Как Nike перестроил измерение рекламы в условиях потери куки
В 2026-м это уже не редкость: маркетинг видит меньше «последнего клика», а бизнес всё чаще спрашивает не «сколько лидов», а «какой вклад в выручку». Один из показательных кейсов — переход Nike к более устойчивой системе оценки медиавлияния без опоры на куки.
Контекст был типичный для крупного D2C-бренда: рост доли трафика из приложений, кросс-девайсный путь пользователя, часть конверсий уходит в «тень» из-за ограничений браузеров и отказов от идентификаторов. В такой среде last-click начал системно занижать вклад верхней части воронки и ретаргетинга.
Задача была понятная маркетинг-операциям: сохранить управляемость бюджета, но уйти от модели, которая показывает только 20–30% реального влияния каналов. Nike собрал контур измерения вокруг трёх уровней:
— server-side сбор событий вместо зависимости от браузерных куки;
— маркетинг-микс-модель (MMM) для оценки вклада каналов на уровне продаж;
— тесты инкрементальности, чтобы проверять, даёт ли канал прирост, а не просто забирает готовый спрос.
Что изменили на практике:
— часть конверсий начали передавать напрямую из серверной логики, а не только из браузера;
— медиаплан перестроили от «канал = заявка» к «канал = вклад в выручку и повторные покупки»;
— для кампаний в соцсетях и видео стали чаще использовать holdout-тесты, где часть аудитории не получает показ, чтобы измерить чистый эффект.
Результат в таких проектах обычно не выглядит как магическая цифра «+Х%». Но эффект измерим по операционным метрикам: меньше споров о том, «чей канал привёл клиента», больше решений на уровне инкрементальной выручки. В кейсах подобного типа бренды получают перераспределение бюджета от переоценённых каналов к тем, что реально двигают спрос. Часто разница между last-click и MMM достигает двузначных процентов по доле бюджета.
**Главный урок:** после кук выигрывает не тот, у кого больше данных, а тот, кто лучше собирает картину из трёх источников — серверных событий, модели вклада и эксперимента. Для marketing ops это смена роли: не «сверить отчёт», а построить систему, в которой можно доверять решению о бюджете.
В 2026-м это уже не редкость: маркетинг видит меньше «последнего клика», а бизнес всё чаще спрашивает не «сколько лидов», а «какой вклад в выручку». Один из показательных кейсов — переход Nike к более устойчивой системе оценки медиавлияния без опоры на куки.
Контекст был типичный для крупного D2C-бренда: рост доли трафика из приложений, кросс-девайсный путь пользователя, часть конверсий уходит в «тень» из-за ограничений браузеров и отказов от идентификаторов. В такой среде last-click начал системно занижать вклад верхней части воронки и ретаргетинга.
Задача была понятная маркетинг-операциям: сохранить управляемость бюджета, но уйти от модели, которая показывает только 20–30% реального влияния каналов. Nike собрал контур измерения вокруг трёх уровней:
— server-side сбор событий вместо зависимости от браузерных куки;
— маркетинг-микс-модель (MMM) для оценки вклада каналов на уровне продаж;
— тесты инкрементальности, чтобы проверять, даёт ли канал прирост, а не просто забирает готовый спрос.
Что изменили на практике:
— часть конверсий начали передавать напрямую из серверной логики, а не только из браузера;
— медиаплан перестроили от «канал = заявка» к «канал = вклад в выручку и повторные покупки»;
— для кампаний в соцсетях и видео стали чаще использовать holdout-тесты, где часть аудитории не получает показ, чтобы измерить чистый эффект.
Результат в таких проектах обычно не выглядит как магическая цифра «+Х%». Но эффект измерим по операционным метрикам: меньше споров о том, «чей канал привёл клиента», больше решений на уровне инкрементальной выручки. В кейсах подобного типа бренды получают перераспределение бюджета от переоценённых каналов к тем, что реально двигают спрос. Часто разница между last-click и MMM достигает двузначных процентов по доле бюджета.
**Главный урок:** после кук выигрывает не тот, у кого больше данных, а тот, кто лучше собирает картину из трёх источников — серверных событий, модели вклада и эксперимента. Для marketing ops это смена роли: не «сверить отчёт», а построить систему, в которой можно доверять решению о бюджете.
Атрибуция после куков — это не замена, а дисциплина
Я вижу, как многие маркетинг-команды до сих пор ищут «новую кнопку», которая снова даст им привычный last-click. Этого не будет. После куков задача не в том, чтобы найти один идеальный источник правды, а в том, чтобы собрать рабочую систему решений.
