Модели атрибуции в маркетинге: виды, примеры и выбор для бизнеса

Модели атрибуции

Путь клиента и вес каналов

flowchart LR
    A["First-Click<br>Вес: 100%"] --> B["Linear<br>Вес делится поровну"]
    B --> C["Time Decay<br>Вес растет к концу"]
    C --> D["Last-Click<br>Вес: 100%"]

1. Суть концепции

Агрегированные рекламные метрики скрывают различия между источниками. Общий возврат на рекламу может быть положительным, пока некоторые источники производят отличные доходы, а другие теряют деньги. Только отслеживание на уровне источника раскрывает эти различия.

Каждое рекламное размещение 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

Отслеживание должно следовать до выручки — не просто запросов или лидов, а реальных покупок. Источник, генерирующий много лидов, но мало продаж, выглядит хорошо по метрикам лидов, но плохо по метрикам выручки.

[!quote] Джей Абрахам “Ни одна модель атрибуции не идеальна. Выберите ту, которая подходит для вашей ситуации. Применяйте её последовательно. Поймите, как ваш выбор влияет на вашу интерпретацию эффективности источника.”

— Jay Abraham, урок 536

2. Пять моделей атрибуции

Визуальное сравнение распределения весов по точкам касания (таймлайн клиента) для всех 5 моделей атрибуции на одном графике. Модели атрибуции

Last-touch (последнее касание)

Весь кредит отдаётся последней точке контакта перед конверсией.

Плюсы: Проста в реализации. Чётко показывает что «закрыло» сделку.

Минусы: Игнорирует более ранние точки контакта, которые создали осведомлённость и интерес. Недооценивает каналы верхней воронки (контент, SEO, бренд).

Когда использовать: Короткие циклы продаж с одним-двумя касаниями. Импульсные покупки.

First-touch (первое касание)

Весь кредит отдаётся первой точке контакта.

Плюсы: Признаёт что начало отношений. Помогает оценить каналы привлечения.

Минусы: Игнорирует что взрастило и конвертировало. Недооценивает каналы нижней воронки (ретаргетинг, email).

Когда использовать: Когда хочешь понять какие каналы лучше всего привлекают новых потенциальных клиентов.

Линейная атрибуция

Кредит делится поровну между всеми точками контакта.

Плюсы: Признаёт множественные вклады. Не игнорирует ни одно касание.

Минусы: Может переоценивать незначительные касания и недооценивать решающие. Все касания получают одинаковый вес независимо от важности.

Когда использовать: Длинные циклы продаж с множеством равнозначных касаний.

Позиционная атрибуция (U-образная)

Наибольший вес первой и последней точкам контакта (обычно по 40%), с распределением оставшихся 20% на средние касания.

Плюсы: Признаёт важность как инициации, так и конверсии, при этом учитывая взращивание.

Минусы: Произвольные веса. Может не отражать реальное влияние каждого касания.

Когда использовать: Когда первое и последнее касания явно наиболее важны, но средние тоже имеют значение.

Data-driven атрибуция (на основе данных)

Алгоритмы определяют кредит на основе реальных паттернов конверсии. Анализирует какие комбинации касаний реально приводят к конверсиям.

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

Минусы: Требует значительного объёма данных (обычно тысячи конверсий). Сложна в реализации и интерпретации.

Когда использовать: Крупные рекламные бюджеты с достаточным объёмом данных.

3. Как выбрать модель атрибуции

Выбор модели зависит от:

Длины цикла продаж:

Короткий цикл (1–2 касания) → Last-touch или First-touch
Длинный цикл (5+ касаний) → Линейная или Позиционная

Объёма данных:

Мало данных → Простые модели (Last-touch, First-touch)
Много данных → Data-driven

Цели анализа:

Понять что привлекает → First-touch
Понять что конвертирует → Last-touch
Понять полный путь → Линейная или Позиционная

Главное правило: выбери одну модель и применяй её последовательно. Переключение между моделями делает сравнение невозможным.

4. Построение моделей для предсказания LTV по источнику

Разные источники привлечения производят клиентов с разной пожизненной ценностью. Понимание этих различий позволяет принимать более умные решения об инвестициях.

Как построить модель:

Отслеживай клиентов от первоначального источника через всю историю покупок
Рассчитывай средний LTV для каждого источника
Сравнивай стоимость привлечения с LTV по источнику

Типичные паттерны:

Реферальные клиенты часто имеют LTV в 1.5–2.5 раза выше, чем из платной рекламы
Органические клиенты (SEO, контент) часто имеют более высокий LTV, чем платные
Клиенты из определённых каналов могут иметь более короткий срок жизни

Применение в решениях:

Источник с более высокой стоимостью привлечения может производить клиентов с более высокой пожизненной ценностью, делая его более привлекательным, чем более дешёвый источник, производящий менее ценных клиентов.

Включай предсказания LTV в рекламную экономику. Корректируй максимально допустимую стоимость привлечения по источнику на основе предсказанного LTV.

5. Практические примеры

Кейс: атрибуция раскрыла скрытую ценность SEO. Компания использовала last-touch атрибуцию. SEO показывал низкий ROI — большинство конверсий атрибутировалось ретаргетингу. Переключились на позиционную модель. Обнаружили: 67% конверсий начинались с органического поиска. SEO был первым касанием для большинства клиентов. Перераспределили бюджет: +40% на SEO, -30% на ретаргетинг. Общий ROI вырос на 34%.

Кейс: LTV по источнику изменил стратегию привлечения. Анализ показал: клиенты из LinkedIn имеют LTV $8 400, из Facebook — $2 100. Стоимость привлечения из LinkedIn была в 3 раза выше. Но LTV в 4 раза выше делал LinkedIn значительно более выгодным. Перераспределили 60% бюджета в LinkedIn. Общий LTV портфеля вырос на 89%.

Кейс: последовательная атрибуция выявила неэффективные каналы. Компания внедрила единую модель атрибуции (линейную) для всех каналов. Через 6 месяцев обнаружили: один канал генерировал 23% лидов, но только 4% выручки. Клиенты из этого канала имели очень низкий LTV и высокий отток. Сократили расходы на канал на 80%. Общая прибыль выросла на 18%.

6. Адаптация для B2B и B2C

B2B: В корпоративных продажах с длинными циклами (6–18 месяцев) позиционная или data-driven атрибуция наиболее точна. Важно отслеживать все касания через CRM. Маржинальная чистая стоимость — как LTV по источнику влияет на допустимые расходы на привлечение.

B2C: В массовом сегменте с короткими циклами last-touch часто достаточна для операционных решений, но линейная лучше для стратегических. Тестирование и оптимизация — как тестировать каналы с правильной атрибуцией.

Связанные концепты

Перед этим изучить

Продолжить

Маржинальная чистая стоимость — LTV по источнику в расчётах привлечения
Тестирование и оптимизация — тестирование каналов с атрибуцией
PI и разделение выручки — атрибуция в performance-моделях
Маркетинговые исследования — данные для построения моделей
Медиастратегия — распределение бюджета на основе атрибуции
Три способа роста — атрибуция по каждому рычагу роста

Источники

Jay Abraham. Уроки 535–537: Tracking and Attribution — Measuring What Works. Jay Abraham Marketing Insights.

Навигация:

Раздел: Аналитика -> Базовые метрики