Маркировка рекламы: год спустя
Прошло достаточно времени, чтобы перестать воспринимать маркировку как авральную задачу и сделать её частью бизнес-процессов. Очевидно, что первичный страх штрафов сменился холодным расчетом: теперь мы не просто «вешаем токены», а выстраиваем системы сквозного учета. Главный вывод — рынок стал прозрачнее, но бюрократическая нагрузка на performance-команды выросла кратно. **Упрощение отчетности** остается главным запросом индустрии, так как текущие процессы все еще съедают слишком много операционного ресурса, который можно было бы направить на оптимизацию кампаний, а не на техническую валидацию креативов.
— @PerfNewsDigest
—
Кто разбирает marketing вдумчиво — @CreativeTestingRu
Прошло достаточно времени, чтобы перестать воспринимать маркировку как авральную задачу и сделать её частью бизнес-процессов. Очевидно, что первичный страх штрафов сменился холодным расчетом: теперь мы не просто «вешаем токены», а выстраиваем системы сквозного учета. Главный вывод — рынок стал прозрачнее, но бюрократическая нагрузка на performance-команды выросла кратно. **Упрощение отчетности** остается главным запросом индустрии, так как текущие процессы все еще съедают слишком много операционного ресурса, который можно было бы направить на оптимизацию кампаний, а не на техническую валидацию креативов.
— @PerfNewsDigest
—
Кто разбирает marketing вдумчиво — @CreativeTestingRu
Почему в performance всё чаще выигрывает не «ещё один канал», а пересборка математики
За последнюю неделю я снова вижу один и тот же паттерн в разговорах с head of performance: рынок меньше спорит о том, где дешевле клик, и больше — о том, где вообще остаётся управляемый инкремент. На уровне практики это важнее любых новостей платформ.
Моё наблюдение простое: в кампаниях с одинаковым медиаспендом разница в итоговом CPL/CPA всё чаще определяется не закупкой как таковой, а тем, как быстро команда умеет перекидывать бюджет между источниками, когда качество лидов начинает проседать. Там, где есть дисциплина по срезам — гео, устройство, креатив, окно атрибуции, — performance ещё можно «дожимать». Там, где смотрят только на верхнеуровневый CPA, платформа почти всегда побеждает бренд-менеджера, а не бизнес.
Я бы сформулировал так: **платформы становятся менее предсказуемыми, а значит ценность внутренней аналитики растёт быстрее, чем ценность очередного расширения охватов**. И это уже не разговор про «у нас хороший медиаплан», а про операционную зрелость команды. В 7 из 10 разборов, где заявка вроде бы «дорожает без причины», причина находится не в рынке, а в сломанной логике оптимизации: слишком длинное окно обучения, слишком широкий таргетинг без контроля частоты, или креативы, которые выгорели раньше, чем их успели правильно остановить.
Что я считаю рабочим подходом на этой неделе:
— держать отдельный контур для тестов и отдельный для масштабирования;
— считать не только CPA, но и долю валидных лидов/покупок;
— пересматривать креативы как производственный цикл, а не как разовую задачу;
— не доверять одному источнику атрибуции, если по нему принимается бюджетное решение.
В performance сейчас выигрывает не тот, кто громче закупается, а тот, кто быстрее замечает, где именно ломается экономика.
— @PerfNewsDigest
@PaidSearchRoom разбирают это с практической стороны
За последнюю неделю я снова вижу один и тот же паттерн в разговорах с head of performance: рынок меньше спорит о том, где дешевле клик, и больше — о том, где вообще остаётся управляемый инкремент. На уровне практики это важнее любых новостей платформ.
Моё наблюдение простое: в кампаниях с одинаковым медиаспендом разница в итоговом CPL/CPA всё чаще определяется не закупкой как таковой, а тем, как быстро команда умеет перекидывать бюджет между источниками, когда качество лидов начинает проседать. Там, где есть дисциплина по срезам — гео, устройство, креатив, окно атрибуции, — performance ещё можно «дожимать». Там, где смотрят только на верхнеуровневый CPA, платформа почти всегда побеждает бренд-менеджера, а не бизнес.
Я бы сформулировал так: **платформы становятся менее предсказуемыми, а значит ценность внутренней аналитики растёт быстрее, чем ценность очередного расширения охватов**. И это уже не разговор про «у нас хороший медиаплан», а про операционную зрелость команды. В 7 из 10 разборов, где заявка вроде бы «дорожает без причины», причина находится не в рынке, а в сломанной логике оптимизации: слишком длинное окно обучения, слишком широкий таргетинг без контроля частоты, или креативы, которые выгорели раньше, чем их успели правильно остановить.
Что я считаю рабочим подходом на этой неделе:
— держать отдельный контур для тестов и отдельный для масштабирования;
— считать не только CPA, но и долю валидных лидов/покупок;
— пересматривать креативы как производственный цикл, а не как разовую задачу;
— не доверять одному источнику атрибуции, если по нему принимается бюджетное решение.
В performance сейчас выигрывает не тот, кто громче закупается, а тот, кто быстрее замечает, где именно ломается экономика.
— @PerfNewsDigest
@PaidSearchRoom разбирают это с практической стороны
Оптимизация структуры рекламных кампаний под атрибуцию на основе данных в Google Ads
Переход на Data-Driven Attribution (DDA) требует пересмотра логики распределения бюджета, чтобы избежать «каннибализации» конверсий между кампаниями разного уровня воронки. Если вы все еще ориентируетесь на Last Click, вы теряете данные о вкладе верхнеуровневого трафика в итоговые продажи.
Алгоритм настройки структуры для корректной работы DDA:
— Проведите аудит путей конверсии через отчет «Ассоциированные конверсии». Выделите кампании, которые генерируют высокий объем кликов, но имеют низкий прямой CVR. Это ваши «разогревающие» площадки.
— Примените модель атрибуции на основе данных ко всем конверсиям в настройках аккаунта. Это позволит алгоритму распределять ценность между всеми точками контакта, а не только последней.
— Объедините кампании с похожими целевыми действиями в рамках одной стратегии назначения ставок (Smart Bidding). Это даст алгоритму больше сигналов для обучения. Если оставить кампании раздробленными с низким объемом конверсий, модель будет обучаться дольше или уйдет в переобучение.
— Увеличьте окна ретроспективного анализа. В настройках конверсий проверьте окно атрибуции — для B2B-сегмента или дорогих товаров с длинным циклом сделки установите значение 60–90 дней.
— Исключите дублирующую сегментацию по аудиториям внутри одного аккаунта. Если вы таргетируетесь на одну и ту же аудиторию в Performance Max и поисковых кампаниях, вы искажаете данные для DDA. Используйте списки исключений, чтобы разделить охватные и конверсионные кампании.
— Отслеживайте метрику «Доля полученных показов» (Impression Share) для брендовых и небрендовых запросов. DDA покажет, что при снижении инвестиций в «разогрев» падает эффективность брендовых кампаний, так как сокращается поток «подогретых» пользователей.
*Итог:* После внесения изменений дайте системе 14 дней на адаптацию. В этот период не меняйте настройки ставок и цели кампаний, чтобы не сбросить цикл обучения модели, которая теперь распределяет вес конверсии по всей цепочке касаний.
— @PerfNewsDigest
Переход на Data-Driven Attribution (DDA) требует пересмотра логики распределения бюджета, чтобы избежать «каннибализации» конверсий между кампаниями разного уровня воронки. Если вы все еще ориентируетесь на Last Click, вы теряете данные о вкладе верхнеуровневого трафика в итоговые продажи.
Алгоритм настройки структуры для корректной работы DDA:
— Проведите аудит путей конверсии через отчет «Ассоциированные конверсии». Выделите кампании, которые генерируют высокий объем кликов, но имеют низкий прямой CVR. Это ваши «разогревающие» площадки.
— Примените модель атрибуции на основе данных ко всем конверсиям в настройках аккаунта. Это позволит алгоритму распределять ценность между всеми точками контакта, а не только последней.
— Объедините кампании с похожими целевыми действиями в рамках одной стратегии назначения ставок (Smart Bidding). Это даст алгоритму больше сигналов для обучения. Если оставить кампании раздробленными с низким объемом конверсий, модель будет обучаться дольше или уйдет в переобучение.
— Увеличьте окна ретроспективного анализа. В настройках конверсий проверьте окно атрибуции — для B2B-сегмента или дорогих товаров с длинным циклом сделки установите значение 60–90 дней.
— Исключите дублирующую сегментацию по аудиториям внутри одного аккаунта. Если вы таргетируетесь на одну и ту же аудиторию в Performance Max и поисковых кампаниях, вы искажаете данные для DDA. Используйте списки исключений, чтобы разделить охватные и конверсионные кампании.
— Отслеживайте метрику «Доля полученных показов» (Impression Share) для брендовых и небрендовых запросов. DDA покажет, что при снижении инвестиций в «разогрев» падает эффективность брендовых кампаний, так как сокращается поток «подогретых» пользователей.
*Итог:* После внесения изменений дайте системе 14 дней на адаптацию. В этот период не меняйте настройки ставок и цели кампаний, чтобы не сбросить цикл обучения модели, которая теперь распределяет вес конверсии по всей цепочке касаний.
— @PerfNewsDigest
Платформы становятся строже: что это меняет для performance-команд
За последнюю неделю в разговоре о платном трафике снова стало заметно одно и то же движение: платформы постепенно уходят от «широкого манёвра» и всё жёстче ограничивают то, как можно собирать данные, оптимизировать кампании и объяснять результат. Для Head of Performance это уже не фон, а рабочая среда: меньше ручного контроля, больше зависимости от правил площадки, выше цена ошибки в настройке.
