GA4 не умер, он просто перестал быть «центром правды»

В 2026 спор уже не про то, ставить ли GA4. Спор про то, чем измерять продукт и выручку поверх него. Для маркетолога GA4 остаётся слоем про трафик и базовую картину, но не про поведение, когорты и ценность клиента. Там, где нужна нормальная аналитика, всё чаще выигрывают Amplitude или Mixpanel, а GA4 остаётся как обязательный, но не главный слой. Это уже не вопрос моды, а вопрос зрелости стека.

— @AnalyticsStackRu

Эра атрибуции по последнему клику окончательно ушла в прошлое

Многие специалисты до сих пор пытаются выстроить сквозную аналитику, надеясь увидеть «ту самую» кнопку, с которой пришел клиент. В 2026 году этот подход не просто бесполезен — он опасен для стратегии. Когда путь пользователя размыт между ответами искусственного интеллекта в поиске, рекомендациями в мессенджерах и прогревом через контент, борьба за последний клик становится бессмысленной тратой бюджета.

Мы переходим к эпохе RevOps (системы управления выручкой, объединяющей маркетинг, продажи и успех клиентов). В этой парадигме важно не то, какой канал «забрал» конверсию, а то, как накопленный авторитет бренда (Topical Authority) конвертируется в долгосрочную прибыль.

Мои наблюдения показывают, что попытки доказать эффективность маркетинга через старые модели атрибуции приводят к сокращению бюджетов на имиджевые направления. Бизнес видит «низкий» вклад контента и отключает его, не понимая, что именно этот контент закрывает возражения на этапе принятия решения.

Как сейчас выглядит здравый подход к аналитике стека:

— Отказ от надежд на 100% точность трекинга. Privacy-first (приоритет приватности данных) архитектура и серверная передача данных неизбежно создают зоны «слепоты». Мы учимся работать с вероятностными моделями.
— Переход к моделированию маркетингового микса (MMM). Вместо того чтобы следить за каждым пользователем, мы математически оцениваем вклад каждого канала в общий объем выручки, учитывая сезонность и внешние факторы.
— Фокус на инкрементальности (дополнительной ценности). Прежде чем масштабировать канал, используйте тесты для понимания: привел бы этот клиент прибыль, если бы мы не потратили бюджет именно здесь?

В условиях, когда средний чек падает, а потребитель становится всё более избирательным, побеждает тот, кто инвестирует в LTV (пожизненную ценность клиента) и удержание. Аналитика сегодня — это не инструмент «срезания углов» и доказательства того, что реклама работает. Это инструмент принятия решений о том, какие смыслы резонируют с аудиторией лучше всего.

Если ваша аналитика все еще занята только распределением заслуг между рекламными кампаниями — вы рискуете пропустить момент, когда рынок переключится на новую модель потребления. Перестаньте искать «золотую кнопку» и начните изучать совокупное влияние каждого касания на финансовый результат. В конечном итоге, именно выручка — единственный отчет, который имеет значение для бизнеса.

— @AnalyticsStackRu

Почему B2B-команда пересобрала аналитику вокруг Amplitude и перестала спорить о «качестве лидов»

Один B2B-сервис с длинным циклом сделки столкнулся с типичной проблемой 2026 года: маркетинг приносит не просто трафик, а сложный путь из нескольких касаний, а продажи видят только «последний клик». На этой почве начинались вечные споры — что считать лидом, какой канал «работает», почему MQL есть, а выручка не растёт.

Задача была не в том, чтобы «собрать больше отчётов», а в том, чтобы связать поведение пользователей, воронку и выручку в одной логике. Для этого команда собрала стек так: GA4 оставили как базовый источник веб-аналитики, а Amplitude взяли как основной инструмент для продуктовой и поведенческой аналитики. Логику событий выстроили вокруг ключевых действий: просмотр нужного контента, переход на pricing, запрос демо, повторные визиты, возврат в воронку.

Что это дало:
— маркетинг увидел, какие сценарии реально доводят пользователя до контакта, а не просто приводят дешёвый трафик;
— продажи получили более качественную картину по источникам и этапам прогрева;
— команда перестала оценивать каналы по одному last-click (последнему клику), что особенно важно в эпоху privacy-first атрибуции, где старые модели всё хуже объясняют вклад касаний.

