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
Переход от модели last-click к маркетинговому микс-моделированию: кейс Lamoda по удержанию аудитории
Контекст. В 2026 году атрибуция по последнему клику (last-click) окончательно теряет свою точность из-за повсеместного внедрения технологий защиты приватности. Для крупных e-com игроков становится очевидно, что ориентация только на быстрые конверсии приводит к перерасходу бюджета на «горячую» аудиторию, которая и так бы совершила покупку, игнорируя при этом долгосрочный вклад медийных кампаний.
Задача. Команда Lamoda столкнулась с падением эффективности классических performance-инструментов в сегменте классического ритейла. Средний чек стагнировал, а стоимость привлечения нового покупателя (CAC) росла быстрее, чем выручка. Потребитель стал избирательнее, переключаясь на модель осознанного потребления, что потребовало смены фокуса с первой покупки на пожизненную ценность клиента (LTV).
Решение. Бренд отказался от оценки каналов по линейным моделям атрибуции в пользу маркетингового микс-моделирования (MMM). Суть подхода заключалась в анализе накопленных данных за 24 месяца для определения реального влияния каждого канала на итоговую выручку, включая отложенные эффекты медийного охвата. Основной упор сделали на retention (удержание) через персонализированные предложения в приложении, отказавшись от агрессивного выкупа трафика в пользу работы с базой. Параллельно была внедрена server-side (серверная) передача данных, чтобы минимизировать потери информации из-за ограничений браузеров.
Результат. Переход на модель MMM позволил перераспределить бюджет в пользу каналов с высоким накопительным эффектом. В течение шести месяцев удалось снизить CAC на 12% при сохранении общего объема заказов. Доля повторных покупок (Retention rate) выросла на 7%, что компенсировало снижение среднего чека, характерное для текущего рыночного цикла. Компания перешла к стратегии RevOps (объединение усилий маркетинга, продаж и клиентского сервиса), где метрикой успеха стала не стоимость лида, а маржинальность всего жизненного цикла покупателя.
Урок для Performance-директоров. Эпоха «дешевого» трафика по клику завершилась. Сегодня эффективность измеряется через инкрементальность — способность канала давать прирост продаж, который не случился бы без конкретного воздействия. Если ваша аналитика до сих пор базируется на перехвате «теплого» спроса, вы теряете возможность растить бренд в условиях, когда пользователь всё реже кликает на баннеры и всё чаще принимает решение под влиянием накопленного доверия и удобства экосистемы. Фокусируйтесь не на том, кто «съел» последний клик, а на том, какой канал реально двигает выручку вверх в долгосрочной перспективе.
— @PerfNewsDigest
Контекст. В 2026 году атрибуция по последнему клику (last-click) окончательно теряет свою точность из-за повсеместного внедрения технологий защиты приватности. Для крупных e-com игроков становится очевидно, что ориентация только на быстрые конверсии приводит к перерасходу бюджета на «горячую» аудиторию, которая и так бы совершила покупку, игнорируя при этом долгосрочный вклад медийных кампаний.
Задача. Команда Lamoda столкнулась с падением эффективности классических performance-инструментов в сегменте классического ритейла. Средний чек стагнировал, а стоимость привлечения нового покупателя (CAC) росла быстрее, чем выручка. Потребитель стал избирательнее, переключаясь на модель осознанного потребления, что потребовало смены фокуса с первой покупки на пожизненную ценность клиента (LTV).
Решение. Бренд отказался от оценки каналов по линейным моделям атрибуции в пользу маркетингового микс-моделирования (MMM). Суть подхода заключалась в анализе накопленных данных за 24 месяца для определения реального влияния каждого канала на итоговую выручку, включая отложенные эффекты медийного охвата. Основной упор сделали на retention (удержание) через персонализированные предложения в приложении, отказавшись от агрессивного выкупа трафика в пользу работы с базой. Параллельно была внедрена server-side (серверная) передача данных, чтобы минимизировать потери информации из-за ограничений браузеров.
Результат. Переход на модель MMM позволил перераспределить бюджет в пользу каналов с высоким накопительным эффектом. В течение шести месяцев удалось снизить CAC на 12% при сохранении общего объема заказов. Доля повторных покупок (Retention rate) выросла на 7%, что компенсировало снижение среднего чека, характерное для текущего рыночного цикла. Компания перешла к стратегии RevOps (объединение усилий маркетинга, продаж и клиентского сервиса), где метрикой успеха стала не стоимость лида, а маржинальность всего жизненного цикла покупателя.