Первый заметный сдвиг — **платформы сильнее прячут детализацию**, но при этом требуют от рекламодателя более качественного сигнала. Это противоречие стало почти нормой. С одной стороны, интерфейсы упрощаются, отчётность дробится меньше, часть разрезов исчезает или становится менее прозрачной. С другой — системы всё активнее «докармливаются» событиями конверсий и качественными данными с сайта и из CRM. На практике это видно, например, когда в e-commerce реклама формально даёт стабильный объём заявок, но после перехода на передачу более чистых событий выясняется, что часть трафика привлекала не покупателей, а случайные клики. Платформа будто говорит: «Покажите мне не количество, а смысл».
Второй сдвиг — **автоматизация становится не опцией, а базовым режимом работы**. Практически на всех крупных площадках ручные настройки всё сильнее уступают место автоматическим стратегиям: от ставок до подбора аудитории и креативов. Это удобно, пока у команды есть достаточный объём данных и дисциплина в аналитике. Но у среднего бизнеса возникает старая дилемма: чем больше отдаёшь системе, тем меньше видишь, как именно она принимает решение. Пример из практики типичен: у B2B-команды две кампании с одинаковым бюджетом, одна ведёт на лид-форму, другая — на посадочную страницу. Автостратегия может «переехать» в более быстрые лиды, хотя по качеству они хуже. Формально система права, по бизнесу — уже нет. Значит, performance-менеджеру приходится не спорить с автоматизацией, а задавать ей правильную цель и проверять её не по одной метрике.
Третий сдвиг — **возвращается ценность креатива как инструмента оптимизации**, а не только брендинга. Когда платформы ограничивают таргетинг и усложняют атрибуцию, именно рекламное сообщение начинает сильнее влиять на итог. Это видно в видеосетях и в поисковых кампаниях с расширенными форматами: тот же бюджет может давать разный результат не из-за ставки, а из-за того, как сформулирован первый экран, оффер или доказательство ценности. Для подписных сервисов и B2B это особенно заметно: креатив, который честно объясняет продукт, часто выигрывает у «красивой, но пустой» подачи. Иными словами, платформа всё меньше обещает точный таргетинг, зато всё охотнее вознаграждает ясный месседж.
Четвёртый сдвиг — **командам приходится строить собственную систему правды, а не полагаться на один кабинет**. Это, пожалуй, самый важный организационный вывод недели. Когда реклама живёт в нескольких экосистемах, отчёты начинают расходиться: платформы считают по-разному, окна атрибуции не совпадают, часть конверсий теряется, часть дублируется. Отсюда простой, но неприятный вывод: если у вас нет единого слоя сверки — CRM, сквозной аналитики, хотя бы устойчивой логики по основным источникам, — вы управляете не маркетингом, а интерпретациями. Хороший пример здесь — компании с длинным циклом сделки: платформа показывает рост стоимости лида, а CRM через две недели показывает рост выручки. Кто прав? Оба, если смотреть в своей зоне. Но решение о бюджете нужно принимать уже на общем контуре, а не на отчёте одной системы.
**Что из этого следует на практике?**
Платформы больше не дают performance-команде роскошь опираться на один удобный показатель. Теперь выигрывают те, кто умеет связывать данные, креатив и бизнес-логику в одну цепочку. Не искать в площадке волшебную настройку, а выстраивать процесс так, чтобы система получала качественный сигнал, а команда — понятный результат.
…
За последнюю неделю в разговоре о платном трафике снова стало заметно одно и то же движение: платформы постепенно уходят от «широкого манёвра» и всё жёстче ограничивают то, как можно собирать данные, оптимизировать кампании и объяснять результат. Для Head of Performance это уже не фон, а рабочая среда: меньше ручного контроля, больше зависимости от правил площадки, выше цена ошибки в настройке.
Первый заметный сдвиг — **платформы сильнее прячут детализацию**, но при этом требуют от рекламодателя более качественного сигнала. Это противоречие стало почти нормой. С одной стороны, интерфейсы упрощаются, отчётность дробится меньше, часть разрезов исчезает или становится менее прозрачной. С другой — системы всё активнее «докармливаются» событиями конверсий и качественными данными с сайта и из CRM. На практике это видно, например, когда в e-commerce реклама формально даёт стабильный объём заявок, но после перехода на передачу более чистых событий выясняется, что часть трафика привлекала не покупателей, а случайные клики. Платформа будто говорит: «Покажите мне не количество, а смысл».
Второй сдвиг — **автоматизация становится не опцией, а базовым режимом работы**. Практически на всех крупных площадках ручные настройки всё сильнее уступают место автоматическим стратегиям: от ставок до подбора аудитории и креативов. Это удобно, пока у команды есть достаточный объём данных и дисциплина в аналитике. Но у среднего бизнеса возникает старая дилемма: чем больше отдаёшь системе, тем меньше видишь, как именно она принимает решение. Пример из практики типичен: у B2B-команды две кампании с одинаковым бюджетом, одна ведёт на лид-форму, другая — на посадочную страницу. Автостратегия может «переехать» в более быстрые лиды, хотя по качеству они хуже. Формально система права, по бизнесу — уже нет. Значит, performance-менеджеру приходится не спорить с автоматизацией, а задавать ей правильную цель и проверять её не по одной метрике.
Третий сдвиг — **возвращается ценность креатива как инструмента оптимизации**, а не только брендинга. Когда платформы ограничивают таргетинг и усложняют атрибуцию, именно рекламное сообщение начинает сильнее влиять на итог. Это видно в видеосетях и в поисковых кампаниях с расширенными форматами: тот же бюджет может давать разный результат не из-за ставки, а из-за того, как сформулирован первый экран, оффер или доказательство ценности. Для подписных сервисов и B2B это особенно заметно: креатив, который честно объясняет продукт, часто выигрывает у «красивой, но пустой» подачи. Иными словами, платформа всё меньше обещает точный таргетинг, зато всё охотнее вознаграждает ясный месседж.
Четвёртый сдвиг — **командам приходится строить собственную систему правды, а не полагаться на один кабинет**. Это, пожалуй, самый важный организационный вывод недели. Когда реклама живёт в нескольких экосистемах, отчёты начинают расходиться: платформы считают по-разному, окна атрибуции не совпадают, часть конверсий теряется, часть дублируется. Отсюда простой, но неприятный вывод: если у вас нет единого слоя сверки — CRM, сквозной аналитики, хотя бы устойчивой логики по основным источникам, — вы управляете не маркетингом, а интерпретациями. Хороший пример здесь — компании с длинным циклом сделки: платформа показывает рост стоимости лида, а CRM через две недели показывает рост выручки. Кто прав? Оба, если смотреть в своей зоне. Но решение о бюджете нужно принимать уже на общем контуре, а не на отчёте одной системы.
**Что из этого следует на практике?**
Платформы больше не дают performance-команде роскошь опираться на один удобный показатель. Теперь выигрывают те, кто умеет связывать данные, креатив и бизнес-логику в одну цепочку. Не искать в площадке волшебную настройку, а выстраивать процесс так, чтобы система получала качественный сигнал, а команда — понятный результат.
…
Эра удержания клиентов в e-com требует смены фокуса
Снижение среднего чека в электронной коммерции на 6-8% — это сигнал, что игра в «первую покупку» окончательно стала убыточной. Мы привыкли выжигать бюджеты на привлечение трафика, надеясь окупить его на дистанции, но современный покупатель стал слишком бережливым.
Сегодня performance-маркетологу пора признать: если ваша стратегия не завязана на LTV (пожизненной ценности клиента) и системном удержании, вы просто субсидируете скидки для тех, кто уйдет к конкуренту при первом же удобном случае. В 2026 году побеждает не тот, кто купил дешевого пользователя, а тот, кто выстроил продуктовую экосистему, где повторная покупка происходит логично, а не через принуждение. Мы переходим от управления каналами к управлению клиентским опытом.
— @PerfNewsDigest
Снижение среднего чека в электронной коммерции на 6-8% — это сигнал, что игра в «первую покупку» окончательно стала убыточной. Мы привыкли выжигать бюджеты на привлечение трафика, надеясь окупить его на дистанции, но современный покупатель стал слишком бережливым.
Сегодня performance-маркетологу пора признать: если ваша стратегия не завязана на LTV (пожизненной ценности клиента) и системном удержании, вы просто субсидируете скидки для тех, кто уйдет к конкуренту при первом же удобном случае. В 2026 году побеждает не тот, кто купил дешевого пользователя, а тот, кто выстроил продуктовую экосистему, где повторная покупка происходит логично, а не через принуждение. Мы переходим от управления каналами к управлению клиентским опытом.
— @PerfNewsDigest
Аукцион всё меньше похож на таблицу, всё больше — на модель
На этой неделе в платном трафике снова видно одно: платформы двигают рекламодателя от ручной оптимизации к управлению системой. Last-click уже не объясняет, почему одна и та же кампания даёт разный вклад в выручку, особенно когда часть пути уходит в AI-overviews, ретаргетинг и серверную атрибуцию. Мне кажется, главный сдвиг 2026 года — не в новых настройках кабинета, а в том, что performance всё сильнее становится задачей про **инкрементальность** и общую выручку, а не про красивый отчёт по клику.
— @PerfNewsDigest
@MediaPlanningRoom разбирают это с практической стороны
На этой неделе в платном трафике снова видно одно: платформы двигают рекламодателя от ручной оптимизации к управлению системой. Last-click уже не объясняет, почему одна и та же кампания даёт разный вклад в выручку, особенно когда часть пути уходит в AI-overviews, ретаргетинг и серверную атрибуцию. Мне кажется, главный сдвиг 2026 года — не в новых настройках кабинета, а в том, что performance всё сильнее становится задачей про **инкрементальность** и общую выручку, а не про красивый отчёт по клику.