Ключевой эффект был не в «магическом росте», а в управляемости: стало проще обсуждать не MQL как отдельную сущность, а вклад маркетинга в RevOps-процесс — от первого визита до выручки. Для B2B это критично: классическая лидогенерация слабеет, а выигрывает тот, кто связывает аналитику с деньгами, а не с количеством форм.

Урок простой: если у вас маркетинг, продажи и customer success смотрят в разные дашборды, вы будете спорить о цифрах вместо того, чтобы управлять спросом. GA4 полезен как базовый слой, но без поведенческой глубины Amplitude вы часто видите только фасад воронки, а не реальные причины конверсии.

— @AnalyticsStackRu

Глубже разбирают этот метод в @PremiumCasesRu

GA4 vs Amplitude vs Mixpanel: почему “единую аналитику” почти всегда ломает не склейка данных, а модель событий

Я всё чаще вижу, что команды покупают “правильные” инструменты (GA4, Amplitude, Mixpanel, Heap — любые), но всё равно получают разные цифры по одному и тому же бизнесу. И почти никогда проблема не в коннекторе или задержке. Проблема в том, как вы договорились о событиях и что считается одним и тем же действием пользователя.

Моё правило из практики: если у трёх систем нет общего словаря событий (event taxonomy) и одинакового маппинга параметров, то “единой витрины” не будет по определению. Даже если выгружаете сырые логи в CDP или кладёте данные в одно хранилище — различия возникнут уже на уровне семантики.

Что конкретно расходится чаще всего:
— “Start” vs “View” одной и той же страницы/шага в воронке (и дальше конверсия «прыгает»)
— повторные триггеры при навигации (SPA и бэкенд-рендер) — одна система считает событие, другая — нет, третья нормализует
— параметры: name/идентификаторы (например, product_id как строка в одной системе и как число в другой) → разный подсчёт уникальных пользователей и когорт
— идентификация: где и когда вы связываете anonymous-идентификатор с user_id (после логина/инвайта). В одной аналитике “один человек” может стать “двумя”.

Почему это особенно больно сейчас (и не только в 2026, просто стало заметнее):
— privacy-first атрибуция вытесняет last-click, значит вы сильнее зависите от корректной истории поведения, а не от последнего касания
— растёт роль Topical Authority (в контенте) и Zero-click: пользователи меньше “доходят до сайта” повторяемым кликом, значит качество триггеров и событий становится решающим для оценки воздействия контента и продукта
— в RevOps (выручка как общая метрика маркетинга/sales/customer success) вам нельзя “плыть” в определениях: MQL/SQL-статусы и продуктовые события должны стыковаться без ручных трактовок.

Один ориентир по цифрам: в типичном проекте, где запуск делался “как обычно”, мы в первом аудите ловили расхождение до 10–20% по ключевым конверсиям только из‑за дублирующихся/несовпадающих событий. После нормализации таксономии и параметров цифры сходились, и спор “какая система права” превращался в “какую модель мы выбираем и почему”.

Как я бы действовал:
— фиксировать таксономию событий как договор: название, условия, параметры, правила дедупликации, кто владелец
— отдельно тестировать SPA/edge-кейсы: роутинг, возвраты назад, повторный рендер
— строить матрицу соответствия “продуктовое действие ↔ аналитическое событие” для каждой воронки (а не “просто импортируем всё”)
— и только после этого — решать, GA4 это, Amplitude или Mixpanel (или параллельно). Инструмент вторичен, модель событий — первична.

Если хотите, могу дать шаблон таблицы таксономии: какие колонки я требую, чтобы потом не разъехались отчёты между GA4/Amplitude/Mixpanel и серверной атрибуцией.

— @AnalyticsStackRu

1. Выкатить ни какую он-лайн конфу я естесвенно не выкатил, потерпите

2. После прошлого видео (тык) мой канал теперь имеет юзер @PO_YICA_BRAL

3. Держите вечернее видео, я нажрусь и спать

Чото надо ещё сказать? Ну, можно лишь добавить Настя #MelBet верни деньги, не играй с огнём, со мной лучше не ссориться. Спасибо.

P.S. Бабка-то, похоже, не своей..... см. видео!

С уважением, Иванов Е.Ю!

