Incrementality — это не “ещё одна методика”, а способ перестать спорить о чьей заслугой был рост
В 2026 все устали от last-click (последнего клика): privacy-first атрибуция рвёт цепочки, а креативы теперь конкурируют концепциями, а не “правильным” баннером. Для перфоманс-руководителя важнее вопрос: что произойдёт, если мы выключим канал или изменим долю расходов, и насколько результат сохранится. MMM и инкрементальность — просто честные рамки для разговора про выручку, а не про клики.
— @AttributionRoom
В 2026 все устали от last-click (последнего клика): privacy-first атрибуция рвёт цепочки, а креативы теперь конкурируют концепциями, а не “правильным” баннером. Для перфоманс-руководителя важнее вопрос: что произойдёт, если мы выключим канал или изменим долю расходов, и насколько результат сохранится. MMM и инкрементальность — просто честные рамки для разговора про выручку, а не про клики.
— @AttributionRoom
Смерть последнего клика в эпоху RevOps и фрагментированного пути пользователя
Классическая атрибуция на основе последнего клика (last-click) окончательно утратила прикладную ценность для крупных брендов. В 2026 году, когда потребительское поведение фрагментировано между ответами искусственного интеллекта, социальными сетями и прямыми переходами, вера в то, что одна «точка касания» совершила продажу, становится опасным заблуждением. Мы видим, как performance-директора (руководители по эффективности маркетинга), продолжающие опираться на линейные модели, теряют бюджеты, инвестируя в каналы, которые лишь собирают спрос, а не формируют его.
В условиях, когда классическая генерация маркетинговых лидов (MQL) уступает место модели RevOps — общей ответственности за выручку, — фокус смещается на измерение долгосрочного вклада каждого канала. Моя практика показывает, что при переходе от атрибуции последнего клика к современным методам маркетингового моделирования (MMM) и проверке прироста эффективности (incrementality), доля «эффективных» каналов в отчетах часто сокращается на 20–30%. Остальное оказывается перехватом органического спроса, который существовал бы и без участия платных кампаний.
Основные выводы, которые стоит внедрить в работу прямо сейчас:
— Оценка медиа-микса должна строиться на базе эконометрических моделей, которые учитывают внешние факторы, сезонность и долгосрочный эффект узнаваемости бренда. Атрибуция на уровне данных (data-driven) хороша для тактики, но MMM — это единственный способ понять стратегическую окупаемость вложений.
— Игнорирование «нулевого клика» (zero-click) — стратегическая ошибка. Потребитель получает ответ в выдаче AI-поиска и принимает решение о покупке, не переходя на сайт. Если ваша система оценки эффективности не учитывает влияние охватных кампаний на брендовый поиск и прямые заходы, вы слепы к реальным драйверам роста.
— Переход на server-side (серверную) передачу данных — не просто техническая необходимость из-за ограничений браузеров, а фундамент для качественной аналитики. Без владения собственными данными (first-party data) любая попытка настроить сквозную аналитику превращается в гадание.
Эра «дешевого» лида прошла вместе с прозрачностью рекламных площадок. Сегодня побеждает тот, кто умеет отделять реальный прирост продаж от статистического шума. Если вы до сих пор принимаете решения по отчету из кабинета рекламной платформы, вы не управляете маркетингом — вы лишь следите за тем, как площадки расходуют ваш бюджет.
— @AttributionRoom
@ExperimentationRoom разбирают это с практической стороны
Классическая атрибуция на основе последнего клика (last-click) окончательно утратила прикладную ценность для крупных брендов. В 2026 году, когда потребительское поведение фрагментировано между ответами искусственного интеллекта, социальными сетями и прямыми переходами, вера в то, что одна «точка касания» совершила продажу, становится опасным заблуждением. Мы видим, как performance-директора (руководители по эффективности маркетинга), продолжающие опираться на линейные модели, теряют бюджеты, инвестируя в каналы, которые лишь собирают спрос, а не формируют его.
В условиях, когда классическая генерация маркетинговых лидов (MQL) уступает место модели RevOps — общей ответственности за выручку, — фокус смещается на измерение долгосрочного вклада каждого канала. Моя практика показывает, что при переходе от атрибуции последнего клика к современным методам маркетингового моделирования (MMM) и проверке прироста эффективности (incrementality), доля «эффективных» каналов в отчетах часто сокращается на 20–30%. Остальное оказывается перехватом органического спроса, который существовал бы и без участия платных кампаний.
Основные выводы, которые стоит внедрить в работу прямо сейчас:
— Оценка медиа-микса должна строиться на базе эконометрических моделей, которые учитывают внешние факторы, сезонность и долгосрочный эффект узнаваемости бренда. Атрибуция на уровне данных (data-driven) хороша для тактики, но MMM — это единственный способ понять стратегическую окупаемость вложений.
— Игнорирование «нулевого клика» (zero-click) — стратегическая ошибка. Потребитель получает ответ в выдаче AI-поиска и принимает решение о покупке, не переходя на сайт. Если ваша система оценки эффективности не учитывает влияние охватных кампаний на брендовый поиск и прямые заходы, вы слепы к реальным драйверам роста.
— Переход на server-side (серверную) передачу данных — не просто техническая необходимость из-за ограничений браузеров, а фундамент для качественной аналитики. Без владения собственными данными (first-party data) любая попытка настроить сквозную аналитику превращается в гадание.
Эра «дешевого» лида прошла вместе с прозрачностью рекламных площадок. Сегодня побеждает тот, кто умеет отделять реальный прирост продаж от статистического шума. Если вы до сих пор принимаете решения по отчету из кабинета рекламной платформы, вы не управляете маркетингом — вы лишь следите за тем, как площадки расходуют ваш бюджет.
