Модели атрибуции: first click, last click и multi-touch — какую выбрать бизнесу

Один и тот же рекламный бюджет, одна и та же сделка — и три разных ответа на вопрос «какой канал сработал», в зависимости от того, какую модель атрибуции вы используете для подсчёта. Это не абстрактная теория: выбор модели буквально меняет, какой канал в отчёте выглядит эффективным, а какой — убыточным, и, соответственно, куда в следующем месяце пойдёт бюджет. Разберём на одной реальной сделке, как это работает.

TL;DR

• Модель атрибуции — правило, по которому заслуга за продажу распределяется между рекламными каналами, если клиент взаимодействовал с несколькими из них.
• На одной и той же сделке first click, last click и multi-touch могут назвать эффективным три разных канала — ниже это показано на числах.
• Last click — самая простая и распространённая модель (стандарт по умолчанию у Meta и Google Ads), но системно занижает роль каналов, которые формируют спрос, а не закрывают сделку.
• Multi-touch точнее для длинного цикла сделки, но требует технически фиксировать все касания клиента — не только последнее.
• Универсально правильной модели нет — есть модель, подходящая под длину цикла сделки, число каналов и техническую готовность её посчитать.

Пример: одна сделка, три разных победителя

Клиент интересуется ремонтом квартиры под ключ. Путь до покупки занял 6 дней и три канала:

1. День 1. Увидел рекламный пост в Instagram, кликнул, полистал сайт, не оставил заявку. Канал А — Instagram Ads.
2. День 4. Получил ретаргетинговое объявление в Google, кликнул повторно, сравнил цены с конкурентами. Канал Б — Google Ads (ретаргетинг).
3. День 6. Нашёл компанию через поиск по названию (уже принял решение) и написал в WhatsApp. Сделка закрылась на 300 000 ₸. Канал В — прямой заход / бренд.

Вот как разные модели атрибуции распределят эти 300 000 ₸ между тремя каналами:

По last click Instagram — вообще не участвовал в продаже, хотя именно он первым познакомил клиента с компанией. По first click, наоборот, ни Google, ни прямой заход как будто не сыграли роли, хотя именно они дожали решение и сравнение цен. Это не ошибка расчёта — это то, что каждая модель в принципе устроена по-разному отвечать на вопрос «кто заслужил продажу».

Модели атрибуции: что считает каждая

First Click (по первому касанию). Вся заслуга — каналу, который первым привёл клиента в воронку. Хорошо показывает, что генерирует новый спрос, но игнорирует всё, что происходит после первого контакта — в том числе то, что реально закрыло сделку.

Last Click (по последнему касанию). Вся заслуга — каналу непосредственно перед конверсией. Самая распространённая модель по умолчанию (в том числе именно она используется Meta Ads с окном 7 дней после клика/1 день после просмотра, и Google Ads с окном 30 дней) — проще всего технически реализовать, потому что не нужно хранить историю всех касаний, достаточно последнего. Системно занижает роль охватных и имиджевых каналов, которые редко оказываются «последним кликом».

Линейная модель. Заслуга делится поровну между всеми зафиксированными касаниями. Более честно отражает мультиканальность пути клиента, но требует, чтобы вы вообще умели фиксировать каждое касание, а не только последнее, — технически это отдельная задача, не автоматическое следствие «просто поставить другую галочку в настройках».

U-shaped / position-based. Больше веса — первому и последнему касанию (в примере выше — 40% и 40%), меньше — промежуточным. Компромисс между «кто привёл» и «кто закрыл», не обесценивая полностью середину воронки.

Time-decay (затухание во времени). Вес касания растёт по мере приближения к моменту покупки — самое свежее взаимодействие получает больше заслуги, самое давнее — меньше. Логика в том, что решение чаще принимается под влиянием недавних, а не самых первых контактов.

Data-driven / алгоритмическая. Веса между касаниями считает алгоритм на основе фактического влияния каждого канала на конверсию по накопленной статистике, а не фиксированное правило. Даёт потенциально самую точную картину, но требует большого объёма данных о конверсиях — при малом числе продаж алгоритму просто не на чем обучаться, и такая модель доступна не в любом рекламном кабинете при небольших бюджетах.