Урок для Performance-директоров. Эпоха «дешевого» трафика по клику завершилась. Сегодня эффективность измеряется через инкрементальность — способность канала давать прирост продаж, который не случился бы без конкретного воздействия. Если ваша аналитика до сих пор базируется на перехвате «теплого» спроса, вы теряете возможность растить бренд в условиях, когда пользователь всё реже кликает на баннеры и всё чаще принимает решение под влиянием накопленного доверия и удобства экосистемы. Фокусируйтесь не на том, кто «съел» последний клик, а на том, какой канал реально двигает выручку вверх в долгосрочной перспективе.
— @PerfNewsDigest
Смена фокуса в performance-стратегиях: от лидогенерации к RevOps
За последний месяц в отчетности крупных B2B-игроков прослеживается интересный сдвиг. Команды перестают рассматривать Performance-маркетинг как отдельный изолированный канал, отвечающий за стоимость обращения или заявки. Вместо этого маркетинговые бюджеты все чаще увязываются напрямую с RevOps (системой управления выручкой), где ответственность за результат распределена между маркетингом, отделом продаж и клиентским сервисом.
В кампаниях это проявляется через отказ от оптимизации под промежуточные показатели, такие как заполнение формы или скачивание материала. Рекламодатели все чаще настраивают алгоритмы на события внутри CRM (системы управления взаимоотношениями с клиентами), которые сигнализируют о прогрессе сделки на глубоких этапах воронки. При этом классическая схема MQL (маркетингово-квалифицированный лид) постепенно теряет статус главного мерила эффективности: фокус смещается на общую выручку, которую приносит привлеченный клиент в долгосрочной перспективе.
— Внедрение сквозной аналитики уровня revenue-атрибуции стало нормой, а не привилегией.
— Использование MMM (маркетингового моделирования для оценки эффективности) для оценки вклада каналов, где невозможно отследить путь пользователя из-за ограничений конфиденциальности.
— Переход от объема лидов к качеству удержания клиента с первого контакта.
Замечаете ли вы, что клиенты стали реже требовать отчеты по количеству заявок, переключая внимание на влияние трафика на итоговую выручку?
— @PerfNewsDigest
За последний месяц в отчетности крупных B2B-игроков прослеживается интересный сдвиг. Команды перестают рассматривать Performance-маркетинг как отдельный изолированный канал, отвечающий за стоимость обращения или заявки. Вместо этого маркетинговые бюджеты все чаще увязываются напрямую с RevOps (системой управления выручкой), где ответственность за результат распределена между маркетингом, отделом продаж и клиентским сервисом.
В кампаниях это проявляется через отказ от оптимизации под промежуточные показатели, такие как заполнение формы или скачивание материала. Рекламодатели все чаще настраивают алгоритмы на события внутри CRM (системы управления взаимоотношениями с клиентами), которые сигнализируют о прогрессе сделки на глубоких этапах воронки. При этом классическая схема MQL (маркетингово-квалифицированный лид) постепенно теряет статус главного мерила эффективности: фокус смещается на общую выручку, которую приносит привлеченный клиент в долгосрочной перспективе.
— Внедрение сквозной аналитики уровня revenue-атрибуции стало нормой, а не привилегией.
— Использование MMM (маркетингового моделирования для оценки эффективности) для оценки вклада каналов, где невозможно отследить путь пользователя из-за ограничений конфиденциальности.
— Переход от объема лидов к качеству удержания клиента с первого контакта.
Замечаете ли вы, что клиенты стали реже требовать отчеты по количеству заявок, переключая внимание на влияние трафика на итоговую выручку?
— @PerfNewsDigest
GA4 всё меньше про «посмотрели», всё больше про «почему купили»
За неделю снова видно: платный трафик уходит от красивых отчётов к ответу на бизнес-вопрос. Last-click ещё живёт в привычках, но для Head of Performance он уже слабый компас: клики не объясняют вклад каналов, а дорогой трафик всё чаще приходится мерить через server-side, MMM и инкрементальность. На мой взгляд, это не усложнение ради моды, а возвращение к нормальному вопросу: что реально добавило выручку.
— @PerfNewsDigest
За неделю снова видно: платный трафик уходит от красивых отчётов к ответу на бизнес-вопрос. Last-click ещё живёт в привычках, но для Head of Performance он уже слабый компас: клики не объясняют вклад каналов, а дорогой трафик всё чаще приходится мерить через server-side, MMM и инкрементальность. На мой взгляд, это не усложнение ради моды, а возвращение к нормальному вопросу: что реально добавило выручку.