— @AttributionRoom
@ExperimentationRoom разбирают это с практической стороны
Почему модель атрибуции по последнему клику окончательно стала пережитком
В 2026 году мы наблюдаем закономерный финал эпохи, когда эффективность рекламных каналов измерялась по конечному источнику перехода. Для Performance-директора (руководителя по эффективности маркетинга) опора на Last-click (атрибуцию по последнему клику) сегодня равносильна управлению автомобилем с завязанными глазами, ориентируясь только на звук мотора.
Проблема не только в Privacy-first (политике приоритета конфиденциальности), которая заблокировала большую часть Cookie-файлов (идентификаторов браузера). Проблема в изменении самой структуры принятия решения потребителем. В условиях снижения среднего чека и перехода к Retention (удержанию) вместо бесконечной погони за первой покупкой, путь клиента стал нелинейным и растянутым во времени. Когда пользователь видит AI-overviews (сводки от искусственного интеллекта) в поиске, он совершает целевое действие не из-за конкретного объявления, а на основе сформированного Topical Authority (авторитета площадки в конкретной теме).
На практике мы видим следующую картину: при отключении канала, который по данным сквозной аналитики якобы «не приносит лидов», общие продажи в регионе проседают на 15–20%. Это происходит потому, что этот канал работал на этапе прогрева или Brand awareness (осведомленности о бренде), создавая базу для последующего конверсионного действия.
*Настало время сместить фокус на MMM (маркетинговое моделирование микса) и тесты на инкрементальность.*
Переход к модели, где математическая модель оценивает вклад каждого канала в итоговую выручку, — это не просто прихоть аналитиков. Это единственный способ выжить в рамках RevOps (системы управления выручкой), где маркетинг несет солидарную ответственность с отделом продаж.
Что делать руководителю сейчас:
— Внедрять серверную атрибуцию для сбора первичных данных, чтобы компенсировать потери из-за ограничений браузеров.
— Проводить регулярные тесты на инкрементальность: отключать отдельные каналы в разных регионах, чтобы замерять «чистый» прирост выручки, а не отчетную статистику рекламных кабинетов.
— Оценивать эффективность креатива через призму концептуальной ценности, а не просто кликабельности, так как в эпоху Zero-click (отсутствия переходов) внимание пользователя — единственный конвертируемый актив.
Доверять цифрам, которые рисует рекламная площадка — значит добровольно делегировать управление бюджетом тому, кто заинтересован в его максимальном расходовании. Переход от «кликов» к «моделированию влияния» — это точка роста для бизнеса, который планирует оставаться на рынке в ближайшие годы.
— @AttributionRoom
В 2026 году мы наблюдаем закономерный финал эпохи, когда эффективность рекламных каналов измерялась по конечному источнику перехода. Для Performance-директора (руководителя по эффективности маркетинга) опора на Last-click (атрибуцию по последнему клику) сегодня равносильна управлению автомобилем с завязанными глазами, ориентируясь только на звук мотора.
Проблема не только в Privacy-first (политике приоритета конфиденциальности), которая заблокировала большую часть Cookie-файлов (идентификаторов браузера). Проблема в изменении самой структуры принятия решения потребителем. В условиях снижения среднего чека и перехода к Retention (удержанию) вместо бесконечной погони за первой покупкой, путь клиента стал нелинейным и растянутым во времени. Когда пользователь видит AI-overviews (сводки от искусственного интеллекта) в поиске, он совершает целевое действие не из-за конкретного объявления, а на основе сформированного Topical Authority (авторитета площадки в конкретной теме).
На практике мы видим следующую картину: при отключении канала, который по данным сквозной аналитики якобы «не приносит лидов», общие продажи в регионе проседают на 15–20%. Это происходит потому, что этот канал работал на этапе прогрева или Brand awareness (осведомленности о бренде), создавая базу для последующего конверсионного действия.
*Настало время сместить фокус на MMM (маркетинговое моделирование микса) и тесты на инкрементальность.*
Переход к модели, где математическая модель оценивает вклад каждого канала в итоговую выручку, — это не просто прихоть аналитиков. Это единственный способ выжить в рамках RevOps (системы управления выручкой), где маркетинг несет солидарную ответственность с отделом продаж.
Что делать руководителю сейчас:
— Внедрять серверную атрибуцию для сбора первичных данных, чтобы компенсировать потери из-за ограничений браузеров.
— Проводить регулярные тесты на инкрементальность: отключать отдельные каналы в разных регионах, чтобы замерять «чистый» прирост выручки, а не отчетную статистику рекламных кабинетов.
— Оценивать эффективность креатива через призму концептуальной ценности, а не просто кликабельности, так как в эпоху Zero-click (отсутствия переходов) внимание пользователя — единственный конвертируемый актив.
Доверять цифрам, которые рисует рекламная площадка — значит добровольно делегировать управление бюджетом тому, кто заинтересован в его максимальном расходовании. Переход от «кликов» к «моделированию влияния» — это точка роста для бизнеса, который планирует оставаться на рынке в ближайшие годы.
— @AttributionRoom
Как быстро собрать MMM-проверку для performance-команды за 7 дней
Если вы управляете платным трафиком, MMM не нужно начинать с «идеальной модели». На этой неделе задача проще: получить рабочий контур, который покажет, где last-click врёт, а где бюджет можно перераспределять без потери выручки.