🎁 РОЗЫГРЫШ $2000 ОТ SERG ACCS

🥇 1 место — $1000
🥈 2 место — $700
🥉 3 место — $300

Как участвовать:
1️⃣ Подпишитесь на канал
2️⃣ Нажмите «✅ Участвую»
3️⃣ Получите 1 стартовый билет

Больше билетов:
🛒 Покупки — минимум 1 билет, далее +1 за каждые полные $50 реальной оплаты. Максимум — 50.
👥 Рефералы — +5 за первую подходящую покупку друга и +1 за каждые накопленные $100 его покупок. Максимум — 50.

Общий максимум — 100 билетов.
Чем больше билетов, тем выше шанс. Даже 1 билет участвует.

Призы начислим на баланс в боте SERG ACCS.

Итоги 15.09. Всем удачи! 🔥

Как Aviasales собрал аналитику так, чтобы маркетинг видел не клики, а выручку

В 2026 году это звучит особенно актуально: лиды сами по себе всё хуже объясняют вклад маркетинга в деньги. У Aviasales в фокусе давно не просто трафик, а поведение пользователя на длинной воронке — от поиска билета до повторной покупки. Для такого продукта классический last-click ломается почти сразу: человек сравнивает цены на одном устройстве, возвращается с другого, а решение принимает позже.

Задача была не в том, чтобы «считать всё подряд», а в том, чтобы собрать единую картину по продукту и маркетингу. Команда столкнулась с типичной проблемой большого consumer-сервиса: в вебе видны сессии, в приложении — события, в CRM — возвраты и сегменты, а в рекламных кабинетах — только верх воронки. В итоге отчётность показывала активность, но не отвечала на главный вопрос: какие каналы реально приводят к покупке и повторной покупке.

Решение строилось вокруг событийной аналитики. Авiasales постепенно уходил от логики «страница — визит — конверсия» к модели, где ключевыми становятся действия пользователя: поиск направления, просмотр цен, переход к бронированию, возврат в приложение, повторный поиск. Для такого подхода обычно выбирают связку уровня GA4 плюс продуктовая аналитика вроде Amplitude или Mixpanel: GA4 закрывает атрибуцию и базовую медиа-аналитику, а продуктовый слой помогает видеть последовательности действий и когортное поведение.

Что важно в кейсе:
— события проектируются не от отчёта, а от бизнес-вопроса;
— одна и та же сущность пользователя должна склеиваться между вебом, приложением и e-mail;
— метрики маркетинга связываются с выручкой, а не только с CTR и CPL;
— отдельное внимание уходит на удержание, потому что в 2026-м повторная покупка ценнее первой.

Результат у такого подхода обычно не в «магической дашборд-таблице», а в дисциплине решений. Маркетинг начинает видеть, какие каналы приводят не просто дешёвый трафик, а пользователей с высокой вероятностью повторного поиска и покупки. Продукт — какие сценарии реально двигают конверсию. Финансы — где вклад в выручку, а где только красивый объём.

Урок простой: в зрелом B2C-сервисе аналитика должна отвечать не на вопрос «сколько было кликов», а на вопрос «какой путь пользователя создаёт деньги». И чем сильнее рынок уходит в privacy-first атрибуцию и отказ от last-click, тем ценнее такая связка GA4 + продуктовая аналитика + выручка.

— @AnalyticsStackRu

Как Nike пересобрал аналитику на стыке бренда и performance, чтобы видеть не клики, а вклад в выручку

В 2026-м у брендов одна и та же проблема: last-click ещё живёт в отчётах, но управлять ростом по нему всё опаснее. У Nike это особенно заметно: часть спроса формируют не прямые переходы из рекламы, а контент, поиск по теме, медиа-эффект и повторные визиты. Если мерить только финальный клик, можно урезать каналы, которые на самом деле греют спрос.

Задача была прагматичная: понять, какие касания реально двигают пользователя к покупке, а какие только собирают видимый трафик. Для этого Nike пошёл не в одну систему, а собрал стек по ролям:
— GA4 — для базовой картины по трафику, источникам и событиям на сайте;
— Amplitude — чтобы видеть поведение по когортам и сценариям после первого визита;
— Mixpanel — для глубокой продуктовой воронки: от просмотра товара до добавления в корзину и повторной покупки;
— серверная передача событий — чтобы не терять данные из-за privacy-first ограничений и блокировок браузеров.