— @PerfNewsDigest
Отказ от last-click: как настроить серверную атрибуцию за три недели
Last-click атрибуция (модель по последнему клику) в 2026 году теряет точность. iOS ограничивает сбор данных, третьи стороны уходят, MMM (маркетинг-микс-моделирование) и incrementality (инкрементальность) становятся стандартом. Вот план перехода без бюджета на дорогой софт.
**Шаг 1. Подключите server-side (серверный) трекинг для двух каналов с самым высоким CAC (стоимость привлечения клиента)**
Не дублируйте пиксели — передавайте события с бэкенда через конверсионный API (facebook CAPI, google обновленный gTag). Это даёт:
— снятие задержки в передаче данных до 1–3 секунд;
— корректировка моделей атрибуции на стороне платформы;
— снижение до 30 % разрыва между отчётами Facebook и реальными продажами.
Возьмите самый дорогой канал по CPA (стоимость за действие) — обычно это поиск или ретаргетинг. Настройте передачу события «оплата» и «регистрация» через свой сервер в течение 3 дней. Не используйте готовые плагины без кастомных маппингов — они «съедают» параметры UTM.
**Шаг 2. Постройте внутренний MMM на уровне каналов за 14 дней**
Не нужно ждать квартальных отчётов от консультантов. Возьмите данные по расходам, показам и конверсиям за последние 180 дней. Используйте простую регрессию (Python, R или даже Excel с надстройкой «Анализ данных»).
— Уберите тренд (сезонность учитывайте через dummy-переменные по месяцам).
— Зафиксируйте в модели только те каналы, где бюджет превышает 5 % от общего.
— Посмотрите на «убывающую отдачу»: при каком объёме трат CPA перестаёт расти.
Результат: вы увидите, какие каналы переоценены last-click в 1,5–2 раза. Например, реклама в Telegram-каналах может давать 20 % реальных продаж вместо 5 % по последнему клику.
**Шаг 3. Внедрите принцип incrementality (инкрементальное тестирование) для одного канала в неделю**
Не делайте одновременно — это хаос. На первой неделе возьмите YouTube Ads.
— Остановите показ для 10 % случайно выбранных пользователей (holdout-группа, удерживаемая).
— Сравните конверсии в этой группе и в контрольной за 7 дней после показа.
— Если разница меньше 5 % — канал работает на кан
— @PerfNewsDigest
Last-click атрибуция (модель по последнему клику) в 2026 году теряет точность. iOS ограничивает сбор данных, третьи стороны уходят, MMM (маркетинг-микс-моделирование) и incrementality (инкрементальность) становятся стандартом. Вот план перехода без бюджета на дорогой софт.
**Шаг 1. Подключите server-side (серверный) трекинг для двух каналов с самым высоким CAC (стоимость привлечения клиента)**
Не дублируйте пиксели — передавайте события с бэкенда через конверсионный API (facebook CAPI, google обновленный gTag). Это даёт:
— снятие задержки в передаче данных до 1–3 секунд;
— корректировка моделей атрибуции на стороне платформы;
— снижение до 30 % разрыва между отчётами Facebook и реальными продажами.
Возьмите самый дорогой канал по CPA (стоимость за действие) — обычно это поиск или ретаргетинг. Настройте передачу события «оплата» и «регистрация» через свой сервер в течение 3 дней. Не используйте готовые плагины без кастомных маппингов — они «съедают» параметры UTM.
**Шаг 2. Постройте внутренний MMM на уровне каналов за 14 дней**
Не нужно ждать квартальных отчётов от консультантов. Возьмите данные по расходам, показам и конверсиям за последние 180 дней. Используйте простую регрессию (Python, R или даже Excel с надстройкой «Анализ данных»).
— Уберите тренд (сезонность учитывайте через dummy-переменные по месяцам).
— Зафиксируйте в модели только те каналы, где бюджет превышает 5 % от общего.
— Посмотрите на «убывающую отдачу»: при каком объёме трат CPA перестаёт расти.
Результат: вы увидите, какие каналы переоценены last-click в 1,5–2 раза. Например, реклама в Telegram-каналах может давать 20 % реальных продаж вместо 5 % по последнему клику.
**Шаг 3. Внедрите принцип incrementality (инкрементальное тестирование) для одного канала в неделю**
Не делайте одновременно — это хаос. На первой неделе возьмите YouTube Ads.
