательств.

Пересматривай атрибуционные модели ежеквартально. Проверяй предположения о LTV по источнику ежегодно. Тестируй новые каналы с небольшими бюджетами перед масштабированием.

Нет идеальной модели. Выбери ту, что подходит для твоей ситуации. Применяй её последовательно. Понимай как твой выбор влияет на интерпретацию эффективности источников.

7. Адаптация для B2B и B2C

B2B: В корпоративных продажах с длинными циклами (3–18 месяцев) позиционная или data-driven модели наиболее адекватны. Множество касаний через разные каналы и людей делают атрибуцию сложной. Маркетинговые исследования — контекст для интерпретации атрибуционных данных.

B2C: В массовом сегменте с короткими циклами last-touch часто достаточна для операционных решений. Для стратегических решений о канальном миксе — multi-touch модели. Тестирование и оптимизация — A/B тестирование как дополнение к атрибуции.

Связанные концепты

Источники

  1. Jay Abraham. Уроки 535–537: Tracking, Attribution and Lifetime Value by Source. Jay Abraham Marketing Insights.