Ключевое решение было не в «ещё одном дашборде», а в связке аналитик. Nike начал смотреть не только на конверсию первой сессии, но и на отложенный эффект: сколько людей вернулись в течение 7, 14 и 30 дней, как меняется LTV по каналам и какие кампании дают прирост, а не просто перетягивают уже готовый спрос. Внутри команды это перевернуло логику: бренд-медиа, поисковая видимость и ретеншн (удержание) перестали спорить с performance, потому что стали измеряться в одной системе координат — в выручке.

Результат у таких кейсов обычно не в «+1% к CTR», а в более здоровом распределении бюджета. Когда видишь, что канал с дешёвым кликом даёт слабый возврат, а контентный или брендовый трафик приносит выше повторные покупки, решение становится очевидным. Именно поэтому у крупных брендов в 2026-м растёт не отчёт по MQL, а RevOps-логика: маркетинг отвечает не за лиды, а за вклад в деньги.

Урок простой: **в современном analytics stack побеждает не тот, у кого больше событий, а тот, кто умеет связать поведение, повторный визит и выручку**. GA4 даёт ширину, Amplitude и Mixpanel — глубину, а server-side сбор — устойчивость. Если этого нет, бренд видит не рынок, а только собственную тень в last-click.

— @AnalyticsStackRu

Server-side атрибуция: что перенести в GTM Server первым

Шаг 1. Аудит точек потери сигнала. Откройте GA4 → Отчёт «Источники трафика» и сравните долю Direct c Organic за последние 90 дней. Если Direct вырос больше 25% — это сигнал, что клиентские идентификаторы (client ID) теряются до загрузки скрипта. Параллельно проверьте consent rate в CMP (баннер согласия): если меньше 60% по EU-трафику, треть сеансов просто не доходит до аналитики.

Шаг 2. Запустите GTM Server. Минимально жизнеспособная конфигурация: контейнер на Cloud Run (App Engine дороже в 2–3 раза при тех же RPS), доменный CNAME типа ss.example.ru, сертификат через автоматический провижинг. Не поднимайте свой сервер — поддержка убьёт бюджет.

Шаг 3. Переведите в первую очередь Conversion API (Meta и VK Ads — раньше назывался пиксель), затем GA4. Сторонние cookie останутся, но потери от ITP и ad-blockers исчезнут. Один и тот же client_id теперь живёт в first-party контексте и совпадает между веб-приложением, CRM и рекламной платформой.

Шаг 4. Включите режим согласия (consent mode) v2 на серверном GTM. При отказе пользователя от cookies отправляйте cookieless-pings — модели конверсии Google закроют пробелы сами. Тестируйте в режиме Debug, сравнивая server vs client события: расхождение больше 5% означает ошибку в маршрутизации тегов.

Шаг 5. Подключите MMM (media mix modeling) как второй слой валидации. Server-side даёт точный сбор данных, MMM — ответ на вопрос «а каналы-то какие вклад внесли». Без второго слоя вы улучшите качество данных, но не поймёте, что с ними делать.

Что сделать на этой неделе: открыть отчёт GA4, зафиксировать baseline по Direct и consent rate, выбрать подрядчика или выделить день на запуск Cloud Run-контейнера. Не пытайтесь перенести всё сразу — Meta CAPI и GA4 закроют 80% ценности миграции.

— @AnalyticsStackRu

Атрибуция в 2026-м: смерть последнего клика

В эпоху, когда путь клиента стал похож на запутанный лабиринт из подсказок нейросетей и рекомендаций в AI-обзорах, ставка на модель последнего клика выглядит как попытка измерить температуру по звездам. Мы наблюдаем закат привычной воронки, где каждый канал отчитывался за свою «порцию» лидов. Теперь, когда RevOps (объединение маркетинга и продаж для управления выручкой) стал стандартом, ценность аналитики сместилась в сторону MMM (моделирования маркетингового микса) и оценки инкрементальности — реального вклада канала в рост продаж. *Маркетинг перестал быть про клики, он стал про доверие и удержание.* Сложно доказать ценность бренда через метрики одной сессии, когда решение о покупке созревает в закрытых сообществах, а не в поисковой выдаче. Похоже, время «быстрых» отчетов прошло, уступив место долгой игре в LTV (пожизненную ценность клиента).