— Остановите показ для 10 % случайно выбранных пользователей (holdout-группа, удерживаемая).
— Сравните конверсии в этой группе и в контрольной за 7 дней после показа.
— Если разница меньше 5 % — канал работает на кан
— @PerfNewsDigest
X5 Group: как incrementality-атрибуция срезала last-click-перекос на 22% и перераспределила 40 млн рублей бюджета
Контекст: конец 2025 — начало 2026 года. X5 Group завершила пилот по внедрению incrementality-атрибуции (инкрементальность — измерение прироста, который дал конкретный канал сверх органики) для двух сетей — «Пятёрочка» и «Перекрёсток». До этого бюджет распределялся классически: last-click (последний клик) забирал львиную долю на performance-каналы — поиск и динамический ретаргетинг. Брендовые медиа (TV, OOH, видео в digital) доказывали эффективность через охватные метрики, но в атрибуцию не попадали. На фоне роста CPM на 18% год к году и снижения среднего чека в e-com на 6% (тренд экономии) встал вопрос: не переливаем ли мы лишнее в каналы, которые каннибализируют органику?
Задача: построить прозрачную модель распределения 1,2 млрд рублей квартального медиамикса, которая покажет реальный вклад каждого касания в прирост выручки, а не просто в последний клик. Особенно важно было оценить брендовое видео: раньше его бюджет утверждался «по инерции» — 60% на охват, без привязки к конверсиям.
Решение: запустили параллельно два подхода — geo-эксперименты (подбор пар городов с одинаковыми характеристиками, в одном шла брендовая кампания, в другом — нет) и MMM (маркетинг-микс-моделирование) с daily-данными. Ключевой шаг — убрали last-click из системы принятия решений на 3 месяца и заменили на incrementality-коэффициент для каждого канала. Для ретаргетинга использовали тест holdout (удержания): 15% аудитории не показывали динамические объявления, сравнивали конверсию с группой, которая получала ретаргетинг. Разница оказалась всего 8% — то есть 92% покупок из ретаргетинга произошли бы и без него.
Результат:
— перераспределено 40 млн рублей в месяц из performance-каналов в брендовое видео и нативные интеграции с блогерами (ранее не учитывались в атрибуции);
— на
— @PerfNewsDigest
Контекст: конец 2025 — начало 2026 года. X5 Group завершила пилот по внедрению incrementality-атрибуции (инкрементальность — измерение прироста, который дал конкретный канал сверх органики) для двух сетей — «Пятёрочка» и «Перекрёсток». До этого бюджет распределялся классически: last-click (последний клик) забирал львиную долю на performance-каналы — поиск и динамический ретаргетинг. Брендовые медиа (TV, OOH, видео в digital) доказывали эффективность через охватные метрики, но в атрибуцию не попадали. На фоне роста CPM на 18% год к году и снижения среднего чека в e-com на 6% (тренд экономии) встал вопрос: не переливаем ли мы лишнее в каналы, которые каннибализируют органику?
Задача: построить прозрачную модель распределения 1,2 млрд рублей квартального медиамикса, которая покажет реальный вклад каждого касания в прирост выручки, а не просто в последний клик. Особенно важно было оценить брендовое видео: раньше его бюджет утверждался «по инерции» — 60% на охват, без привязки к конверсиям.
Решение: запустили параллельно два подхода — geo-эксперименты (подбор пар городов с одинаковыми характеристиками, в одном шла брендовая кампания, в другом — нет) и MMM (маркетинг-микс-моделирование) с daily-данными. Ключевой шаг — убрали last-click из системы принятия решений на 3 месяца и заменили на incrementality-коэффициент для каждого канала. Для ретаргетинга использовали тест holdout (удержания): 15% аудитории не показывали динамические объявления, сравнивали конверсию с группой, которая получала ретаргетинг. Разница оказалась всего 8% — то есть 92% покупок из ретаргетинга произошли бы и без него.
Результат:
— перераспределено 40 млн рублей в месяц из performance-каналов в брендовое видео и нативные интеграции с блогерами (ранее не учитывались в атрибуции);
— на
— @PerfNewsDigest
Last-click умирает — что ставим на его место?
Многие коллеги по цеху до сих пор живут с last-click (последний клик) как с единственной точкой опоры. Но 2026 год расставил всё по местам: privacy-реформы, отмирание third-party cookies и переход на server-side трекинг (серверный сбор данных) сделали last-click не просто неточным, а опасным для бюджета инструментом. Когда модель атрибуции завязана на последнем касании, вы неизбежно недооцениваете верхние каналы — брендовые кампании, ретаргетинг, контент-маркетинг. В результате бюджет перетекает в bottom-of-funnel, где каждое следующее вложение даёт всё меньший прирост.