— @PerfNewsDigest
@MediaPlanningRoom разбирают это с практической стороны
Эпоха «последнего клика» официально завершена: почему пора переходить на маркетинговое моделирование
Каждый Head of Performance сегодня чувствует негласное давление: отчетность в рекламных кабинетах перестала биться с реальностью. Статистика в системах аналитики показывает рост, а кассовый разрыв или стагнация LTV (пожизненной ценности клиента) кричат об обратном. Мы живем в эпоху privacy-first (приоритета приватности), где следить за пользователем «в лоб» через cookies (файлы, отслеживающие активность) больше не позволяют ни браузеры, ни законодательство.
Мое наблюдение из практики последних месяцев: компании, которые продолжают опираться на атрибуцию по последнему клику, теряют до 30% эффективности бюджета. Они перекармливают «горячий» спрос — тех, кто и так бы купил — и полностью слепнут к охватным кампаниям, которые формируют знание о бренде.
Как перестроить работу в 2026 году:
— Переход на MMM (маркетинговое моделирование). Мы учимся оценивать вклад каждого канала через эконометрику. Это математический ответ на вопрос «что будет, если мы отключим этот канал завтра?».
— Фокус на инкрементальности. Вместо того чтобы спрашивать, кто кликнул, мы проводим сплит-тесты: сравниваем группы пользователей, которые видели рекламу, и тех, кто был «отрезан» от неё. Разница в конверсии — это и есть реальная ценность канала.
— Интеграция с RevOps (системой объединенного управления выручкой). Performance-маркетолог больше не может быть изолирован от отдела продаж или службы поддержки. Если мы привели лида, который по всем отчетам «целевой», но отваливается на этапе квалификации, это проблема не продаж, а качества трафика, которую нужно лечить на входе.
Важно осознать: современный performance — это не про нажатие кнопок в рекламном кабинете. Это про глубокую аналитику данных, где маркетинг становится частью финансовой стратегии компании. Мы уходим от модели «привел — продал» к модели «выстроил путь — обеспечил возврат».
Если вы всё еще спорите с собственниками о том, почему контекстная реклама не дает «ту самую» конверсию, значит, вы до сих пор продаете им прошлый век. В мире, где потребитель осознанно экономит и режет лишние расходы, побеждает не тот, кто громче кричит в поиске, а тот, кто лучше понимает общую картину влияния на выручку.
— @PerfNewsDigest
По этой же теме советуем @VideoAdsCraft
Каждый Head of Performance сегодня чувствует негласное давление: отчетность в рекламных кабинетах перестала биться с реальностью. Статистика в системах аналитики показывает рост, а кассовый разрыв или стагнация LTV (пожизненной ценности клиента) кричат об обратном. Мы живем в эпоху privacy-first (приоритета приватности), где следить за пользователем «в лоб» через cookies (файлы, отслеживающие активность) больше не позволяют ни браузеры, ни законодательство.
Мое наблюдение из практики последних месяцев: компании, которые продолжают опираться на атрибуцию по последнему клику, теряют до 30% эффективности бюджета. Они перекармливают «горячий» спрос — тех, кто и так бы купил — и полностью слепнут к охватным кампаниям, которые формируют знание о бренде.
Как перестроить работу в 2026 году:
— Переход на MMM (маркетинговое моделирование). Мы учимся оценивать вклад каждого канала через эконометрику. Это математический ответ на вопрос «что будет, если мы отключим этот канал завтра?».
— Фокус на инкрементальности. Вместо того чтобы спрашивать, кто кликнул, мы проводим сплит-тесты: сравниваем группы пользователей, которые видели рекламу, и тех, кто был «отрезан» от неё. Разница в конверсии — это и есть реальная ценность канала.
— Интеграция с RevOps (системой объединенного управления выручкой). Performance-маркетолог больше не может быть изолирован от отдела продаж или службы поддержки. Если мы привели лида, который по всем отчетам «целевой», но отваливается на этапе квалификации, это проблема не продаж, а качества трафика, которую нужно лечить на входе.
Важно осознать: современный performance — это не про нажатие кнопок в рекламном кабинете. Это про глубокую аналитику данных, где маркетинг становится частью финансовой стратегии компании. Мы уходим от модели «привел — продал» к модели «выстроил путь — обеспечил возврат».
Если вы всё еще спорите с собственниками о том, почему контекстная реклама не дает «ту самую» конверсию, значит, вы до сих пор продаете им прошлый век. В мире, где потребитель осознанно экономит и режет лишние расходы, побеждает не тот, кто громче кричит в поиске, а тот, кто лучше понимает общую картину влияния на выручку.
— @PerfNewsDigest
По этой же теме советуем @VideoAdsCraft
Как перестроить отчёт по платному трафику под privacy-first за 7 шагов
Если вы всё ещё меряете эффективность в основном по last-click, на этой неделе стоит собрать отчёт так, чтобы он не ломался при потере части данных. Для Head of Performance это уже не «переход на будущее», а базовая гигиена.
Что сделать:
— Зафиксируйте 3 уровня отчётности: платформа, сайт, выручка. Не смешивайте их в одном показателе.
— Проверьте, какие события реально доходят до аналитики: просмотр карточки, добавление в корзину, заявка, покупка. Уберите дубли и лишние микродействия.
— Включите серверную отправку событий там, где это возможно: на стороне сайта, а не только через браузер. Это снизит потери из-за блокировок и ограничений браузеров.
— Сверьте разницу между рекламной платформой и аналитикой по ключевым событиям за 7 дней. Если расхождение больше 15–20%, ищите причину в тегах, согласиях, редиректах и форме оплаты.
— Добавьте в еженедельный отчёт 2 «не-last-click» метрики: долю новых покупателей/лидов и вклад канала в выручку по ассистированным конверсиям.
— Отдельно посчитайте инкрементальность на одном сегменте бюджета: отключите часть трафика в контрольной группе и сравните итоговую выручку, а не только клики.
— Обсудите с аналитиком один единый словарь событий для маркетинга, продаж и customer success, чтобы дальше строить связку с выручкой, а не только с лидами.
**Практический ориентир:** если отчёт показывает только стоимость лида, он уже устарел. Если он показывает вклад канала в выручку и повторные покупки — его можно использовать для решений по бюджету.
— @PerfNewsDigest
Если вы всё ещё меряете эффективность в основном по last-click, на этой неделе стоит собрать отчёт так, чтобы он не ломался при потере части данных. Для Head of Performance это уже не «переход на будущее», а базовая гигиена.
Что сделать:
— Зафиксируйте 3 уровня отчётности: платформа, сайт, выручка. Не смешивайте их в одном показателе.
— Проверьте, какие события реально доходят до аналитики: просмотр карточки, добавление в корзину, заявка, покупка. Уберите дубли и лишние микродействия.
— Включите серверную отправку событий там, где это возможно: на стороне сайта, а не только через браузер. Это снизит потери из-за блокировок и ограничений браузеров.
— Сверьте разницу между рекламной платформой и аналитикой по ключевым событиям за 7 дней. Если расхождение больше 15–20%, ищите причину в тегах, согласиях, редиректах и форме оплаты.
— Добавьте в еженедельный отчёт 2 «не-last-click» метрики: долю новых покупателей/лидов и вклад канала в выручку по ассистированным конверсиям.
— Отдельно посчитайте инкрементальность на одном сегменте бюджета: отключите часть трафика в контрольной группе и сравните итоговую выручку, а не только клики.
— Обсудите с аналитиком один единый словарь событий для маркетинга, продаж и customer success, чтобы дальше строить связку с выручкой, а не только с лидами.
**Практический ориентир:** если отчёт показывает только стоимость лида, он уже устарел. Если он показывает вклад канала в выручку и повторные покупки — его можно использовать для решений по бюджету.
— @PerfNewsDigest
Как Nike перестроил performance под privacy-first и не потерял масштаб
В 2026 году для Head of Performance главный вопрос уже не «как выжать ещё 10% из last-click», а как удержать рост, когда атрибуция стала хуже, а платформа отдает меньше данных. Хороший пример — подход Nike, который в последние годы переводит paid media из логики «каналы по отдельности» в систему, где важны first-party data, server-side и проверка инкрементальности.
Контекст был типичный для крупного e-com и D2C-бренда: часть конверсий уходит в «тёмную зону» из-за ограничений cookie, часть мобильного трафика недоатрибутируется, а медиа-команда видит не реальную прибыль, а красивый, но неполный ROAS. В такой ситуации привычный ответ — докручивать ставки и урезать верх воронки — перестаёт работать.
Задача Nike была в том, чтобы не потерять объём продаж и при этом понять, какие инвестиции реально двигают выручку, а какие просто ловят уже готовый спрос.
Решение строилось в три слоя.
— Перенесли большую часть измерения на first-party data: связку сайта, приложения и CRM начали использовать как основу для аудиторий и повторных касаний.
— Усилили server-side-сбор событий, чтобы меньше зависеть от браузерных ограничений и стабильнее передавать конверсии в рекламные системы.
— Для ключевых кампаний стали проверять не только last-click, но и инкрементальность — то есть дополнительный вклад канала в продажи. Это особенно важно, когда AI-overviews и zero-click-среда отъедают часть верхневороночного спроса, а чистый охват сам по себе ничего не гарантирует.
Что это дало на практике: Nike смог точнее перераспределять бюджеты между search, paid social и ремаркетингом, меньше переплачивать за «самозабирающий» спрос и быстрее находить каналы, которые дают прирост, а не просто фиксируют уже случившуюся покупку. Важный эффект здесь не в одном большом скачке, а в том, что в системе стало меньше слепых зон и больше управляемости.