1. Зафиксируйте 12–18 месяцев данных по неделям: расходы по каналам, выручку, маржу, промо, цену, сезонность, наличие товара, долю брендового спроса. Без этих факторов модель почти всегда переоценит медийные каналы и недооценит спрос, созданный брендом.
2. Сведите каналы не до площадок, а до экономически понятных групп: поисковый бренд, поисковый небренд, социальная реклама, видео, ретаргетинг, партнёрки, офлайн, email. Чем меньше дробление, тем выше шанс получить интерпретируемый результат.
3. Уберите периоды с аномалиями: смена ассортимента, сбой аналитики, резкие распродажи, логистические провалы. MMM не лечит плохие данные — он просто красиво их объясняет.
4. Постройте базовую модель с контролями: тренд, сезонность, промо, цена, stock-out. Задача первой версии — не «поймать всё», а отделить спрос от давления рекламы.
5. Сверьте результат с инкрементальностью (incrementality — приростом): возьмите 1–2 канала и проверьте их через holdout-тест или гео-эксперимент. Если MMM и тест расходятся, правьте допущения, а не отчёт.
6. Посчитайте не только вклад в выручку, но и вклад в маржу. В 2026 году при падающем среднем чеке выигрывает тот, кто оптимизирует **прибыль**, а не клики.
7. На созвоне покажите три решения: что сократить, что оставить, что протестировать ещё раз. MMM ценен не графиками, а перераспределением бюджета на следующую неделю.
— @AttributionRoom
Если вы управляете платным трафиком, MMM не нужно начинать с «идеальной модели». На этой неделе задача проще: получить рабочий контур, который покажет, где last-click врёт, а где бюджет можно перераспределять без потери выручки.
1. Зафиксируйте 12–18 месяцев данных по неделям: расходы по каналам, выручку, маржу, промо, цену, сезонность, наличие товара, долю брендового спроса. Без этих факторов модель почти всегда переоценит медийные каналы и недооценит спрос, созданный брендом.
2. Сведите каналы не до площадок, а до экономически понятных групп: поисковый бренд, поисковый небренд, социальная реклама, видео, ретаргетинг, партнёрки, офлайн, email. Чем меньше дробление, тем выше шанс получить интерпретируемый результат.
3. Уберите периоды с аномалиями: смена ассортимента, сбой аналитики, резкие распродажи, логистические провалы. MMM не лечит плохие данные — он просто красиво их объясняет.
4. Постройте базовую модель с контролями: тренд, сезонность, промо, цена, stock-out. Задача первой версии — не «поймать всё», а отделить спрос от давления рекламы.
5. Сверьте результат с инкрементальностью (incrementality — приростом): возьмите 1–2 канала и проверьте их через holdout-тест или гео-эксперимент. Если MMM и тест расходятся, правьте допущения, а не отчёт.
6. Посчитайте не только вклад в выручку, но и вклад в маржу. В 2026 году при падающем среднем чеке выигрывает тот, кто оптимизирует **прибыль**, а не клики.
7. На созвоне покажите три решения: что сократить, что оставить, что протестировать ещё раз. MMM ценен не графиками, а перераспределением бюджета на следующую неделю.
— @AttributionRoom
Nike и MMM: как бренд перестал мерить рост по последнему клику
В 2024 году Nike столкнулся с типичной для крупного бренда задачей: платный трафик в отчётах выглядел «здоровым», но общий рост выручки замедлялся. На фоне privacy-first-ограничений, слабой видимости mobile-трекинга и роста доли zero-click-контента компания увидела классическую проблему последнего клика: он начал приписывать себе уже сформированный спрос, а не создавать его.
Задача была не «нарастить ещё один канал», а понять, где деньги действительно приносят прирост. Для этого Nike усилил связку MMM-модели и тестов на инкрементальность. Идея простая: MMM показывает вклад каналов на уровне всей системы, а инкрементальность проверяет, что происходит при отключении или сокращении конкретного источника. Это особенно важно в 2026-м, когда performance всё чаще работает в среде, где часть конверсий не видна напрямую.
Что сделали:
— пересобрали медиамикс не вокруг каналов, а вокруг ролей: верх воронки, перехват спроса, удержание;
— отдельно оценили брендовый поиск, ретаргетинг и платный social как каналы с высоким риском переатрибуции;
— провели geo-тесты и holdout-эксперименты: в части регионов снижали давление paid media и сравнивали изменение продаж с контрольной зоной;
— сверили результаты MMM с экспериментами, чтобы не принять красивую модель за правду.
Результат оказался показателен: часть бюджета, которая в last-click выглядела «обязательной», дала слабый или нулевой прирост. Зато верхневоронковые кампании и часть mid-funnel-активностей показали более высокий вклад в incremental revenue, чем это виделось в кабинетах рекламных систем. По сути, компания сместила фокус с «дешёвого лида» на **прирост выручки**.
Главный урок для главы performance простой: если бренд живёт только в атрибуции платформ, он платит за видимость, а не за эффект. В 2026 году сильная performance-функция — это не тот, кто лучше оптимизирует CPC, а тот, кто умеет доказать инкрементальный вклад каждого рубля. MMM без экспериментов слепа, эксперименты без MMM локальны. Вместе они дают управляемую систему, а не набор красивых отчётов.
— @AttributionRoom
Параллельный взгляд на тему — @InfluencerResearchRu
В 2024 году Nike столкнулся с типичной для крупного бренда задачей: платный трафик в отчётах выглядел «здоровым», но общий рост выручки замедлялся. На фоне privacy-first-ограничений, слабой видимости mobile-трекинга и роста доли zero-click-контента компания увидела классическую проблему последнего клика: он начал приписывать себе уже сформированный спрос, а не создавать его.