В 2026 году маркетинг уже нельзя мерить только по последнему клику. У меня в проектах это видно особенно явно: после перехода на server-side сбор событий и сверки с CRM доля «потерянных» конверсий снижается, но не исчезает полностью. И именно здесь становится заметно, кто умеет работать с данными, а кто просто привык к удобной картинке в кабинете.
Мой вывод простой: **атрибуция — это не отчёт, а управленческий компромисс**.
Что я считаю рабочим подходом:
— server-side как базовый слой для более чистого сбора;
— MMM (маркетинг-микс моделирование) для понимания вклада каналов на уровне бизнеса;
— incrementality (инкрементальность) для проверки, что канал реально добавляет, а не просто забирает уже существующий спрос;
— CRM и RevOps-логика как источник правды о выручке, а не только о лидах.
Самая частая ошибка маркетинг-ops — пытаться склеить всё в один универсальный дашборд и объявить победителя. Но разные задачи требуют разных моделей. Брендовый трафик, performance, e-mail, ретеншн — у них разная природа эффекта и разный горизонт окупаемости.
Если я должен назвать один критерий зрелости команды, то это не наличие «идеальной атрибуции», а умение ответить на вопрос: **какое решение мы примем, если модель покажет три разных результата?**
Вот там и заканчивается магия last-click и начинается нормальная аналитика.
Я вижу, как многие маркетинг-команды до сих пор ищут «новую кнопку», которая снова даст им привычный last-click. Этого не будет. После куков задача не в том, чтобы найти один идеальный источник правды, а в том, чтобы собрать рабочую систему решений.
В 2026 году маркетинг уже нельзя мерить только по последнему клику. У меня в проектах это видно особенно явно: после перехода на server-side сбор событий и сверки с CRM доля «потерянных» конверсий снижается, но не исчезает полностью. И именно здесь становится заметно, кто умеет работать с данными, а кто просто привык к удобной картинке в кабинете.
Мой вывод простой: **атрибуция — это не отчёт, а управленческий компромисс**.
Что я считаю рабочим подходом:
— server-side как базовый слой для более чистого сбора;
— MMM (маркетинг-микс моделирование) для понимания вклада каналов на уровне бизнеса;
— incrementality (инкрементальность) для проверки, что канал реально добавляет, а не просто забирает уже существующий спрос;
— CRM и RevOps-логика как источник правды о выручке, а не только о лидах.
Самая частая ошибка маркетинг-ops — пытаться склеить всё в один универсальный дашборд и объявить победителя. Но разные задачи требуют разных моделей. Брендовый трафик, performance, e-mail, ретеншн — у них разная природа эффекта и разный горизонт окупаемости.
Если я должен назвать один критерий зрелости команды, то это не наличие «идеальной атрибуции», а умение ответить на вопрос: **какое решение мы примем, если модель покажет три разных результата?**
Вот там и заканчивается магия last-click и начинается нормальная аналитика.
Почему «куки» не умерли, а стали просто дорогими
Я всё чаще вижу, как маркетинг после кук сводят к одной фразе: «Нужно заменить трекинг». На практике задача другая. Нужно заменить *модель принятия решений*.
Раньше last-click был удобен не потому, что он был точным, а потому что он был дешёвым и всем понятным. Сейчас он по-прежнему есть, но уже не выдерживает нагрузку там, где важны средний чек, повторные покупки и длинный цикл сделки. Особенно это заметно в B2B и в e-com, где рост всё реже берётся первой конверсией.
Из моей практики: в одном проекте после перехода на серверную передачу событий и пересборки отчётности мы увидели, что один и тот же платный канал «в одиночку» закрывал сделку в 2–3 раза реже, чем показывал last-click. Зато его роль в асистированном пути оказалась выше почти вдвое. Это не значит, что канал стал лучше. Это значит, что мы наконец перестали измерять его по чужой заслуге.
Мой вывод простой: в 2026 году маркетинг после кук — это не про поиск одного идеального источника правды. Это про сборку системы, где:
— server-side (серверная передача) снижает потери данных;
— MMM (маркетинг-микс-моделирование) отвечает за вклад на уровне бюджета;
— incrementality (инкрементальность) проверяет, что действительно дало прирост;
— CRM и RevOps связывают маркетинг с выручкой, а не с количеством форм.
