Попросите две разные модели атрибуции объяснить одну и ту же продажу — и они, как правило, разойдутся во мнениях, иногда значительно. Модель последнего клика отдаёт всю заслугу каналу, который случайно оказался последним перед оформлением заказа. Модель первого клика отдаёт всё каналу, приведшему человека неделями раньше. Мультитач-модель делит заслугу на доли, которые никто за пределами аналитической команды не может объяснить по запросу. Ни одна из них не лжёт в точности — каждая отвечает на немного другой вопрос о процессе, который ни одна из них не может пронаблюдать полностью, потому что реальное решение о покупке частично происходит в голове человека, через разговоры, сравнения и моменты, которые бизнес никогда не видит.
Почему идеальной атрибуции не будет
Фантазийная версия атрибуции предполагает, что каждая точка касания отслеживается, каждое устройство остаётся тем же на всём пути, а путь клиента — чистая, линейная последовательность. В реальности люди изучают вопрос с телефона, спрашивают коллегу, видят ретаргетинговую рекламу, не кликая по ней, забывают название бренда на две недели и в итоге ищут его напрямую — взаимодействие, записанное как «прямой переход», наименее информативная метка в большинстве дашбордов, хотя по пути внесли вклад пять каналов. Ни одна модель этого не исправит, потому что недостающая информация — не пробел в отслеживании, который закроют лучшие инструменты. Это информация, которая изначально никогда не превращалась в данные.
Почему это не повод отказываться от неё
Неверная цифра, используемая последовательно, всё равно полезна — так же как весы с известной, стабильной погрешностью всё равно полезны для отслеживания того, растёт вес или снижается: просто не стоит воспринимать абсолютное значение как истину. Та же логика применима к атрибуции: помесячный тренд внутри одной модели, отслеживаемый последовательно, показывает, становится ли канал более или менее эффективным, даже если абсолютное распределение между каналами никогда не бывает точным. Атрибуцию как инструмент ломает не её внутренняя неточность — а смена модели посреди сравнения или отношение к одной цифре как к чему-то более достоверному, чем она может быть.
Как реально ею пользоваться
Выберите одну модель и держитесь её достаточно долго, чтобы увидеть тренды, вместо того чтобы гоняться за моделью, которая делает текущий квартал самым красивым. Относитесь к цифрам атрибуции как к направленному доказательству, которое взвешивается против других сигналов — разговоров с продажами, времени всплесков, того, что говорит клиент, когда его спрашивают, как он нашёл бизнес, — а не как к единственному источнику истины, вокруг которого каждый месяц перестраивается бюджет. И держите постоянный скептицизм к тому каналу, которому текущая модель благоволит больше всего, поскольку это часто артефакт его положения в пути клиента, а не признак того, что он заслуживает большей доли бюджета.
Где уверенность действительно помогает
Некоторым решениям реально нужна большая уверенность, чем может дать любая модель атрибуции сама по себе — например, полная остановка канала или крупное перераспределение бюджета. Для них данные атрибуции — отправная точка для разговора, а не последнее слово; сочетание их с контролируемым тестом, прямым опросом клиентов или периодом, когда этот канал просто отключён, даёт более чистую картину, чем любое уточнение модели. Инструменты, связывающие маркетинговую активность с реальным пайплайном и выручкой — а именно на этом сосредоточена основная интеграционная работа нашей команды разработки — облегчают это, не делая идеальным: никакая передача в CRM не создаст уверенности, которую исходный путь клиента изначально не породил.
Спокойное отношение к несовершенной атрибуции — часть более широкой дисциплины, которую мы описываем в работе над SEO-стратегией и контентом, где та же осторожность применима к результатам поиска: цифры позиций полезны как направление, но всё равно не рассказывают всю историю о том, почему клиент выбрал именно вас.