Сравнительная таблица моделей

Длинный цикл сделки — где модель ошибается сильнее всего

На коротком цикле (клиент видит рекламу и покупает в течение часа-дня) разница между моделями почти не заметна — событий слишком мало, чтобы распределять заслугу между ними. На длинном цикле — недели или месяцы, типично для B2B, недвижимости, дорогих услуг — разница становится решающей.

Здесь возникают две отдельные технические проблемы, а не только выбор формулы:

Не все касания физически фиксируются. Чтобы посчитать multi-touch честно, нужно поймать каждый визит и клик — включая случаи, когда клиент возвращается с другого устройства, из органического поиска по названию компании (уже помня бренд по рекламе), или переходит в оффлайн-разговор с менеджером, который нигде не оставляет цифрового следа. Технически это задача той же архитектуры, что описана в разборе связки CRM и рекламных кабинетов — без правильно спроектированного слоя идентификаторов и matching «мультиканальная атрибуция» на длинном цикле превращается в красивое название для неполных данных.

Окно атрибуции начинает конфликтовать с реальностью. Если сделка закрывается через 45 дней, а окно атрибуции в рекламном кабинете — 30 дней (типичный дефолт), первое касание вообще выпадает из расчёта платформы, даже если оно было решающим. Для длинного цикла окно атрибуции нужно расширять осознанно, а не оставлять значение по умолчанию, рассчитанное на импульсные покупки.

Частые ошибки при выборе и использовании модели атрибуции

Сравнивать периоды, посчитанные в разных моделях. Отчёт за прошлый месяц в last click и отчёт за этот месяц в линейной модели покажут разную динамику по каждому каналу не потому, что что-то изменилось в реальности, а потому что изменилась формула подсчёта.

Путать атрибуцию рекламной платформы с атрибуцией в своей CRM. У Meta и Google — своя внутренняя модель и своё окно, у вашей сквозной аналитики может быть другая. Если сравнивать «результаты» из двух систем напрямую, цифры разойдутся — и это не ошибка в данных, а разные правила подсчёта.

Заявлять multi-touch, не собирая все касания технически. Переключить модель в интерфейсе — не то же самое, что фиксировать реальный путь клиента. Если система видит только последнее касание, линейная модель на этих данных просто присвоит 100% ему же — то есть математически превратится в last click под другим названием.

Игнорировать верх воронки только потому, что он редко «последний клик». Постоянное сокращение бюджета на канал, который эффективен как first click, при аналитике исключительно в last click — способ незаметно задушить приток новых клиентов, оптимизируя только под уже тёплую аудиторию.

Внедрять алгоритмическую атрибуцию при малом объёме конверсий. Data-driven модели нужен статистически значимый объём данных, чтобы алгоритм действительно чему-то научился — на 10–20 продажах в месяц её выводам доверять не больше, чем ручной прикидке.

Decision tree: как выбрать модель под свой бизнес

• Один канал рекламы? → Модель атрибуции не имеет значения, весь путь клиента и так однозначен.
• Несколько каналов, но цикл сделки — от клика до покупки в течение суток? → Last click — точности других моделей вы всё равно не увидите на таком коротком пути.
• Несколько каналов, цикл сделки от нескольких дней до пары недель, ограниченные технические ресурсы? → Last click как основная модель + ручной ежеквартальный анализ, какие каналы чаще всего оказываются первым касанием — компромисс между простотой и не потерять картину верха воронки.
• Несколько каналов, цикл от пары недель, есть возможность фиксировать все визиты клиента? → Линейная или U-shaped модель — multi-touch уже даёт ощутимо более честную картину, чем last click.
• Длинный B2B-цикл (месяцы), высокий чек, несколько прогревающих касаний? → Time-decay — свежие касания перед решением обычно значат больше, чем случайный клик два месяца назад.
• Большой объём конверсий в месяц, зрелая аналитика, готовность довериться алгоритму? → Data-driven модель, если она доступна в используемой платформе.

Итог

Модель атрибуции — это не техническая настройка, которую выбирают один раз и забывают, а решение, которое напрямую определяет, куда пойдёт рекламный бюджет в следующем месяце. Last click хорош своей простотой и подходит короткому циклу сделки, но на длинном пути клиента через несколько каналов он методично обесценивает всё, что не было последним кликом. Прежде чем спорить, какой канал эффективнее, стоит сначала спросить — в какой модели атрибуции мы вообще это сравниваем.