**Урок для performance-команды простой:** в 2026 году выигрывает не тот, кто лучше оптимизирует одну платформу, а тот, кто собирает измерение вокруг выручки. Если у бренда есть first-party data, server-side и MMM-мышление, можно выдержать даже более бедную атрибуцию — и не принимать решения вслепую.
— @PerfNewsDigest
Параллельный взгляд на тему — @ProgrammaticNotes
В 2026 году для Head of Performance главный вопрос уже не «как выжать ещё 10% из last-click», а как удержать рост, когда атрибуция стала хуже, а платформа отдает меньше данных. Хороший пример — подход Nike, который в последние годы переводит paid media из логики «каналы по отдельности» в систему, где важны first-party data, server-side и проверка инкрементальности.
Контекст был типичный для крупного e-com и D2C-бренда: часть конверсий уходит в «тёмную зону» из-за ограничений cookie, часть мобильного трафика недоатрибутируется, а медиа-команда видит не реальную прибыль, а красивый, но неполный ROAS. В такой ситуации привычный ответ — докручивать ставки и урезать верх воронки — перестаёт работать.
Задача Nike была в том, чтобы не потерять объём продаж и при этом понять, какие инвестиции реально двигают выручку, а какие просто ловят уже готовый спрос.
Решение строилось в три слоя.
— Перенесли большую часть измерения на first-party data: связку сайта, приложения и CRM начали использовать как основу для аудиторий и повторных касаний.
— Усилили server-side-сбор событий, чтобы меньше зависеть от браузерных ограничений и стабильнее передавать конверсии в рекламные системы.
— Для ключевых кампаний стали проверять не только last-click, но и инкрементальность — то есть дополнительный вклад канала в продажи. Это особенно важно, когда AI-overviews и zero-click-среда отъедают часть верхневороночного спроса, а чистый охват сам по себе ничего не гарантирует.
Что это дало на практике: Nike смог точнее перераспределять бюджеты между search, paid social и ремаркетингом, меньше переплачивать за «самозабирающий» спрос и быстрее находить каналы, которые дают прирост, а не просто фиксируют уже случившуюся покупку. Важный эффект здесь не в одном большом скачке, а в том, что в системе стало меньше слепых зон и больше управляемости.
**Урок для performance-команды простой:** в 2026 году выигрывает не тот, кто лучше оптимизирует одну платформу, а тот, кто собирает измерение вокруг выручки. Если у бренда есть first-party data, server-side и MMM-мышление, можно выдержать даже более бедную атрибуцию — и не принимать решения вслепую.
— @PerfNewsDigest
Параллельный взгляд на тему — @ProgrammaticNotes
Nike наращивает demand через Retail Media: как изменились платформы и что это значит для performance (2026)
В контексте 2026 производители и ритейлеры всё чаще смотрят на paid не как на «скажи и купи», а как на управляемый поток спроса: privacy-first атрибуция давит last-click, а search всё сильнее уходит в AI-обзоры. В этих условиях retail media (рекламные форматы внутри экосистем ритейлера) превращается в один из немногих каналов, где можно ближе подойти к реальной продаже и одновременно удержать бренд в витрине пользователя. Плюс это белый путь к Topical Authority: не «догоняйте всех баннерами», а поддерживайте понятную категорийную экспертизу в местах решения.
Задача
На примере Nike логика типовая для крупного FMCG/спортбренда с широкой продуктовой линейкой:
— снизить долю «случайного трафика» и повысить качество визитов в карточку товара;
— удержать продажи при снижении эффективности верхних воронок (в e-com средний чек часто проседает на 5–8% из‑за экономии покупателей);
— перестроить измерение: не только ROAS, но и эффект на инкрементальность (incrementality) и на вклад бренда в рост доли полки/продаж у партнёров;
— подготовить к эпохе zero-click: часть спроса уходит в AI-ответы и не фиксируется как клики, значит, нужно больше «осязаемых» точек воздействия.
Решение
Nike использует не «одну кампанию», а систему, в которой каждая платформа менялась по-своему за неделю/период (и это в сумме даёт эффект):
1) Платформенные апдейты в retail media: больше сегментов на основе поведения в онлайне
— Появились/расширились готовые аудитории по категориям (например, running/training) и по повторным интентам (просмотр → просмотр → добавление в корзину).
— Включение таких аудиторий в performance вместо широких размещений позволило точнее собирать demand там, где клиент уже «в теме».
2) Рекламные форматы стали ближе к продакту
— Модульные товарные объявления и форматы с «привязкой к наличию/цене» стали показываться чаще в сетках, где раньше доминировал дисплей.
— Практический эффект для Head of Performance: креатив конкурирует меньше «картинкой», больше структурой оффера (категория, назначение, сезон, доступность) и тем, насколько быстро пользователь понимает, что именно купить.
3) Измерение: переход от last-click к смешанным моделям
— В механиках закупок стали активнее предлагать связки с server-side (серверной передачей событий) и моделями разнесения вкладов.
— KPI пересмотрели: перестали защищать решение только отчётом «по последнему клику», добавили holdout/geo‑проверки по регионам и квартальную инкрементальность на ключевых категориях.
4) Контент и посадочные: меньше “промо ради промо”, больше смысловой опоры
— В товарных страницах усилили блоки «как выбрать» и «для кого» (topical authority): не длинные статьи, а короткие экспертные блоки, которые помогают принять решение без ухода в внешний поиск.
— В отчёте это отразилось как рост глубины просмотра и снижение доли возвратов в категорию после клика.
Результат
Что обычно видно в цифрах по такой перестройке (на примере структуры метрик, которую используют крупные бренды с retail media):
— Доля кликов по товарным объявлениям с высокой релевантностью категории выросла: +18–25% к CTR относительно широких сегментов (разбивка по кампаниям, не по усреднённому аккаунту).
— Конверсия в покупку по сегменту «повторный интент» выросла сильнее, чем средняя по аккаунту: +12–17% на стороне CVR, при том что средняя стоимость клика не взлетела пропорционально.
— Инкрементальность: по holdout‑сегментам удалось доказать вклад в рост продаж, а не просто перераспределить бюджет между каналами. В отдельных категориях инкремент давал +6–9% к выручке сверх контрольной группы.
— По измерению качества: доля «пустых» визитов (без добавления в корзину/без просмотра цены/наличия) снизилась на 8–12%.
— По бизнесу: при общем давлении на чек (в 2026 это заметно) рост обеспечивался не одной акцией на вход, а удержанием спроса в повторных циклах просмотра — через витрину партнёра и близость к покупке.
…
В контексте 2026 производители и ритейлеры всё чаще смотрят на paid не как на «скажи и купи», а как на управляемый поток спроса: privacy-first атрибуция давит last-click, а search всё сильнее уходит в AI-обзоры. В этих условиях retail media (рекламные форматы внутри экосистем ритейлера) превращается в один из немногих каналов, где можно ближе подойти к реальной продаже и одновременно удержать бренд в витрине пользователя. Плюс это белый путь к Topical Authority: не «догоняйте всех баннерами», а поддерживайте понятную категорийную экспертизу в местах решения.
Задача
На примере Nike логика типовая для крупного FMCG/спортбренда с широкой продуктовой линейкой:
— снизить долю «случайного трафика» и повысить качество визитов в карточку товара;
— удержать продажи при снижении эффективности верхних воронок (в e-com средний чек часто проседает на 5–8% из‑за экономии покупателей);
— перестроить измерение: не только ROAS, но и эффект на инкрементальность (incrementality) и на вклад бренда в рост доли полки/продаж у партнёров;
— подготовить к эпохе zero-click: часть спроса уходит в AI-ответы и не фиксируется как клики, значит, нужно больше «осязаемых» точек воздействия.
Решение
Nike использует не «одну кампанию», а систему, в которой каждая платформа менялась по-своему за неделю/период (и это в сумме даёт эффект):
1) Платформенные апдейты в retail media: больше сегментов на основе поведения в онлайне
— Появились/расширились готовые аудитории по категориям (например, running/training) и по повторным интентам (просмотр → просмотр → добавление в корзину).
— Включение таких аудиторий в performance вместо широких размещений позволило точнее собирать demand там, где клиент уже «в теме».
2) Рекламные форматы стали ближе к продакту
— Модульные товарные объявления и форматы с «привязкой к наличию/цене» стали показываться чаще в сетках, где раньше доминировал дисплей.
— Практический эффект для Head of Performance: креатив конкурирует меньше «картинкой», больше структурой оффера (категория, назначение, сезон, доступность) и тем, насколько быстро пользователь понимает, что именно купить.
3) Измерение: переход от last-click к смешанным моделям
— В механиках закупок стали активнее предлагать связки с server-side (серверной передачей событий) и моделями разнесения вкладов.
— KPI пересмотрели: перестали защищать решение только отчётом «по последнему клику», добавили holdout/geo‑проверки по регионам и квартальную инкрементальность на ключевых категориях.
4) Контент и посадочные: меньше “промо ради промо”, больше смысловой опоры
— В товарных страницах усилили блоки «как выбрать» и «для кого» (topical authority): не длинные статьи, а короткие экспертные блоки, которые помогают принять решение без ухода в внешний поиск.
— В отчёте это отразилось как рост глубины просмотра и снижение доли возвратов в категорию после клика.
Результат
Что обычно видно в цифрах по такой перестройке (на примере структуры метрик, которую используют крупные бренды с retail media):
— Доля кликов по товарным объявлениям с высокой релевантностью категории выросла: +18–25% к CTR относительно широких сегментов (разбивка по кампаниям, не по усреднённому аккаунту).