— @AnalyticsStackRu

Лонгрид о мемном кейсе Melbet vs Pepper Partners - реально ли оценить в аффилейтке репутационный ущерб в деньгах?

История на $2,000 вряд ли разрушит крупный бренд. Но она вполне может стоить ему сотен тысяч долларов и более, если публично остаётся без внятного решения.

Я в аффилейт-маркетинге более 25 лет, а последние пару лет одно из моих основных направлений - B2B matchmaking. Поэтому я регулярно вижу споры между компаниями о выплатах и претензии, и таких ситуаций в рынке явно становится больше.

Знаю многие кейсы, которые были в итоге решены благополучно до выхода в публичное поле и всегда приятно видеть, когда так происходит, но все больше и больше кейсов, которые не просто выходят в паблик, а еще и очень странным и глупым образом в паблике продолжают долго оставаться и наносить ущерб в то время как имеют очень простые и адекватные для обеих сторон варианты решения.

Вот например про один из таких кейсов писал уже здесь весной.

Если неконструктивны обе стороны (а бывает и так), то можно к этому относиться просто как к развлекательному контенту.

Но когда одна сторона открыта к адекватной коммуникации и поиску оптимального решения, а вторая сторона просто игнорирует проблему, при этом не уходя с рынка в закат, а продолжая тратить огромные бюджеты на PR и маркетинг бренда - это любопытная аномалия.

Сейчас самый заметный в аффилейт рынке пример это кейс Melbet <> Pepper Partners, который уже более месяца развивается в публичном поле и о нем уже писали и многие аффилейт медиа, и отдельные блоги, я наверно один из последних, кто у себя в блоге еще об этом не писал)

Изначальное заявление кейса и описание претензии от Pepper Partners можно почитать здесь.

Очень приличный на мой взгляд разбор со стороны и указание пары простых и логичных вариантов решения ситуации написал Артем Кравченко, можно почитать у него.

А я хочу разобрать эту историю с другой стороны, как можно оценивать репутационные потери от подобных историй непосредственно в деньгах и принимать более взвешенные решения, стоит ли вообще брендам занимать тактику игнорирования и допускать появление и продолжительное обмусоливание таких тем в паблике.

Для мелкого и крупного бренда такие истории могут иметь очень разный эффект, поэтому здесь разберем на примере крупного бренда, так как Melbet в нашем рынке относится именно к таким.

Не знаю конечно их точные цифры затрат на PR в рамках афф рынка (участие в конфах, собственные ивенты, реклама в афф медиа и т.п.), но из того, что вижу как организатор ивентов с приличным опытом, этот бюджет явно измеряется в миллионах $ в год, если не выходит за $10млн+.

Это без PR затрат на прямое привлечение игроков (бренд-амбассадоры, спонсорства футбольных клубов и т.п.), без бюджетов непосредственно на закупку трафика. Только на аффилейтку.

И вот уже более месяца в паблике незакрытый и не откоммуницированный публично кейс на $2k (две тысячи долларов).

В публичной дискуссии сейчас преобладает позиция, что Melbet в этом споре неправы.

Может их развернутая публичная позиция поменяла бы мнение, но ее нет, соответственно на данный момент так.

Какие материальные потери может понести бренд в такой истории?

Многие люди, даже очень опытные и умные, почему-то к таким ситуациям относятся бинарно.

Рухнет бренд (закроется, обанкротится) - значит плохо на них повлиял кейс.

Останется бренд жить и работать как ни в чем не бывало внешне - значит никак не повлияло и может они правильно решили игнорировать, а кто-то вообще решит брать с них пример.

Но это же совсем не так, ситуация не бинарная.

Представим не фактические цифры Melbet, которых у нас нет, а консервативную модель крупного рекламодателя.

Если из-за такого кейса бренд потеряет 10 качественных действующих активных партнёров, либо не привлечёт 10 таких новых партнёров, которые в другой ситуации начали бы с ним работать, последствия уже могут быть кратно выше суммы самого спора.

Я не знаю внутренний LTV партнёра у Melbet. Но если принять для активного опытного аффилейта условные $10,000 LTV, десять таких потерянных партнеров - это уже шестизначная сумма $ недополученного дохода. И это без учёта крупных команд, в случае которых эффект может быть кратно выше и оказаться семизначным.