Задача была не «нарастить ещё один канал», а понять, где деньги действительно приносят прирост. Для этого Nike усилил связку MMM-модели и тестов на инкрементальность. Идея простая: MMM показывает вклад каналов на уровне всей системы, а инкрементальность проверяет, что происходит при отключении или сокращении конкретного источника. Это особенно важно в 2026-м, когда performance всё чаще работает в среде, где часть конверсий не видна напрямую.
Что сделали:
— пересобрали медиамикс не вокруг каналов, а вокруг ролей: верх воронки, перехват спроса, удержание;
— отдельно оценили брендовый поиск, ретаргетинг и платный social как каналы с высоким риском переатрибуции;
— провели geo-тесты и holdout-эксперименты: в части регионов снижали давление paid media и сравнивали изменение продаж с контрольной зоной;
— сверили результаты MMM с экспериментами, чтобы не принять красивую модель за правду.
Результат оказался показателен: часть бюджета, которая в last-click выглядела «обязательной», дала слабый или нулевой прирост. Зато верхневоронковые кампании и часть mid-funnel-активностей показали более высокий вклад в incremental revenue, чем это виделось в кабинетах рекламных систем. По сути, компания сместила фокус с «дешёвого лида» на **прирост выручки**.
Главный урок для главы performance простой: если бренд живёт только в атрибуции платформ, он платит за видимость, а не за эффект. В 2026 году сильная performance-функция — это не тот, кто лучше оптимизирует CPC, а тот, кто умеет доказать инкрементальный вклад каждого рубля. MMM без экспериментов слепа, эксперименты без MMM локальны. Вместе они дают управляемую систему, а не набор красивых отчётов.
— @AttributionRoom
Параллельный взгляд на тему — @InfluencerResearchRu
Как Nike проверял, что digital даёт не только клики, но и прирост продаж
В 2026-м у performance-руководителя главный вопрос уже не «какой канал дал последний клик», а «что реально добавило выручку». На этом фоне особенно показателен кейс Nike: бренд перешёл от оценки кампаний по прямым конверсиям к связке MMM (маркетинг-микс-моделирование) и incrementality-тестов.
Контекст был простой: платный трафик рос, а отчётность по last-click показывала красивую картину, но не отвечала на вопрос о приросте. В одном из рынков Nike увидел, что поиск и ретаргетинг стабильно забирают львиную долю атрибуции, хотя часть продаж происходила бы и без них. Для главы performance это типичная ловушка: канал выглядит эффективным, пока не измеряешь инкрементальность.
Задача была двойная:
— понять, какие каналы реально создают дополнительный спрос;
— перераспределить бюджет так, чтобы не покупать уже существующий спрос по завышенной цене.
Решение строилось в два слоя. Сначала Nike собрал MMM на уровне страны и категории: модель показала вклад каналов в продажи с учётом сезонности, промо, медиа-давления и цен. Затем поверх модели провели geo-тесты: в части регионов рекламу усиливали, в части — снижали, сравнивая разницу в продажах. Так отделяли «видимую» атрибуцию от реального прироста.
Что выяснилось:
— часть брендового поиска давала высокий отчётный ROAS, но слабый инкрементальный эффект;
— верх воронки — видео и широкое медиа — работали хуже в last-click, но лучше в приросте;
— перераспределение 10–15% бюджета из переоценённых каналов в каналы с доказанным uplift дало заметный рост эффективности на уровне всей медиасистемы.
Главный результат не в одном цифро-блестящем отчёте, а в смене управленческой логики: команда начала оптимизировать не клики, а вклад в продажи и маржинальность. Это особенно важно сейчас, когда privacy-first атрибуция, server-side и MMM становятся стандартом, а zero-click среда всё чаще скрывает путь пользователя.
Урок для performance-руководителя простой: если канал выигрывает только в последнем касании, это ещё не аргумент в его пользу. **Побеждает не тот, кто лучше считает конверсии, а тот, кто доказывает прирост.**
— @AttributionRoom
В 2026-м у performance-руководителя главный вопрос уже не «какой канал дал последний клик», а «что реально добавило выручку». На этом фоне особенно показателен кейс Nike: бренд перешёл от оценки кампаний по прямым конверсиям к связке MMM (маркетинг-микс-моделирование) и incrementality-тестов.
Контекст был простой: платный трафик рос, а отчётность по last-click показывала красивую картину, но не отвечала на вопрос о приросте. В одном из рынков Nike увидел, что поиск и ретаргетинг стабильно забирают львиную долю атрибуции, хотя часть продаж происходила бы и без них. Для главы performance это типичная ловушка: канал выглядит эффективным, пока не измеряешь инкрементальность.
Задача была двойная:
— понять, какие каналы реально создают дополнительный спрос;
— перераспределить бюджет так, чтобы не покупать уже существующий спрос по завышенной цене.
Решение строилось в два слоя. Сначала Nike собрал MMM на уровне страны и категории: модель показала вклад каналов в продажи с учётом сезонности, промо, медиа-давления и цен. Затем поверх модели провели geo-тесты: в части регионов рекламу усиливали, в части — снижали, сравнивая разницу в продажах. Так отделяли «видимую» атрибуцию от реального прироста.
Что выяснилось:
— часть брендового поиска давала высокий отчётный ROAS, но слабый инкрементальный эффект;
— верх воронки — видео и широкое медиа — работали хуже в last-click, но лучше в приросте;
— перераспределение 10–15% бюджета из переоценённых каналов в каналы с доказанным uplift дало заметный рост эффективности на уровне всей медиасистемы.