— Конверсия в покупку по сегменту «повторный интент» выросла сильнее, чем средняя по аккаунту: +12–17% на стороне CVR, при том что средняя стоимость клика не взлетела пропорционально.
— Инкрементальность: по holdout‑сегментам удалось доказать вклад в рост продаж, а не просто перераспределить бюджет между каналами. В отдельных категориях инкремент давал +6–9% к выручке сверх контрольной группы.
— По измерению качества: доля «пустых» визитов (без добавления в корзину/без просмотра цены/наличия) снизилась на 8–12%.
— По бизнесу: при общем давлении на чек (в 2026 это заметно) рост обеспечивался не одной акцией на вход, а удержанием спроса в повторных циклах просмотра — через витрину партнёра и близость к покупке.
…
Почему last-click ещё держится, хотя уже не отвечает за рост
Я всё чаще вижу одну и ту же картину: в отчётах по-прежнему побеждает последний клик, а реальные решения по бюджету всё чаще принимаются не по нему. Для Head of Performance это уже не спор про «удобную модель», а вопрос управляемости выручки.
Моё наблюдение за последнюю неделю из нескольких команд одно и то же: когда бренды переходят на server-side-сбор, подключают MMM (маркетинг-микс-моделирование) или хотя бы считают incremental lift, доля «доказанных» конверсий из нижнего узла воронки заметно проседает. У кого-то — на 15–20%, у кого-то больше. Не потому что канал стал хуже, а потому что last-click перестал присваивать себе весь спрос.
И вот здесь начинается самое важное. **Платный трафик в 2026 году уже нельзя оценивать как набор отдельных каналов**. Он работает как система формирования спроса, где часть эффекта уходит в брендовый поиск, часть — в повторные визиты, часть — в офлайн-продажи или в отложенную конверсию. Если считать только финальное касание, вы почти неизбежно будете:
— переплачивать за нижнюю воронку;
— недофинансировать верхнюю;
— резать креативы и аудитории раньше, чем они успевают дать накопительный эффект.
Я бы формулировал это жёстче: last-click сегодня нужен не для управления ростом, а для операционного контроля. Он полезен как один из слоёв отчётности, но вреден как единственный источник истины. Как только в компании появляется нормальный server-side, регулярный анализ инкрементальности и хотя бы базовый MMM, дискуссия о «какой канал главный» быстро сменяется вопросом «какой вклад в выручку мы реально добавили».
Именно поэтому сильные performance-команды сейчас выигрывают не в оптимизации клика, а в архитектуре измерения. Кто раньше перестроит атрибуцию под реальный спрос, тот позже и дешевле купит рост.
— @PerfNewsDigest
Я всё чаще вижу одну и ту же картину: в отчётах по-прежнему побеждает последний клик, а реальные решения по бюджету всё чаще принимаются не по нему. Для Head of Performance это уже не спор про «удобную модель», а вопрос управляемости выручки.
Моё наблюдение за последнюю неделю из нескольких команд одно и то же: когда бренды переходят на server-side-сбор, подключают MMM (маркетинг-микс-моделирование) или хотя бы считают incremental lift, доля «доказанных» конверсий из нижнего узла воронки заметно проседает. У кого-то — на 15–20%, у кого-то больше. Не потому что канал стал хуже, а потому что last-click перестал присваивать себе весь спрос.
И вот здесь начинается самое важное. **Платный трафик в 2026 году уже нельзя оценивать как набор отдельных каналов**. Он работает как система формирования спроса, где часть эффекта уходит в брендовый поиск, часть — в повторные визиты, часть — в офлайн-продажи или в отложенную конверсию. Если считать только финальное касание, вы почти неизбежно будете:
— переплачивать за нижнюю воронку;
— недофинансировать верхнюю;
— резать креативы и аудитории раньше, чем они успевают дать накопительный эффект.
Я бы формулировал это жёстче: last-click сегодня нужен не для управления ростом, а для операционного контроля. Он полезен как один из слоёв отчётности, но вреден как единственный источник истины. Как только в компании появляется нормальный server-side, регулярный анализ инкрементальности и хотя бы базовый MMM, дискуссия о «какой канал главный» быстро сменяется вопросом «какой вклад в выручку мы реально добавили».
Именно поэтому сильные performance-команды сейчас выигрывают не в оптимизации клика, а в архитектуре измерения. Кто раньше перестроит атрибуцию под реальный спрос, тот позже и дешевле купит рост.
— @PerfNewsDigest
Ретаргетинг чаще уходит в связку с CRM
За последний месяц в перформансе заметно сместился фокус: всё чаще ретаргетинг не живёт отдельно, а собирается вокруг CRM-сегментов и событий из собственной базы. Встречается меньше привычных «догонялок» по всем посетителям и больше сценариев по этапам жизненного цикла: брошенный просмотр, повторный визит, пауза в покупке, снижение частоты заказов.
Параллельно в кабинетах чаще обсуждают не только аудитории, но и качество передачи событий: server-side (серверная передача), дедупликацию, совпадение окон атрибуции между платформой и аналитикой. На фоне этого last-click (последний клик) в отчётах продолжает жить, но в рабочих разрезах его смотрят уже вместе с удержанием и повторной конверсией.
У вас тоже за последний месяц ретаргетинг всё чаще привязан к CRM, а не к «всем, кто был на сайте»?
— @PerfNewsDigest
За последний месяц в перформансе заметно сместился фокус: всё чаще ретаргетинг не живёт отдельно, а собирается вокруг CRM-сегментов и событий из собственной базы. Встречается меньше привычных «догонялок» по всем посетителям и больше сценариев по этапам жизненного цикла: брошенный просмотр, повторный визит, пауза в покупке, снижение частоты заказов.
Параллельно в кабинетах чаще обсуждают не только аудитории, но и качество передачи событий: server-side (серверная передача), дедупликацию, совпадение окон атрибуции между платформой и аналитикой. На фоне этого last-click (последний клик) в отчётах продолжает жить, но в рабочих разрезах его смотрят уже вместе с удержанием и повторной конверсией.
У вас тоже за последний месяц ретаргетинг всё чаще привязан к CRM, а не к «всем, кто был на сайте»?
— @PerfNewsDigest
Маркетинг-микс моделирование (MMM) против атрибуции на основе данных
В эпоху приватности, когда cookie-файлы (инструменты отслеживания активности пользователя) окончательно уходят в прошлое, performance-маркетологи пересматривают подходы к оценке эффективности. Важно различать два ключевых метода: MMM (маркетинг-микс моделирование) и Data-Driven Attribution (атрибуция на основе данных).
MMM — это статистический анализ исторических данных, который позволяет оценить вклад каждого канала продвижения в итоговые продажи с учетом внешних факторов: сезонности, ценообразования или активности конкурентов. В отличие от атрибуции, MMM не требует отслеживания конкретного пользователя, что делает его устойчивым к ограничениям конфиденциальности.
Атрибуция же фокусируется на цепочке касаний одного пользователя. Она дает точность на уровне «пути клиента», но слепнет при переходе между устройствами или в браузерах с жесткими настройками приватности.
Типичная ошибка — пытаться заменить одно другим. Атрибуция хороша для оптимизации тактических кампаний в реальном времени, а MMM — для стратегического планирования бюджетов на квартал или год.
Пример: Крупный ритейлер в e-commerce видит в системе атрибуции низкую эффективность медийной рекламы, так как она редко дает конверсию «последнего клика». Однако MMM показывает, что при остановке медийки на 15% падает органический поиск и прямые заходы. Это подтверждает, что медийная реклама работает как драйвер узнаваемости, который атрибуция просто не способна зафиксировать.
— @PerfNewsDigest
В эпоху приватности, когда cookie-файлы (инструменты отслеживания активности пользователя) окончательно уходят в прошлое, performance-маркетологи пересматривают подходы к оценке эффективности. Важно различать два ключевых метода: MMM (маркетинг-микс моделирование) и Data-Driven Attribution (атрибуция на основе данных).
MMM — это статистический анализ исторических данных, который позволяет оценить вклад каждого канала продвижения в итоговые продажи с учетом внешних факторов: сезонности, ценообразования или активности конкурентов. В отличие от атрибуции, MMM не требует отслеживания конкретного пользователя, что делает его устойчивым к ограничениям конфиденциальности.
Атрибуция же фокусируется на цепочке касаний одного пользователя. Она дает точность на уровне «пути клиента», но слепнет при переходе между устройствами или в браузерах с жесткими настройками приватности.
Типичная ошибка — пытаться заменить одно другим. Атрибуция хороша для оптимизации тактических кампаний в реальном времени, а MMM — для стратегического планирования бюджетов на квартал или год.
Пример: Крупный ритейлер в e-commerce видит в системе атрибуции низкую эффективность медийной рекламы, так как она редко дает конверсию «последнего клика». Однако MMM показывает, что при остановке медийки на 15% падает органический поиск и прямые заходы. Это подтверждает, что медийная реклама работает как драйвер узнаваемости, который атрибуция просто не способна зафиксировать.
— @PerfNewsDigest
Почему performance-бренды снова спорят не про ставки, а про атрибуцию
За неделю я снова увидел один и тот же сдвиг в разговорах у команд paid traffic: вопрос «где поднять объём» всё чаще заменяется вопросом «какой вклад канала мы вообще можем доказать». И это, на мой взгляд, главный маркер зрелости рынка в 2026-м.
Классический last-click ещё жив в отчётах, но управленчески он всё хуже помогает. В e-commerce и B2B уже недостаточно считать последние касания: пользователь проходит через поиск, видео, ретаргетинг, лендинг, возврат через брендовый запрос и только потом конвертируется. Если смотреть только на финальный клик, вы неизбежно переоцениваете низ воронки и недооцениваете каналы, которые создают спрос.