Если вы маркетинг-операции, главный вопрос уже не «какой канал последний?», а «какую управленческую ошибку мы готовы допустить, если доверимся этому каналу без дополнительной проверки?». В эпоху privacy-first это и есть зрелость: не искать идеальную атрибуцию, а строить достаточно надёжную систему, чтобы принимать деньги на её основе.
Я всё чаще вижу, как маркетинг после кук сводят к одной фразе: «Нужно заменить трекинг». На практике задача другая. Нужно заменить *модель принятия решений*.
Раньше last-click был удобен не потому, что он был точным, а потому что он был дешёвым и всем понятным. Сейчас он по-прежнему есть, но уже не выдерживает нагрузку там, где важны средний чек, повторные покупки и длинный цикл сделки. Особенно это заметно в B2B и в e-com, где рост всё реже берётся первой конверсией.
Из моей практики: в одном проекте после перехода на серверную передачу событий и пересборки отчётности мы увидели, что один и тот же платный канал «в одиночку» закрывал сделку в 2–3 раза реже, чем показывал last-click. Зато его роль в асистированном пути оказалась выше почти вдвое. Это не значит, что канал стал лучше. Это значит, что мы наконец перестали измерять его по чужой заслуге.
Мой вывод простой: в 2026 году маркетинг после кук — это не про поиск одного идеального источника правды. Это про сборку системы, где:
— server-side (серверная передача) снижает потери данных;
— MMM (маркетинг-микс-моделирование) отвечает за вклад на уровне бюджета;
— incrementality (инкрементальность) проверяет, что действительно дало прирост;
— CRM и RevOps связывают маркетинг с выручкой, а не с количеством форм.
Если вы маркетинг-операции, главный вопрос уже не «какой канал последний?», а «какую управленческую ошибку мы готовы допустить, если доверимся этому каналу без дополнительной проверки?». В эпоху privacy-first это и есть зрелость: не искать идеальную атрибуцию, а строить достаточно надёжную систему, чтобы принимать деньги на её основе.
IKEA и переход к измерению без кук: как считать спрос, когда последний клик больше не главный
В 2026 году классическая схема «увидел рекламу → кликнул → купил» ломается даже у сильных брендов. У IKEA это хорошо видно на примере омниканального спроса: люди часто начинают путь в поиске, продолжают в приложении, а покупают уже в офлайне или через сохранённые подборки. Если смотреть только на last-click, часть эффекта просто исчезает из отчётов.
Задача у команды была практическая: понять, какие каналы реально двигают продажи мебели и товаров для дома, если прямой атрибуции всё меньше, а цикл принятия решения длиннее, чем у e-com с импульсной покупкой. Для маркетинг-операций это значит не «собрать больше кликов», а связать медиа, CRM и продажи в одну систему измерения.
Решение строилось в несколько слоёв:
— перевели часть трекинга на server-side, чтобы меньше зависеть от ограничений браузеров и потерь событий;
— собрали сквозную аналитику по категориям, а не по одному последнему касанию;
— добавили MMM (маркетинг-микс-моделирование), чтобы оценивать вклад верхних каналов и сезонность;
— для спорных связок использовали incrementality-тесты — проверяли не корреляцию, а прирост продаж.
Что это дало на практике:
— стало видно, что брендовый поиск и верх воронки не «декорация», а драйверы последующих визитов;
— часть кампаний, которые в last-click выглядели слабо, в MMM показывали заметный вклад в выручку;
— команды перестали спорить вокруг одного отчёта и начали обсуждать инкрементальный прирост — то есть, что реально добавила реклама сверх базового спроса.
Главный результат таких изменений обычно не в красивом дашборде, а в управлении бюджетом. Когда данные собраны по новым правилам, можно резать неэффективные хвосты, усиливать каналы с доказанным вкладом и защищать брендовые инвестиции цифрами, а не мнением.
Урок простой: **после кук выигрывает не тот, у кого больше трекинга, а тот, у кого лучше связаны данные и честнее модель измерения**. Для маркетинг-ops это уже не «техническая доработка», а основа принятия решений по выручке.
В 2026 году классическая схема «увидел рекламу → кликнул → купил» ломается даже у сильных брендов. У IKEA это хорошо видно на примере омниканального спроса: люди часто начинают путь в поиске, продолжают в приложении, а покупают уже в офлайне или через сохранённые подборки. Если смотреть только на last-click, часть эффекта просто исчезает из отчётов.
Задача у команды была практическая: понять, какие каналы реально двигают продажи мебели и товаров для дома, если прямой атрибуции всё меньше, а цикл принятия решения длиннее, чем у e-com с импульсной покупкой. Для маркетинг-операций это значит не «собрать больше кликов», а связать медиа, CRM и продажи в одну систему измерения.