Главный результат не в одном цифро-блестящем отчёте, а в смене управленческой логики: команда начала оптимизировать не клики, а вклад в продажи и маржинальность. Это особенно важно сейчас, когда privacy-first атрибуция, server-side и MMM становятся стандартом, а zero-click среда всё чаще скрывает путь пользователя.
Урок для performance-руководителя простой: если канал выигрывает только в последнем касании, это ещё не аргумент в его пользу. **Побеждает не тот, кто лучше считает конверсии, а тот, кто доказывает прирост.**
— @AttributionRoom
IKEA: как проверили вклад верхнего уровня в продажи без иллюзий last-click
У IKEA была типичная для крупного бренда проблема: брендовый спрос и перформанс жили в одной воронке, но отчётность показывала только то, что «последний клик» забирал почти весь результат. На уровне кабинетов это выглядело красиво, а на уровне бизнеса — слишком упрощённо.
Задача была не в том, чтобы «доказать, что реклама работает», а в том, чтобы понять, **какой канал реально создаёт дополнительный спрос**, а какой лишь собирает уже готовый. Для этого IKEA в ряде рынков использовала комбинацию MMM (маркетинг-микс моделирования) и инкрементальных тестов — то есть сравнивала прогноз модели с фактом и отдельно проверяла прирост там, где рекламу временно ограничивали.
Что сделали:
— Разделили медиа на группы: брендовый охват, поиск, ретаргетинг, локальные каналы.
— В MMM учли сезонность, промо-периоды, цены и динамику трафика.
— В инкрементальных тестах смотрели не клики, а **добавочные продажи** по контрольным и тестовым регионам.
— Отдельно проверяли, как меняется эффект в период высоких скидок и в обычные недели.
Что оказалось важным. В отчётах last-click ретаргетинг выглядел как один из самых эффективных каналов. Но когда сравнили с инкрементальностью, значимая часть его «эффекта» оказалась перераспределением спроса, который уже пришёл бы органически или через брендовый поиск. А вот верхнеуровневые кампании, которые в прямой атрибуции часто недооценивают, показывали более заметный вклад в будущий спрос: они не закрывали сделку сразу, а поднимали базовую готовность к покупке.
Результат для команды был практический: бюджет перестали оценивать по одному ROAS (рентабельности рекламных расходов) из кабинета. Часть денег с низкоинкрементальных тактик перераспределили в каналы, которые давали меньший видимый «красивый» отклик, но больший прирост продаж на горизонте недели-двух.
Урок простой: **если бренд большой, last-click почти всегда врёт не грубо, а убедительно**. В 2026 году это особенно опасно: AI-overviews, zero-click и privacy-first измерение ещё сильнее размывают прямую связь между касанием и покупкой. Поэтому для главы performance главный вопрос уже не «сколько кликов принёс канал», а «сколько дополнительной выручки он создал сверх базы».
— @AttributionRoom
У IKEA была типичная для крупного бренда проблема: брендовый спрос и перформанс жили в одной воронке, но отчётность показывала только то, что «последний клик» забирал почти весь результат. На уровне кабинетов это выглядело красиво, а на уровне бизнеса — слишком упрощённо.
Задача была не в том, чтобы «доказать, что реклама работает», а в том, чтобы понять, **какой канал реально создаёт дополнительный спрос**, а какой лишь собирает уже готовый. Для этого IKEA в ряде рынков использовала комбинацию MMM (маркетинг-микс моделирования) и инкрементальных тестов — то есть сравнивала прогноз модели с фактом и отдельно проверяла прирост там, где рекламу временно ограничивали.
Что сделали:
— Разделили медиа на группы: брендовый охват, поиск, ретаргетинг, локальные каналы.
— В MMM учли сезонность, промо-периоды, цены и динамику трафика.
— В инкрементальных тестах смотрели не клики, а **добавочные продажи** по контрольным и тестовым регионам.
— Отдельно проверяли, как меняется эффект в период высоких скидок и в обычные недели.
Что оказалось важным. В отчётах last-click ретаргетинг выглядел как один из самых эффективных каналов. Но когда сравнили с инкрементальностью, значимая часть его «эффекта» оказалась перераспределением спроса, который уже пришёл бы органически или через брендовый поиск. А вот верхнеуровневые кампании, которые в прямой атрибуции часто недооценивают, показывали более заметный вклад в будущий спрос: они не закрывали сделку сразу, а поднимали базовую готовность к покупке.
Результат для команды был практический: бюджет перестали оценивать по одному ROAS (рентабельности рекламных расходов) из кабинета. Часть денег с низкоинкрементальных тактик перераспределили в каналы, которые давали меньший видимый «красивый» отклик, но больший прирост продаж на горизонте недели-двух.
Урок простой: **если бренд большой, last-click почти всегда врёт не грубо, а убедительно**. В 2026 году это особенно опасно: AI-overviews, zero-click и privacy-first измерение ещё сильнее размывают прямую связь между касанием и покупкой. Поэтому для главы performance главный вопрос уже не «сколько кликов принёс канал», а «сколько дополнительной выручки он создал сверх базы».
— @AttributionRoom
Last-click всё ещё жив, но уже как отчётность
Я бы не списывал last-click, но и не путал его с управлением ростом. В 2026 он нужен как санитарный минимум: быстро проверить, где есть явный спрос и что вообще доезжает до заявки. Но когда каналов больше, а путь к покупке рвётся между устройствами, креативами и AI-overviews, last-click начинает показывать не вклад, а самый поздний след. Поэтому для главы performance он уже не «истина», а удобная, но узкая линза.