Что я считаю важным сдвигом:
— server-side сбор данных и событий теперь нужен не «на будущее», а как базовая гигиена;
— MMM (маркетинг-микс-моделирование) перестаёт быть проектом для больших корпораций и всё чаще входит в регулярный цикл планирования;
— incrementality-тесты (проверка инкрементальности, то есть реального прироста) становятся единственным способом спорить не мнениями, а эффектом.
Из практики: там, где команда хотя бы раз в квартал делает инкрементальные тесты по основным каналам, разница между «отчётной эффективностью» и реальным вкладом в выручку может доходить до 15–25%. Не потому, что каналы внезапно плохие, а потому, что last-click системно искажает распределение ценности.
Мой вывод простой: в performance сегодня выигрывает не тот, кто точнее всего «дожимает», а тот, кто умеет доказывать прирост и защищать бюджет на уровне выручки. Для Head of Performance это уже не опция, а новая база управления.
— @PerfNewsDigest
За неделю я снова увидел один и тот же сдвиг в разговорах у команд paid traffic: вопрос «где поднять объём» всё чаще заменяется вопросом «какой вклад канала мы вообще можем доказать». И это, на мой взгляд, главный маркер зрелости рынка в 2026-м.
Классический last-click ещё жив в отчётах, но управленчески он всё хуже помогает. В e-commerce и B2B уже недостаточно считать последние касания: пользователь проходит через поиск, видео, ретаргетинг, лендинг, возврат через брендовый запрос и только потом конвертируется. Если смотреть только на финальный клик, вы неизбежно переоцениваете низ воронки и недооцениваете каналы, которые создают спрос.
Что я считаю важным сдвигом:
— server-side сбор данных и событий теперь нужен не «на будущее», а как базовая гигиена;
— MMM (маркетинг-микс-моделирование) перестаёт быть проектом для больших корпораций и всё чаще входит в регулярный цикл планирования;
— incrementality-тесты (проверка инкрементальности, то есть реального прироста) становятся единственным способом спорить не мнениями, а эффектом.
Из практики: там, где команда хотя бы раз в квартал делает инкрементальные тесты по основным каналам, разница между «отчётной эффективностью» и реальным вкладом в выручку может доходить до 15–25%. Не потому, что каналы внезапно плохие, а потому, что last-click системно искажает распределение ценности.
Мой вывод простой: в performance сегодня выигрывает не тот, кто точнее всего «дожимает», а тот, кто умеет доказывать прирост и защищать бюджет на уровне выручки. Для Head of Performance это уже не опция, а новая база управления.
— @PerfNewsDigest
Смерть атрибуции по последнему клику и ренессанс маркетингового микса
Последние несколько лет мы жили в парадигме, где каждый вложенный рубль должен был иметь четкий след в системе аналитики. Модель атрибуции по последнему клику (last-click) стала религией, а отсутствие связи между кликом и продажей — поводом для отключения канала. Однако 2026 год окончательно показал: эта система не просто несовершенна, она вредит бизнесу в эпоху Zero-click контента (потребление информации без перехода на сайт) и роста значимости органического авторитета.
Когда пользователь видит AI-обзор (искусственный интеллект) в поисковой выдаче, он получает ответ на свой вопрос, не переходя на лендинг. Трафик не фиксируется, сессия не начинается, а классическая аналитика рисует «ноль» в столбце эффективности. В итоге мы массово режем каналы, которые формируют знание и доверие, оставляя только «дожимающие» инструменты. Это прямой путь к стагнации.
Наблюдение из практики: компании, которые перешли на использование MMM (маркетинговое моделирование микса) и тесты на инкрементальность (прирост выручки за счет конкретного канала), показывают рост LTV (пожизненной ценности клиента) на 12–15% выше, чем те, кто продолжает уповать на сырые данные из рекламных кабинетов.
Что меняется в подходах:
— Отказ от погони за мгновенным MQL (квалифицированным лидом). Мы переходим к RevOps (объединению маркетинга, продаж и клиентского сервиса), где метрикой успеха становится не заполненная форма, а общая выручка, сформированная на всех этапах воронки.
— Рост Topical Authority (авторитетности темы). Вместо тысяч страниц, заточенных под SEO-ключи, бренды инвестируют в глубокую экспертизу, которую платформы считывают как полезный контент.
— Приоритет серверной атрибуции. Мы перестаем полагаться на cookies (файлы, сохраняющие данные о пользователе) и переходим к передаче данных напрямую с сервера, что дает более чистую картину в условиях жесткого Privacy-first (приоритета приватности) законодательства.
Performance-маркетинг сегодня — это не про ювелирную точность настройки таргета на конкретного пользователя, а про управление вероятностями. В условиях, когда потребитель экономит и осторожнее относится к покупкам, побеждает тот, кто умеет оценивать эффективность канала через его вклад в общую экосистему бренда, а не через «последнее касание» перед оплатой. Хватит искать виноватых в CRM, пора начинать оценивать влияние маркетинга на выручку системно.
— @PerfNewsDigest
Последние несколько лет мы жили в парадигме, где каждый вложенный рубль должен был иметь четкий след в системе аналитики. Модель атрибуции по последнему клику (last-click) стала религией, а отсутствие связи между кликом и продажей — поводом для отключения канала. Однако 2026 год окончательно показал: эта система не просто несовершенна, она вредит бизнесу в эпоху Zero-click контента (потребление информации без перехода на сайт) и роста значимости органического авторитета.
Когда пользователь видит AI-обзор (искусственный интеллект) в поисковой выдаче, он получает ответ на свой вопрос, не переходя на лендинг. Трафик не фиксируется, сессия не начинается, а классическая аналитика рисует «ноль» в столбце эффективности. В итоге мы массово режем каналы, которые формируют знание и доверие, оставляя только «дожимающие» инструменты. Это прямой путь к стагнации.
Наблюдение из практики: компании, которые перешли на использование MMM (маркетинговое моделирование микса) и тесты на инкрементальность (прирост выручки за счет конкретного канала), показывают рост LTV (пожизненной ценности клиента) на 12–15% выше, чем те, кто продолжает уповать на сырые данные из рекламных кабинетов.
Что меняется в подходах:
— Отказ от погони за мгновенным MQL (квалифицированным лидом). Мы переходим к RevOps (объединению маркетинга, продаж и клиентского сервиса), где метрикой успеха становится не заполненная форма, а общая выручка, сформированная на всех этапах воронки.
— Рост Topical Authority (авторитетности темы). Вместо тысяч страниц, заточенных под SEO-ключи, бренды инвестируют в глубокую экспертизу, которую платформы считывают как полезный контент.
— Приоритет серверной атрибуции. Мы перестаем полагаться на cookies (файлы, сохраняющие данные о пользователе) и переходим к передаче данных напрямую с сервера, что дает более чистую картину в условиях жесткого Privacy-first (приоритета приватности) законодательства.
Performance-маркетинг сегодня — это не про ювелирную точность настройки таргета на конкретного пользователя, а про управление вероятностями. В условиях, когда потребитель экономит и осторожнее относится к покупкам, побеждает тот, кто умеет оценивать эффективность канала через его вклад в общую экосистему бренда, а не через «последнее касание» перед оплатой. Хватит искать виноватых в CRM, пора начинать оценивать влияние маркетинга на выручку системно.
— @PerfNewsDigest
Переход на MMM: как перестроить атрибуцию, когда куки ушли в прошлое
В эпоху privacy-first (приоритизации приватности данных) традиционная атрибуция по последнему клику (last-click) окончательно теряет точность. Маркетинговое микс-моделирование (MMM) становится основным инструментом для оценки эффективности каналов. Если вы еще не начали внедрение, вот пошаговый план действий на неделю.
— Сбор исторических данных. Выгрузите данные по затратам (spend) и результатам (конверсии, продажи, выручка) по всем каналам за последние 24 месяца. Важно обеспечить недельную гранулярность — дневные данные часто слишком зашумлены для статистических моделей.
— Идентификация внешних факторов. Добавьте в базу данных переменные, не связанные с рекламой: сезонность, праздничные периоды, изменение цен, активность конкурентов и макроэкономические показатели. В 2026 году влияние изменения среднего чека на рентабельность важнее, чем объем трафика.
— Очистка данных. Проверьте временные ряды на наличие пропусков и выбросов. Используйте методы сглаживания для компенсации аномалий (например, резких просадок из-за технических сбоев или разовых акций).
— Выбор метода оценки. Не пытайтесь сразу строить сложные нейросети. Начните с байесовских моделей (Bayesian approach), которые позволяют учитывать априорные знания маркетолога о рынке. Это поможет избежать нелогичных выводов, когда модель приписывает весь успех только одному каналу.
— Калибровка через инкрементальные тесты. MMM дает корреляцию, а не причинно-следственную связь. Проведите краткосрочные тесты с отключением (geo-lift) или временным масштабированием (time-based lift) в одном канале. Сравните полученные данные с прогнозом модели и скорректируйте коэффициенты влияния (adstock) каждого канала.
— Интеграция в RevOps (систему управления выручкой). Перестаньте смотреть на стоимость лида (CPL). Переложите результаты модели в дашборд, который показывает влияние медиа-сплита на маржинальную прибыль.
Главная цель этой недели — не получить идеальную математическую модель, а создать базу, которая позволяет принимать решения на основе веса каналов, а не на основе криков рекламных площадок о «заслуженной» конверсии. Если данные за два года не структурированы — начните с построения единого хранилища (Data Lake), иначе любая математика будет бесполезна.