Я наблюдаю, как heads of performance, которые первыми перешли на инкрементальный подход, получают устойчивое преимущество. Речь не о замене last-click на multi-touch как таковом, а о внедрении **MMM (маркетинг-микс моделирование) и тестов инкрементальности (приростной эффективности)** в регулярную практику. Один пример из моей практики: в e-com-проекте со снизившимся средним чеком (тренд 2026 года) мы заменили last-click-отчётность на комбинацию server-side атрибуции и ежеквартального MMM. Оказалось, что доля прямых конверсий от брендового
— @PerfNewsDigest
Многие коллеги по цеху до сих пор живут с last-click (последний клик) как с единственной точкой опоры. Но 2026 год расставил всё по местам: privacy-реформы, отмирание third-party cookies и переход на server-side трекинг (серверный сбор данных) сделали last-click не просто неточным, а опасным для бюджета инструментом. Когда модель атрибуции завязана на последнем касании, вы неизбежно недооцениваете верхние каналы — брендовые кампании, ретаргетинг, контент-маркетинг. В результате бюджет перетекает в bottom-of-funnel, где каждое следующее вложение даёт всё меньший прирост.
Я наблюдаю, как heads of performance, которые первыми перешли на инкрементальный подход, получают устойчивое преимущество. Речь не о замене last-click на multi-touch как таковом, а о внедрении **MMM (маркетинг-микс моделирование) и тестов инкрементальности (приростной эффективности)** в регулярную практику. Один пример из моей практики: в e-com-проекте со снизившимся средним чеком (тренд 2026 года) мы заменили last-click-отчётность на комбинацию server-side атрибуции и ежеквартального MMM. Оказалось, что доля прямых конверсий от брендового
— @PerfNewsDigest
Меньше слепого ласта, больше проверок по вкладу
За последний месяц у performance-команд всё чаще вижу один и тот же сдвиг: обсуждение кампаний начинает уходить от «что показал последний клик» к тому, как сверить вклад через server-side-сбор, сверку по CRM и простые инкрементальные тесты. Особенно это заметно там, где есть длинный цикл сделки или повторные покупки: в отчётах всё ещё живёт last-click, но в рабочих встречах рядом уже лежат другие срезы.
Параллельно меняется и язык внутри команд: вместо споров про один канал чаще сравнивают связки — поиск, ретаргетинг, email и посадочные страницы — в одной воронке. И ещё один повторяющийся паттерн: медиаплан всё чаще пересматривают не по объёму трафика, а по тому, какие события реально удаётся связать с выручкой.
У вас за последний месяц было так же?
— @PerfNewsDigest
За последний месяц у performance-команд всё чаще вижу один и тот же сдвиг: обсуждение кампаний начинает уходить от «что показал последний клик» к тому, как сверить вклад через server-side-сбор, сверку по CRM и простые инкрементальные тесты. Особенно это заметно там, где есть длинный цикл сделки или повторные покупки: в отчётах всё ещё живёт last-click, но в рабочих встречах рядом уже лежат другие срезы.
Параллельно меняется и язык внутри команд: вместо споров про один канал чаще сравнивают связки — поиск, ретаргетинг, email и посадочные страницы — в одной воронке. И ещё один повторяющийся паттерн: медиаплан всё чаще пересматривают не по объёму трафика, а по тому, какие события реально удаётся связать с выручкой.
У вас за последний месяц было так же?
— @PerfNewsDigest
Incrementality: почему это не просто «атрибуция»
Incrementality — это прирост, который дал именно рекламный канал или кампания сверх того, что случилось бы без них. Проще: не «кто получил последний клик», а **какая часть продаж или лидов вообще появилась благодаря рекламе**.
Рядом часто ставят атрибуцию. Но атрибуция распределяет уже случившееся событие между каналами по заданным правилам: last click, data-driven, позиционная модель. Incrementality отвечает на другой вопрос — был ли эффект в принципе. Поэтому в 2026 году, когда last-click теряет силу из-за privacy-first измерения, server-side и MMM, именно incremental-подход помогает понять реальную роль канала в выручке.