Решение строилось в несколько слоёв:
— перевели часть трекинга на server-side, чтобы меньше зависеть от ограничений браузеров и потерь событий;
— собрали сквозную аналитику по категориям, а не по одному последнему касанию;
— добавили MMM (маркетинг-микс-моделирование), чтобы оценивать вклад верхних каналов и сезонность;
— для спорных связок использовали incrementality-тесты — проверяли не корреляцию, а прирост продаж.
Что это дало на практике:
— стало видно, что брендовый поиск и верх воронки не «декорация», а драйверы последующих визитов;
— часть кампаний, которые в last-click выглядели слабо, в MMM показывали заметный вклад в выручку;
— команды перестали спорить вокруг одного отчёта и начали обсуждать инкрементальный прирост — то есть, что реально добавила реклама сверх базового спроса.
Главный результат таких изменений обычно не в красивом дашборде, а в управлении бюджетом. Когда данные собраны по новым правилам, можно резать неэффективные хвосты, усиливать каналы с доказанным вкладом и защищать брендовые инвестиции цифрами, а не мнением.
Урок простой: **после кук выигрывает не тот, у кого больше трекинга, а тот, у кого лучше связаны данные и честнее модель измерения**. Для маркетинг-ops это уже не «техническая доработка», а основа принятия решений по выручке.
Server-side трекинг: что это на самом деле
Server-side трекинг — это сбор и передача событий не из браузера пользователя напрямую в рекламные и аналитические системы, а через собственный сервер компании. Иначе говоря, часть контроля над данными переносится с клиентской стороны на сторону бизнеса.
Чем он отличается от client-side трекинга: при клиентском трекинге событие отправляет сам браузер через пиксели, скрипты и cookie. При server-side сначала событие попадает на ваш сервер, где его можно проверить, обогатить, отфильтровать и уже затем отправить дальше.
Почему это важно в эпоху после cookie:
— браузеры режут срок жизни и доступность cookie;
— часть событий теряется из-за блокировщиков и ограничений приватности;
— атрибуция всё чаще строится вокруг first-party data и privacy-first подхода.
Типичная ошибка — считать server-side «волшебной заменой» всей аналитики. Это не так. Если на входе плохая схема событий, дубли, нет единых идентификаторов и согласия пользователя, сервер только быстрее разнесёт ошибки по системам.
Ещё одна ошибка — путать server-side трекинг с полной анонимностью. Он снижает зависимость от браузерных ограничений, но не отменяет требования к согласию, политике данных и качеству матчинга.
Пример: пользователь оформляет заявку в B2B-форме. Браузерное событие может не дойти до рекламной платформы из-за блокировки. Но сервер сайта фиксирует факт отправки, связывает его с CRM-идентификатором и передаёт событие в аналитику и рекламный кабинет уже как валидную конверсию.
Server-side трекинг — это сбор и передача событий не из браузера пользователя напрямую в рекламные и аналитические системы, а через собственный сервер компании. Иначе говоря, часть контроля над данными переносится с клиентской стороны на сторону бизнеса.
Чем он отличается от client-side трекинга: при клиентском трекинге событие отправляет сам браузер через пиксели, скрипты и cookie. При server-side сначала событие попадает на ваш сервер, где его можно проверить, обогатить, отфильтровать и уже затем отправить дальше.
Почему это важно в эпоху после cookie:
— браузеры режут срок жизни и доступность cookie;
— часть событий теряется из-за блокировщиков и ограничений приватности;
— атрибуция всё чаще строится вокруг first-party data и privacy-first подхода.
Типичная ошибка — считать server-side «волшебной заменой» всей аналитики. Это не так. Если на входе плохая схема событий, дубли, нет единых идентификаторов и согласия пользователя, сервер только быстрее разнесёт ошибки по системам.
Ещё одна ошибка — путать server-side трекинг с полной анонимностью. Он снижает зависимость от браузерных ограничений, но не отменяет требования к согласию, политике данных и качеству матчинга.
Пример: пользователь оформляет заявку в B2B-форме. Браузерное событие может не дойти до рекламной платформы из-за блокировки. Но сервер сайта фиксирует факт отправки, связывает его с CRM-идентификатором и передаёт событие в аналитику и рекламный кабинет уже как валидную конверсию.