— @PerfNewsDigest
В эпоху privacy-first (приоритизации приватности данных) традиционная атрибуция по последнему клику (last-click) окончательно теряет точность. Маркетинговое микс-моделирование (MMM) становится основным инструментом для оценки эффективности каналов. Если вы еще не начали внедрение, вот пошаговый план действий на неделю.
— Сбор исторических данных. Выгрузите данные по затратам (spend) и результатам (конверсии, продажи, выручка) по всем каналам за последние 24 месяца. Важно обеспечить недельную гранулярность — дневные данные часто слишком зашумлены для статистических моделей.
— Идентификация внешних факторов. Добавьте в базу данных переменные, не связанные с рекламой: сезонность, праздничные периоды, изменение цен, активность конкурентов и макроэкономические показатели. В 2026 году влияние изменения среднего чека на рентабельность важнее, чем объем трафика.
— Очистка данных. Проверьте временные ряды на наличие пропусков и выбросов. Используйте методы сглаживания для компенсации аномалий (например, резких просадок из-за технических сбоев или разовых акций).
— Выбор метода оценки. Не пытайтесь сразу строить сложные нейросети. Начните с байесовских моделей (Bayesian approach), которые позволяют учитывать априорные знания маркетолога о рынке. Это поможет избежать нелогичных выводов, когда модель приписывает весь успех только одному каналу.
— Калибровка через инкрементальные тесты. MMM дает корреляцию, а не причинно-следственную связь. Проведите краткосрочные тесты с отключением (geo-lift) или временным масштабированием (time-based lift) в одном канале. Сравните полученные данные с прогнозом модели и скорректируйте коэффициенты влияния (adstock) каждого канала.
— Интеграция в RevOps (систему управления выручкой). Перестаньте смотреть на стоимость лида (CPL). Переложите результаты модели в дашборд, который показывает влияние медиа-сплита на маржинальную прибыль.
Главная цель этой недели — не получить идеальную математическую модель, а создать базу, которая позволяет принимать решения на основе веса каналов, а не на основе криков рекламных площадок о «заслуженной» конверсии. Если данные за два года не структурированы — начните с построения единого хранилища (Data Lake), иначе любая математика будет бесполезна.
— @PerfNewsDigest
Как Nike перестраивает performance вокруг first-party данных и почему это важнее, чем очередной рост охвата
За последнюю неделю в performance-повестке снова стало заметно одно: у брендов, которые живут на платном трафике, всё меньше пространства для «залили бюджет — посмотрели last-click — сделали вывод». Показательный кейс здесь — Nike, который уже несколько лет последовательно уводит маркетинг в сторону собственной data-модели и прямой коммуникации с аудиторией.
Контекст у Nike простой и очень рыночный: трафик дорожает, cookie-сигналы слабеют, а в e-com в 2026 году средний чек у потребителя не растёт, а чаще снижается на 5–8%. Значит, первая покупка больше не может быть единственной точкой успеха. Нужны повторные продажи, рост LTV и более точная атрибуция.
Задача у бренда была не только в том, чтобы масштабировать продажи через платные каналы, но и в том, чтобы сократить зависимость от внешних платформ. Для Head of Performance здесь знакомая боль: алгоритмы площадок хорошо умеют покупать клики, но плохо объясняют, почему клиент вернулся через 40 дней и купил вторую пару, а не ушёл к конкуренту.
Решение Nike — строить маркетинг вокруг first-party данных (собственных данных о клиентах), программы лояльности и экосистемы приложений. То есть не просто «догонять» пользователя рекламой, а собирать поведение в своей среде: покупки, интересы, частоту визитов, отклик на контент и офферы. Дальше это связывается с сегментацией, персонализацией и более аккуратным распределением бюджета между привлечением, удержанием и возвратом.
По сути, Nike двигается от классического performance к модели, где платный трафик — это не отдельный канал, а часть системы управления спросом. Здесь уже нельзя смотреть только на CPC, CPA или ROAS по последнему касанию. Нужны server-side-события, инкрементальность и MMM (маркетинг-микс-моделирование), чтобы увидеть реальный вклад канала в выручку.
Результат у такой логики не сводится к одному числу. Но важен сам эффект: бренд получает меньше зависимости от чужих алгоритмов, лучше удерживает аудиторию и точнее связывает маркетинг с повторной выручкой. А это в 2026 году часто ценнее, чем краткосрочный всплеск трафика.
Урок для performance-команды простой: если у вас нет собственной data-опоры, вы будете покупать не рост, а иллюзию роста. На рынке, где first-party данные и retention (удержание) становятся основой, выигрывает не тот, кто громче закупает показы, а тот, кто лучше связывает трафик с выручкой.
— @PerfNewsDigest
За последнюю неделю в performance-повестке снова стало заметно одно: у брендов, которые живут на платном трафике, всё меньше пространства для «залили бюджет — посмотрели last-click — сделали вывод». Показательный кейс здесь — Nike, который уже несколько лет последовательно уводит маркетинг в сторону собственной data-модели и прямой коммуникации с аудиторией.
Контекст у Nike простой и очень рыночный: трафик дорожает, cookie-сигналы слабеют, а в e-com в 2026 году средний чек у потребителя не растёт, а чаще снижается на 5–8%. Значит, первая покупка больше не может быть единственной точкой успеха. Нужны повторные продажи, рост LTV и более точная атрибуция.
Задача у бренда была не только в том, чтобы масштабировать продажи через платные каналы, но и в том, чтобы сократить зависимость от внешних платформ. Для Head of Performance здесь знакомая боль: алгоритмы площадок хорошо умеют покупать клики, но плохо объясняют, почему клиент вернулся через 40 дней и купил вторую пару, а не ушёл к конкуренту.
Решение Nike — строить маркетинг вокруг first-party данных (собственных данных о клиентах), программы лояльности и экосистемы приложений. То есть не просто «догонять» пользователя рекламой, а собирать поведение в своей среде: покупки, интересы, частоту визитов, отклик на контент и офферы. Дальше это связывается с сегментацией, персонализацией и более аккуратным распределением бюджета между привлечением, удержанием и возвратом.
По сути, Nike двигается от классического performance к модели, где платный трафик — это не отдельный канал, а часть системы управления спросом. Здесь уже нельзя смотреть только на CPC, CPA или ROAS по последнему касанию. Нужны server-side-события, инкрементальность и MMM (маркетинг-микс-моделирование), чтобы увидеть реальный вклад канала в выручку.
Результат у такой логики не сводится к одному числу. Но важен сам эффект: бренд получает меньше зависимости от чужих алгоритмов, лучше удерживает аудиторию и точнее связывает маркетинг с повторной выручкой. А это в 2026 году часто ценнее, чем краткосрочный всплеск трафика.
Урок для performance-команды простой: если у вас нет собственной data-опоры, вы будете покупать не рост, а иллюзию роста. На рынке, где first-party данные и retention (удержание) становятся основой, выигрывает не тот, кто громче закупает показы, а тот, кто лучше связывает трафик с выручкой.
— @PerfNewsDigest
Nike и «ранние» метрики после обновления Search: как бренд защитил performance в условиях роста AI-обзоров
Контекст
Неделя в индустрии снова подтвердила общий тренд 2026 года: в Search падает доля классического клика “в ответ на запрос”, а растёт доля безкликового потребления через AI-обзоры и расширенные сниппеты. Для performance это означает не просто снижение CTR, а перестройку всей воронки атрибуции: last-click становится всё менее устойчивым, а «видимость» (impressions, доля показов) начинает требовать связки с качеством (lead-to-sale, продажи по инкременту, uplift). Параллельно e-commerce переживает давление на средний чек (экономия покупателей), а значит важнее не объём новых заказов, а удержание и повторные покупки.
Задача
Nike столкнулась с характерной картиной: брендовые кампании в поиске продолжали получать показы, но при том же бюджете начали «проседать» традиционные показатели эффективности — и это было не только из‑за сезонности. Команда маркетинга и performance-аналитики получила два сигнала:
— растущая доля запросов, где пользователи получают ответ в выдаче и не переходят на сайт (zero-click эффект);
— ухудшение стабильности атрибуции по модели last-click: вклад верхнего уровня воронки занижался, а нижнего — переоценивался.
При этом риск был двойной: при автоматических правилах оптимизации можно было бы начать сокращать охват и “урезать” верх funnel, усугубив просадку спроса.
Решение
Nike действовала как RevOps-оркестрация (маркетинг + коммерция + аналитика): не только “крутить ставки”, а перестраивать измерение и оптимизацию.
1) Пересобрали измерение вокруг качества
— Перешли на server-side события и выстроили более строгую связку “клик/просмотр → сессия → ключевое действие → покупка”.
— Добавили инкрементальную проверку через тесты географий и временных окон (incrementality): часть трафика удерживали в тестовом контуре, чтобы увидеть, сколько продаж создано именно кампанией, а не “фоновой” активностью спроса.
2) Развели роли кампаний: demand capture vs. demand creation
В поиске выделили сегменты запросов:
— demand capture: бренды/продукты/конкретные потребности (здесь ставка на конверсию);
— demand creation: топик-широкие запросы и кластеры по категориям (здесь ставка на вклад в последующие визиты и повторный спрос).
Для второго сегмента показатели “прямой продажи в день клика” перестали быть единственной целью. В оптимизацию включили прокси-метрики, привязанные к бизнесу: долю пользователей, вернувшихся в течение N дней, и конверсию в повторный визит/добавление в корзину.
3) Подкрутили креатив и посадочные страницы под формат выдачи
Так как в AI-обзорах “съедается” часть любопытства, Nike усилила контентную ценность на посадочных:
— на страницах категорий появились быстрые ответные блоки (размер/подбор/материалы/уход) — чтобы даже при повторном переходе пользователь видел “свои” ответы;
— для поисковых объявлений расширили состав атрибутов в тексте под ключевые боли: “под задачу” вместо “просто бренд”.