Даже если в этой модели ошибиться и завысить в несколько раз, сам принцип никуда не исчезает - незакрытый публичный спор на $2,000 в любом случае обойдется бренду многократно дороже этих $2,000.

Цифры конечно я прикинул условные, но рассуждения не виртуальные - я знаю афф команды, которые перестали быть их активными партнерами из-за этого кейса.

Одна известная в рынке команда публично рассказала о своем таком решении в моем чатике про scam-кейсы.

А теперь вернемся к миллионам долларов в год, которые Melbet тратит на публичный PR среди аффов через конфы и прочие активности.

У этих трат же есть определенные ожидаемые и реальные результаты, верно?

На каждый затраченный миллион ожидается определенное количество привлеченных новых партнеров и укрепление лояльности и увеличение оборотов с определенным количеством действующих партнеров.

Вообще без понятия какая там ожидаемая сумма выхлопа на каждый потраченный миллион, поэтому обозначим ожидаемую сумму выхлопа с потраченного на PR миллиона в X.

При таком незакрытом публичном кейсе, вызывающем большой отклик и возмущение в рынке - останется эта сумма выхлопа с PR X без учета прочих факторов или она станет меньше X?

Очевидно станет меньше, доверие к бренду ниже, а значит и вложения в PR дают меньшую отдачу.

Я понимаю, что не все читатели, в том числе заинтересованные, могут дружить с математикой, и особенно понятием математического ожидания на дистанции, но вопрос здесь не только в этике и не только в справедливости конкретной претензии. Это вопрос качества управленческого решения.

Когда бренд инвестирует миллионы в доверие рынка - через конференции, медиа, партнёрские активности и PR, игнорирование аргументированного публичного конфликта снижает отдачу от всех этих вложений. Репутация не выглядит отдельной строкой в P&L, но её потеря вполне превращается в недополученный доход, более дорогой PR и менее лояльных партнёров.

Я искренне надеюсь, что все больше компаний в нашем рынке будут становиться более сознательными и не терять огромные деньги на ровном месте, и если бизнес-этика не зашита в культурный код, то хотя бы из сугубо материальных корыстных соображений начнут вести себя адекватнее)

Всем отличной недели и благоразумия)

AI-агенты для контент- и research-процессов: что выбрать маркетингу

Для команд, которые в 2026 году живут в условиях zero-click-эпохи, важны не «потоки текста», а скорость проверки гипотез, работа с первичными данными и умение превращать экспертизу в публикации. Ниже — три инструмента одного класса, но с разными задачами: от SEO-рутин до research без галлюцинаций.

Writer — для контент-команд и редакций — сильная сторона: может по одному запросу собрать черновик, разметить материал, подготовить публикацию и встроиться в WordPress-процесс — минус: хорош как конвейер, но требует строгих правил качества, иначе быстро штампует средний по силе контент.

Semrush AI-агенты — для SEO- и performance-команд — сильная сторона: опираются на живые данные Semrush, помогают находить контентные разрывы, планировать темы, обновлять статьи и смотреть, что сработало — минус: это инструмент под SEO-операционку, а не под глубокую смысловую редактуру и бренд-голос.

WRITER Research Agent — для аналитиков, B2B-маркетинга и content marketing-стратегов — сильная сторона: тянет данные из первичных источников вроде FRED, OECD, World Bank и SEC EDGAR, поэтому полезен там, где важны ссылки на факты, а не пересказ — минус: не заменяет интерпретацию; без человеческой постановки вопроса выводы остаются слишком общими.

Как выбирать: если нужна автоматизация публикаций — Writer; если задача в SEO-обновлениях и контент-дырах — Semrush AI-агенты; если важны проверяемые данные для исследования и белого B2B-контента — WRITER Research Agent.

— @AnalyticsStackRu

GA4 побеждает там, где нужен стандарт, а не удобство

Если смотреть на стек без романтики, GA4 — это «база по умолчанию»: дешёвый вход, понятная интеграция с рекламой и достаточно данных для повседневного контроля. Но как только команде нужна живая продуктовая аналитика — когорты, поведение по сценариям, гибкая сегментация — Amplitude или Mixpanel обычно оказываются честнее. Мой вывод простой: GA4 хорош как общий язык между маркетингом и бизнесом, но не как единственный источник правды.

— @AnalyticsStackRu