Типичные ошибки:
— считать инкрементальностью любую положительную динамику после запуска;
— путать её с охватом или кликами;
— делать выводы по малой выборке без контрольной группы;
— сравнивать каналы только по CPA, не проверяя вклад в общий прирост.
Пример: бренд запускает поиск по собственным запросам. Атрибуция показывает много конверсий, но тест с контрольной группой показывает, что часть пользователей и так пришла бы напрямую. Значит, реальный прирост ниже, чем кажется по отчету.
— @PerfNewsDigest
Параллельный взгляд на тему — @AIinMarketingRu
Incrementality — это прирост, который дал именно рекламный канал или кампания сверх того, что случилось бы без них. Проще: не «кто получил последний клик», а **какая часть продаж или лидов вообще появилась благодаря рекламе**.
Рядом часто ставят атрибуцию. Но атрибуция распределяет уже случившееся событие между каналами по заданным правилам: last click, data-driven, позиционная модель. Incrementality отвечает на другой вопрос — был ли эффект в принципе. Поэтому в 2026 году, когда last-click теряет силу из-за privacy-first измерения, server-side и MMM, именно incremental-подход помогает понять реальную роль канала в выручке.
Типичные ошибки:
— считать инкрементальностью любую положительную динамику после запуска;
— путать её с охватом или кликами;
— делать выводы по малой выборке без контрольной группы;
— сравнивать каналы только по CPA, не проверяя вклад в общий прирост.
Пример: бренд запускает поиск по собственным запросам. Атрибуция показывает много конверсий, но тест с контрольной группой показывает, что часть пользователей и так пришла бы напрямую. Значит, реальный прирост ниже, чем кажется по отчету.
— @PerfNewsDigest
Параллельный взгляд на тему — @AIinMarketingRu
Смена акцентов в атрибуции: от клика к ценности моделирования
Последний месяц в отчетности performance (эффективного маркетинга) заметен сдвиг: команды все реже опираются на модель последнего клика (last-click). На смену ей приходит активное внедрение маркетингового моделирования (Marketing Mix Modeling — MMM) и экспериментов с инкрементальностью. Бизнес осознает, что в условиях эпохи «нулевых кликов» (zero-click), когда большая часть пути пользователя скрыта внутри платформ, попытки привязать покупку к конкретному переходу искажают картину реальности.
Параллельно с этим, в B2B-секторе наблюдается снижение интереса к классической воронке лидогенерации. Вместо поиска новых контактов компании сфокусированы на операциях с выручкой (RevOps — общая ответственность маркетинга и продаж за доход). Инвестиции перераспределяются: вместо масштабирования охвата в рекламных кабинетах бюджеты уходят в удержание (retention) и глубокую проработку текущей клиентской базы.
Креативные отделы перешли на потоковую генерацию визуалов с помощью ИИ, что обесценило само исполнение, но сделало критически важным поиск уникальных смыслов. В итоге маркетологи тратят больше времени на проверку гипотез через математические модели, чем на оптимизацию ставок в поиске.
Замечаете ли вы в своих проектах аналогичный тренд на отказ от классической атрибуции в пользу моделей, ориентированных на проверку реального вклада каждого канала в прибыль?
— @PerfNewsDigest
Последний месяц в отчетности performance (эффективного маркетинга) заметен сдвиг: команды все реже опираются на модель последнего клика (last-click). На смену ей приходит активное внедрение маркетингового моделирования (Marketing Mix Modeling — MMM) и экспериментов с инкрементальностью. Бизнес осознает, что в условиях эпохи «нулевых кликов» (zero-click), когда большая часть пути пользователя скрыта внутри платформ, попытки привязать покупку к конкретному переходу искажают картину реальности.
Параллельно с этим, в B2B-секторе наблюдается снижение интереса к классической воронке лидогенерации. Вместо поиска новых контактов компании сфокусированы на операциях с выручкой (RevOps — общая ответственность маркетинга и продаж за доход). Инвестиции перераспределяются: вместо масштабирования охвата в рекламных кабинетах бюджеты уходят в удержание (retention) и глубокую проработку текущей клиентской базы.
Креативные отделы перешли на потоковую генерацию визуалов с помощью ИИ, что обесценило само исполнение, но сделало критически важным поиск уникальных смыслов. В итоге маркетологи тратят больше времени на проверку гипотез через математические модели, чем на оптимизацию ставок в поиске.
Замечаете ли вы в своих проектах аналогичный тренд на отказ от классической атрибуции в пользу моделей, ориентированных на проверку реального вклада каждого канала в прибыль?
— @PerfNewsDigest