— @AttributionRoom
Я бы не списывал last-click, но и не путал его с управлением ростом. В 2026 он нужен как санитарный минимум: быстро проверить, где есть явный спрос и что вообще доезжает до заявки. Но когда каналов больше, а путь к покупке рвётся между устройствами, креативами и AI-overviews, last-click начинает показывать не вклад, а самый поздний след. Поэтому для главы performance он уже не «истина», а удобная, но узкая линза.
— @AttributionRoom
Трансформация маркетинговых бюджетов в условиях RevOps
Последний месяц в отчетности крупных e-com площадок прослеживается устойчивая тенденция: расходы на привлечение новых пользователей (acquisition) все чаще проходят через фильтр RevOps (объединенной ответственности маркетинга, продаж и клиентского сервиса за общую выручку). Вместо традиционного сравнения стоимости привлечения (CAC) с доходом от первой транзакции, компании начинают оценивать каналы через призму долгосрочного удержания (retention) и вклада в рост пожизненной ценности клиента (LTV).
Вместе с этим наблюдается отказ от гранулярной last-click (атрибуции по последнему клику) в пользу моделей MMM (маркетингового моделирования микса), где вклад медиа-каналов пересчитывается с учетом сезонности, макроэкономических факторов и циклов принятия решений. Команды стали реже запрашивать данные по кликам, фокусируясь на инкрементальности (приросте эффективности) каждого медиа-канала в отдельности. Примечательно, что в этом процессе фокус сместился с автоматизации закупки на пересчет моделей атрибуции с учетом server-side (серверной передачи) данных, чтобы минимизировать потери от блокировок сторонних файлов cookie.
Замечаете ли вы аналогичный сдвиг в своих отчетах, когда вопрос о перераспределении бюджета все чаще упирается не в стоимость клика, а в моделирование долгосрочного влияния на выручку?
— @AttributionRoom
Последний месяц в отчетности крупных e-com площадок прослеживается устойчивая тенденция: расходы на привлечение новых пользователей (acquisition) все чаще проходят через фильтр RevOps (объединенной ответственности маркетинга, продаж и клиентского сервиса за общую выручку). Вместо традиционного сравнения стоимости привлечения (CAC) с доходом от первой транзакции, компании начинают оценивать каналы через призму долгосрочного удержания (retention) и вклада в рост пожизненной ценности клиента (LTV).
Вместе с этим наблюдается отказ от гранулярной last-click (атрибуции по последнему клику) в пользу моделей MMM (маркетингового моделирования микса), где вклад медиа-каналов пересчитывается с учетом сезонности, макроэкономических факторов и циклов принятия решений. Команды стали реже запрашивать данные по кликам, фокусируясь на инкрементальности (приросте эффективности) каждого медиа-канала в отдельности. Примечательно, что в этом процессе фокус сместился с автоматизации закупки на пересчет моделей атрибуции с учетом server-side (серверной передачи) данных, чтобы минимизировать потери от блокировок сторонних файлов cookie.
Замечаете ли вы аналогичный сдвиг в своих отчетах, когда вопрос о перераспределении бюджета все чаще упирается не в стоимость клика, а в моделирование долгосрочного влияния на выручку?
— @AttributionRoom
Почему отказ от атрибуции по последнему клику — это не борьба за точность, а переход к управлению экономикой
В 2026 году дискуссии об эффективности маркетинга окончательно сместились из плоскости «какой канал принес продажу» в плоскость «как маркетинговый микс влияет на долгосрочный денежный поток». Модель атрибуции по последнему клику (last-click) стала рудиментом, который не просто искажает данные, а вводит в заблуждение отделы продаж и финансовые департаменты в рамках общей стратегии управления выручкой (RevOps).
Когда мы продолжаем оценивать эффективность каналов через призму последнего касания, мы неизбежно перекашиваем бюджеты в сторону «горячего» спроса и ретаргетинга (повторного маркетингового воздействия). Это создает ложное ощущение контроля. На деле, в эпоху, когда потребитель становится более рациональным и чувствительным к цене, а средний чек в электронной коммерции продолжает плавно снижаться, такая стратегия ведет к эрозии базы лояльных клиентов и падению пожизненной ценности покупателя (LTV).
Моя практика показывает, что компании, перешедшие на моделирование маркетингового микса (MMM) и анализ инкрементальности (дополнительной ценности), совершают фундаментальный сдвиг в мышлении. Они перестают спрашивать «сколько кликов дал этот баннер» и начинают спрашивать «на сколько процентов изменится объем продаж, если мы снизим интенсивность присутствия в медиа-каналах на 20%».
— Инкрементальность позволяет увидеть истинный вклад брендинга, который в 2026 году стал единственным барьером против превращения вашего продукта в недифференцированный товар (commodity).
— Server-side (серверная передача данных) в связке с эконометрическими моделями дает гораздо более предсказуемую картину выручки, чем попытки «догнать» пользователя через cookies (файлы, отслеживающие поведение).
*Управление маркетингом сегодня — это не оптимизация рекламных площадок, а управление вероятностью покупки.*
Если ваш лидер performance-направления до сих пор защищает бюджет, опираясь только на отчеты из рекламных кабинетов, вы теряете деньги. В условиях, когда поиск уходит в сторону ответов нейросетей, а доверие к прямой рекламе падает, только глубокие эконометрические данные могут показать, какие элементы маркетингового воздействия действительно создают спрос, а какие — лишь паразитируют на уже сформированном намерении совершить покупку.