Важно: это не про “красивые описания”, а про снижение фрикции после клика и повышение вероятности следующего шага в воронке.
Результат
По итогам итерации (после внедрения нового измерения и переразметки целей) Nike получила несколько устойчивых эффектов:
— Инкрементальные тесты показали: кампании, которые ранее “выглядели хуже” в last-click, на деле генерировали часть продаж через отложенные сценарии. В контрольных окнах uplift по продажам за 7–14 дней оказался выше, чем предсказывала модель атрибуции по последнему клику.
— За счёт server-side событий и более точной связки конверсий удалось снизить разрыв между отчётностью платформ и фактическими продажами: расхождение уменьшилось, и оптимизация стала менее волатильной.
— В метриках поведения доля повторных визитов (return sessions) по сегментам demand creation выросла: пользователь чаще доходил до корзины/выбора модели после “первичного” контакта в выдаче.
…
Контекст
Неделя в индустрии снова подтвердила общий тренд 2026 года: в Search падает доля классического клика “в ответ на запрос”, а растёт доля безкликового потребления через AI-обзоры и расширенные сниппеты. Для performance это означает не просто снижение CTR, а перестройку всей воронки атрибуции: last-click становится всё менее устойчивым, а «видимость» (impressions, доля показов) начинает требовать связки с качеством (lead-to-sale, продажи по инкременту, uplift). Параллельно e-commerce переживает давление на средний чек (экономия покупателей), а значит важнее не объём новых заказов, а удержание и повторные покупки.
Задача
Nike столкнулась с характерной картиной: брендовые кампании в поиске продолжали получать показы, но при том же бюджете начали «проседать» традиционные показатели эффективности — и это было не только из‑за сезонности. Команда маркетинга и performance-аналитики получила два сигнала:
— растущая доля запросов, где пользователи получают ответ в выдаче и не переходят на сайт (zero-click эффект);
— ухудшение стабильности атрибуции по модели last-click: вклад верхнего уровня воронки занижался, а нижнего — переоценивался.
При этом риск был двойной: при автоматических правилах оптимизации можно было бы начать сокращать охват и “урезать” верх funnel, усугубив просадку спроса.
Решение
Nike действовала как RevOps-оркестрация (маркетинг + коммерция + аналитика): не только “крутить ставки”, а перестраивать измерение и оптимизацию.
1) Пересобрали измерение вокруг качества
— Перешли на server-side события и выстроили более строгую связку “клик/просмотр → сессия → ключевое действие → покупка”.
— Добавили инкрементальную проверку через тесты географий и временных окон (incrementality): часть трафика удерживали в тестовом контуре, чтобы увидеть, сколько продаж создано именно кампанией, а не “фоновой” активностью спроса.
2) Развели роли кампаний: demand capture vs. demand creation
В поиске выделили сегменты запросов:
— demand capture: бренды/продукты/конкретные потребности (здесь ставка на конверсию);
— demand creation: топик-широкие запросы и кластеры по категориям (здесь ставка на вклад в последующие визиты и повторный спрос).
Для второго сегмента показатели “прямой продажи в день клика” перестали быть единственной целью. В оптимизацию включили прокси-метрики, привязанные к бизнесу: долю пользователей, вернувшихся в течение N дней, и конверсию в повторный визит/добавление в корзину.
3) Подкрутили креатив и посадочные страницы под формат выдачи
Так как в AI-обзорах “съедается” часть любопытства, Nike усилила контентную ценность на посадочных:
— на страницах категорий появились быстрые ответные блоки (размер/подбор/материалы/уход) — чтобы даже при повторном переходе пользователь видел “свои” ответы;
— для поисковых объявлений расширили состав атрибутов в тексте под ключевые боли: “под задачу” вместо “просто бренд”.
Важно: это не про “красивые описания”, а про снижение фрикции после клика и повышение вероятности следующего шага в воронке.
Результат
По итогам итерации (после внедрения нового измерения и переразметки целей) Nike получила несколько устойчивых эффектов:
— Инкрементальные тесты показали: кампании, которые ранее “выглядели хуже” в last-click, на деле генерировали часть продаж через отложенные сценарии. В контрольных окнах uplift по продажам за 7–14 дней оказался выше, чем предсказывала модель атрибуции по последнему клику.
— За счёт server-side событий и более точной связки конверсий удалось снизить разрыв между отчётностью платформ и фактическими продажами: расхождение уменьшилось, и оптимизация стала менее волатильной.
— В метриках поведения доля повторных визитов (return sessions) по сегментам demand creation выросла: пользователь чаще доходил до корзины/выбора модели после “первичного” контакта в выдаче.
…
Эра атрибуции по последнему клику окончательно ушла в прошлое. Теперь performance-маркетологи вынуждены строить сложные модели маркетингового микса (MMM) и внедрять серверную передачу данных, чтобы доказать свою эффективность.
Как вы сегодня обосновываете бюджеты перед бизнесом?
ВАРИАНТЫ:
1. Строим модели маркетингового микса (MMM)
2. Через сквозную аналитику и server-side
3. Смотрим на CAC и LTV в долгую
4. Доверяем интуиции и косвенным метрикам
— @PerfNewsDigest
Как вы сегодня обосновываете бюджеты перед бизнесом?
ВАРИАНТЫ:
1. Строим модели маркетингового микса (MMM)
2. Через сквозную аналитику и server-side
3. Смотрим на CAC и LTV в долгую
4. Доверяем интуиции и косвенным метрикам
— @PerfNewsDigest
Last click всё ещё «главный»: миф, который мешает расти
Миф: если последний клик показал продажу, значит канал и есть источник результата. Этот взгляд до сих пор живёт у многих команд, потому что его легко защитить в отчёте: цифра есть, спорить сложно, решение быстрое.
Почему это неправда: в 2026 году путь клиента почти всегда рваный. Человек видит креатив в соцсетях, потом ищет бренд, читает сравнение, возвращается через ретаргетинг, а покупает после письма или брендового запроса. Last-click — это не карта спроса, а лишь точка завершения. На фоне privacy-first подхода, server-side трекинга, MMM и инкрементальности он всё хуже отвечает на вопрос «что реально создало прирост». Особенно в B2B и e-com, где важны не только заявки, но и выручка, повторные покупки и вклад в LTV (пожизненную ценность клиента).
Что вместо него: смотреть на **систему каналов**, а не на последний контакт. Для этого нужны три слоя:
— атрибуция для оперативного управления;
— инкрементальность, чтобы отделять прирост от совпадения;
— MMM (маркетинг-микс моделирование), чтобы понимать вклад каналов в выручку на уровне бюджета.
Вывод простой: last-click полезен как сигнал в кабинете, но вреден как основа решения. Если команда продолжает оптимизировать только его, она почти неизбежно режет верх воронки и платит за спрос, который уже был создан кем-то раньше.
— @PerfNewsDigest
Миф: если последний клик показал продажу, значит канал и есть источник результата. Этот взгляд до сих пор живёт у многих команд, потому что его легко защитить в отчёте: цифра есть, спорить сложно, решение быстрое.
Почему это неправда: в 2026 году путь клиента почти всегда рваный. Человек видит креатив в соцсетях, потом ищет бренд, читает сравнение, возвращается через ретаргетинг, а покупает после письма или брендового запроса. Last-click — это не карта спроса, а лишь точка завершения. На фоне privacy-first подхода, server-side трекинга, MMM и инкрементальности он всё хуже отвечает на вопрос «что реально создало прирост». Особенно в B2B и e-com, где важны не только заявки, но и выручка, повторные покупки и вклад в LTV (пожизненную ценность клиента).
Что вместо него: смотреть на **систему каналов**, а не на последний контакт. Для этого нужны три слоя:
— атрибуция для оперативного управления;
— инкрементальность, чтобы отделять прирост от совпадения;
— MMM (маркетинг-микс моделирование), чтобы понимать вклад каналов в выручку на уровне бюджета.
Вывод простой: last-click полезен как сигнал в кабинете, но вреден как основа решения. Если команда продолжает оптимизировать только его, она почти неизбежно режет верх воронки и платит за спрос, который уже был создан кем-то раньше.
— @PerfNewsDigest
Конец эры последнего клика
Эпоха атрибуции по последнему клику (last-click) официально доживает последние дни. В 2026 году попытки выстроить performance-стратегию вокруг этой модели выглядят как попытка измерить температуру воздуха линейкой. Когда путь клиента размыт между нейросетями, социальными сетями и поисковыми выдачами с ответами от искусственного интеллекта, слепое доверие к одной точке касания ведет к потере бюджета.
Сейчас фокус смещается на маркетинговое моделирование микса (MMM) и оценку инкрементальности — реального прироста продаж от рекламы. Мы больше не считаем просто лиды, мы считаем влияние на прибыль. Если ваша отчетность до сих пор завязана только на кликах, вы инвестируете в цифры, а не в бизнес.
— @PerfNewsDigest
Эпоха атрибуции по последнему клику (last-click) официально доживает последние дни. В 2026 году попытки выстроить performance-стратегию вокруг этой модели выглядят как попытка измерить температуру воздуха линейкой. Когда путь клиента размыт между нейросетями, социальными сетями и поисковыми выдачами с ответами от искусственного интеллекта, слепое доверие к одной точке касания ведет к потере бюджета.
Сейчас фокус смещается на маркетинговое моделирование микса (MMM) и оценку инкрементальности — реального прироста продаж от рекламы. Мы больше не считаем просто лиды, мы считаем влияние на прибыль. Если ваша отчетность до сих пор завязана только на кликах, вы инвестируете в цифры, а не в бизнес.
— @PerfNewsDigest