Перестаньте гнаться за точностью каждой конверсии. Начните измерять масштаб влияния. Это единственный способ сохранить рентабельность в мире, где стоимость привлечения клиента растет, а лояльность покупателя требует инвестиций в смыслы, а не в количество рекламных охватов.
— @AttributionRoom
В 2026 году дискуссии об эффективности маркетинга окончательно сместились из плоскости «какой канал принес продажу» в плоскость «как маркетинговый микс влияет на долгосрочный денежный поток». Модель атрибуции по последнему клику (last-click) стала рудиментом, который не просто искажает данные, а вводит в заблуждение отделы продаж и финансовые департаменты в рамках общей стратегии управления выручкой (RevOps).
Когда мы продолжаем оценивать эффективность каналов через призму последнего касания, мы неизбежно перекашиваем бюджеты в сторону «горячего» спроса и ретаргетинга (повторного маркетингового воздействия). Это создает ложное ощущение контроля. На деле, в эпоху, когда потребитель становится более рациональным и чувствительным к цене, а средний чек в электронной коммерции продолжает плавно снижаться, такая стратегия ведет к эрозии базы лояльных клиентов и падению пожизненной ценности покупателя (LTV).
Моя практика показывает, что компании, перешедшие на моделирование маркетингового микса (MMM) и анализ инкрементальности (дополнительной ценности), совершают фундаментальный сдвиг в мышлении. Они перестают спрашивать «сколько кликов дал этот баннер» и начинают спрашивать «на сколько процентов изменится объем продаж, если мы снизим интенсивность присутствия в медиа-каналах на 20%».
— Инкрементальность позволяет увидеть истинный вклад брендинга, который в 2026 году стал единственным барьером против превращения вашего продукта в недифференцированный товар (commodity).
— Server-side (серверная передача данных) в связке с эконометрическими моделями дает гораздо более предсказуемую картину выручки, чем попытки «догнать» пользователя через cookies (файлы, отслеживающие поведение).
*Управление маркетингом сегодня — это не оптимизация рекламных площадок, а управление вероятностью покупки.*
Если ваш лидер performance-направления до сих пор защищает бюджет, опираясь только на отчеты из рекламных кабинетов, вы теряете деньги. В условиях, когда поиск уходит в сторону ответов нейросетей, а доверие к прямой рекламе падает, только глубокие эконометрические данные могут показать, какие элементы маркетингового воздействия действительно создают спрос, а какие — лишь паразитируют на уже сформированном намерении совершить покупку.
Перестаньте гнаться за точностью каждой конверсии. Начните измерять масштаб влияния. Это единственный способ сохранить рентабельность в мире, где стоимость привлечения клиента растет, а лояльность покупателя требует инвестиций в смыслы, а не в количество рекламных охватов.
— @AttributionRoom
IKEA и MMM: как убрать иллюзию эффективности у верхней части воронки
У IKEA была типовая для крупного бренда проблема: часть медиа давала красивый рост кликов и трафика, но было непонятно, что из этого реально приносит продажи, а что просто «переливает» спрос между каналами. Для главы performance это знакомая ловушка: last-click показывает победителей, но не объясняет, кто создал спрос, а кто только забрал атрибуцию.
**Задача** — понять вклад каналов в продажи на уровне всей воронки и отделить эффект медийного давления от эффекта перформанса. В e-com это особенно критично в 2026 году: средний чек снижается на 5–8%, а значит, каждая лишняя единица бессмысленного охвата бьёт по марже быстрее, чем раньше.
IKEA пошла не в бесконечную ручную сверку отчётов, а в модель MMM — маркетинг-микс-моделирование. В неё свели расходы по основным каналам, сезонность, промо, цену, трафик, продажи в разрезе времени. Дальше модель ответила на ключевой вопрос: какой канал даёт инкрементальный эффект, то есть добавку к продажам, а какой в основном ловит уже сформированный спрос.
Что оказалось важным:
— часть paid search (платного поиска) показывала сильный last-click, но в MMM её вклад был ниже, чем в отчётах рекламных кабинетов;
— верхняя часть воронки — видео и охватные размещения — не всегда давала быстрый прямой отклик, но повышала базовый спрос и усиливала конверсию других каналов;
— промо-активности влияли на продажи сильнее в отдельных неделях, чем постоянное увеличение бюджета.
После пересмотра медиамикса IKEA получила более честную картину распределения бюджета: деньги стали уходить не туда, где «лучше выглядит CPA», а туда, где есть прирост выручки. Это и есть главный смысл MMM в 2026 году: не спорить с last-click, а поставить рядом с ним модель реального вклада.
**Результат** — медиа стала управляться не по кликам, а по инкрементальности. В таких кейсах обычно выигрывают не каналы с самым громким отчётом, а те, что дают устойчивый прирост по всей системе.
Урок для performance-лида простой: если канал нельзя защитить цифрой прироста, его эффективность, скорее всего, нарисована атрибуцией. MMM не заменяет операционку, но отлично вскрывает, где у вас рост, а где перераспределение заслуг.
— @AttributionRoom
У IKEA была типовая для крупного бренда проблема: часть медиа давала красивый рост кликов и трафика, но было непонятно, что из этого реально приносит продажи, а что просто «переливает» спрос между каналами. Для главы performance это знакомая ловушка: last-click показывает победителей, но не объясняет, кто создал спрос, а кто только забрал атрибуцию.
**Задача** — понять вклад каналов в продажи на уровне всей воронки и отделить эффект медийного давления от эффекта перформанса. В e-com это особенно критично в 2026 году: средний чек снижается на 5–8%, а значит, каждая лишняя единица бессмысленного охвата бьёт по марже быстрее, чем раньше.
IKEA пошла не в бесконечную ручную сверку отчётов, а в модель MMM — маркетинг-микс-моделирование. В неё свели расходы по основным каналам, сезонность, промо, цену, трафик, продажи в разрезе времени. Дальше модель ответила на ключевой вопрос: какой канал даёт инкрементальный эффект, то есть добавку к продажам, а какой в основном ловит уже сформированный спрос.
Что оказалось важным:
— часть paid search (платного поиска) показывала сильный last-click, но в MMM её вклад был ниже, чем в отчётах рекламных кабинетов;
— верхняя часть воронки — видео и охватные размещения — не всегда давала быстрый прямой отклик, но повышала базовый спрос и усиливала конверсию других каналов;
— промо-активности влияли на продажи сильнее в отдельных неделях, чем постоянное увеличение бюджета.
После пересмотра медиамикса IKEA получила более честную картину распределения бюджета: деньги стали уходить не туда, где «лучше выглядит CPA», а туда, где есть прирост выручки. Это и есть главный смысл MMM в 2026 году: не спорить с last-click, а поставить рядом с ним модель реального вклада.
**Результат** — медиа стала управляться не по кликам, а по инкрементальности. В таких кейсах обычно выигрывают не каналы с самым громким отчётом, а те, что дают устойчивый прирост по всей системе.
Урок для performance-лида простой: если канал нельзя защитить цифрой прироста, его эффективность, скорее всего, нарисована атрибуцией. MMM не заменяет операционку, но отлично вскрывает, где у вас рост, а где перераспределение заслуг.
— @AttributionRoom
Почему я больше не верю в «одну правильную атрибуцию»
Я часто вижу, как глава performance пытается выбрать между last-click, data-driven и MMM так, будто существует один «главный» способ измерить вклад канала. В 2026 году это уже неверная рамка.
Моя позиция простая: **атрибуция — не истина, а управленческий инструмент**. Её задача не доказать, кто «забрал» конверсию, а помочь принять решение о бюджете. Если использовать её как судью, вы почти гарантированно переоцените нижнюю воронку и недооцените вклад медиа, которое создаёт спрос.
Что я вижу на практике:
— last-click стабильно завышает брендовый поиск и ретаргетинг;
— серверная атрибуция улучшает видимость, но не отвечает на вопрос инкрементальности;
— MMM хорошо держит картину на уровне портфеля, но редко объясняет короткие тактические решения;
— эксперименты снимают спор о причинности, но требуют дисциплины, времени и чистого дизайна.
В одном e-com проекте, где мы сравнивали перераспределение бюджета по last-click и по MMM, разница в оценке вклада верхней части воронки доходила до 28%. После 6 недель инкрементального теста стало ясно: часть «неэффективного» трафика, который last-click списывал в минус, давала рост не в день клика, а через повторные визиты и брендовый спрос.
Отсюда мой вывод: в зрелом performance **нужна связка из трёх уровней**:
— MMM — чтобы понимать, куда в целом движется выручка;
— атрибуция — чтобы оперативно управлять кампаниями;
— incrementality (инкрементальность) — чтобы проверять спорные гипотезы.
Если у вас один слой измерения, вы почти наверняка оптимизируете не бизнес, а свою модель. В эпоху privacy-first это особенно опасно: данных меньше, шума больше, а цена ошибки бюджета выше.
Я бы строил систему так, чтобы атрибуция не заменяла эксперименты, а эксперименты не пытались подменить MMM. Только тогда performance перестаёт быть спором о каналах и становится разговором о росте выручки.
— @AttributionRoom
Соседняя редакция @MPmarketingRu недавно писала об этом под другим углом
Я часто вижу, как глава performance пытается выбрать между last-click, data-driven и MMM так, будто существует один «главный» способ измерить вклад канала. В 2026 году это уже неверная рамка.
Моя позиция простая: **атрибуция — не истина, а управленческий инструмент**. Её задача не доказать, кто «забрал» конверсию, а помочь принять решение о бюджете. Если использовать её как судью, вы почти гарантированно переоцените нижнюю воронку и недооцените вклад медиа, которое создаёт спрос.
Что я вижу на практике:
— last-click стабильно завышает брендовый поиск и ретаргетинг;
— серверная атрибуция улучшает видимость, но не отвечает на вопрос инкрементальности;
— MMM хорошо держит картину на уровне портфеля, но редко объясняет короткие тактические решения;
— эксперименты снимают спор о причинности, но требуют дисциплины, времени и чистого дизайна.
В одном e-com проекте, где мы сравнивали перераспределение бюджета по last-click и по MMM, разница в оценке вклада верхней части воронки доходила до 28%. После 6 недель инкрементального теста стало ясно: часть «неэффективного» трафика, который last-click списывал в минус, давала рост не в день клика, а через повторные визиты и брендовый спрос.
Отсюда мой вывод: в зрелом performance **нужна связка из трёх уровней**:
— MMM — чтобы понимать, куда в целом движется выручка;
— атрибуция — чтобы оперативно управлять кампаниями;
— incrementality (инкрементальность) — чтобы проверять спорные гипотезы.
Если у вас один слой измерения, вы почти наверняка оптимизируете не бизнес, а свою модель. В эпоху privacy-first это особенно опасно: данных меньше, шума больше, а цена ошибки бюджета выше.
Я бы строил систему так, чтобы атрибуция не заменяла эксперименты, а эксперименты не пытались подменить MMM. Только тогда performance перестаёт быть спором о каналах и становится разговором о росте выручки.
— @AttributionRoom
Соседняя редакция @MPmarketingRu недавно писала об этом под другим углом