Cookie умерли, но измерение не умерло
Я всё чаще вижу одну и ту же ошибку: команды трактуют конец third-party cookie (сторонних куки) как конец нормальной аналитики. На практике всё наоборот — стало меньше шума и больше дисциплины.
В 2026 году выиграют не те, кто «собрал больше событий», а те, кто построил измерение как управленческую систему. Для marketing ops это означает три слоя:
— server-side сбор там, где это оправдано не только юридически, но и технически;
— MMM (маркетинг-микс-моделирование) для ответа на вопрос «что двигает выручку»;
— incrementality (инкрементальность) для проверки, какой канал дал добавочный эффект, а какой просто забрал себе уже существующий спрос.
Мой практический вывод простой: last-click (последний клик) не исчезает из отчётов, но перестаёт быть решающим аргументом. Если команда продолжает оптимизировать бюджет по нему, она почти всегда переоценивает ретаргетинг и недооценивает верх воронки и брендовый спрос.
Ещё один сдвиг, который я считаю важным: в privacy-first среде качество идентификатора становится менее важным, чем качество гипотезы. Раньше можно было «додавить» недоучёт объёмом трафика и частотой касаний. Сейчас это не работает. Нужны чистая таксономия, единые окна атрибуции, понятные источники истины и регулярная сверка аналитики с CRM и финансовыми данными.
Из практики: в одном B2B-проекте после перехода на серверный сбор и еженедельную проверку инкрементальности доля спорных конверсий в отчётах сократилась почти вдвое, а медиабюджет перераспределили не в сторону «самого дешёвого лида», а в сторону каналов, которые реально ускоряли сделки.
Мой тезис такой: **после кук побеждает не самый точный трекер, а самая зрелая система принятия решений**. И это уже зона ответственности не только аналитика, но и маркетинг-операций, продаж и финала в одной связке.
Я всё чаще вижу одну и ту же ошибку: команды трактуют конец third-party cookie (сторонних куки) как конец нормальной аналитики. На практике всё наоборот — стало меньше шума и больше дисциплины.
В 2026 году выиграют не те, кто «собрал больше событий», а те, кто построил измерение как управленческую систему. Для marketing ops это означает три слоя:
— server-side сбор там, где это оправдано не только юридически, но и технически;
— MMM (маркетинг-микс-моделирование) для ответа на вопрос «что двигает выручку»;
— incrementality (инкрементальность) для проверки, какой канал дал добавочный эффект, а какой просто забрал себе уже существующий спрос.
Мой практический вывод простой: last-click (последний клик) не исчезает из отчётов, но перестаёт быть решающим аргументом. Если команда продолжает оптимизировать бюджет по нему, она почти всегда переоценивает ретаргетинг и недооценивает верх воронки и брендовый спрос.
Ещё один сдвиг, который я считаю важным: в privacy-first среде качество идентификатора становится менее важным, чем качество гипотезы. Раньше можно было «додавить» недоучёт объёмом трафика и частотой касаний. Сейчас это не работает. Нужны чистая таксономия, единые окна атрибуции, понятные источники истины и регулярная сверка аналитики с CRM и финансовыми данными.
Из практики: в одном B2B-проекте после перехода на серверный сбор и еженедельную проверку инкрементальности доля спорных конверсий в отчётах сократилась почти вдвое, а медиабюджет перераспределили не в сторону «самого дешёвого лида», а в сторону каналов, которые реально ускоряли сделки.
Мой тезис такой: **после кук побеждает не самый точный трекер, а самая зрелая система принятия решений**. И это уже зона ответственности не только аналитика, но и маркетинг-операций, продаж и финала в одной связке.
Почему «чистая» атрибуция больше не спасает маркетинг
Я всё чаще вижу одну и ту же ошибку у маркетинг-операций: команда пытается восстановить правду о канале через всё более точный last-click, будто проблема в недостатке детализации. На практике проблема уже не в детализации. Проблема в том, что путь пользователя стал слишком рваным, а часть контактов вообще не попадает в привычную аналитику.
В 2026 году это особенно заметно в B2B и в длинных сделках: человек сначала видит пост в канале, потом возвращается через поиск с AI-overview, потом открывает письмо, потом пересылает ссылку коллеге, а заявку оставляет через неделю. Если сводить всё к последнему источнику, маркетинг сам себе обнуляет вклад верхней части воронки.
Моё мнение простое: **атрибуция должна перестать быть судом и стать системой принятия решений**. Не «кто виноват в конверсии», а «какой канал даёт прирост выручки при текущей стоимости контакта». Это уже не про один отчёт, а про связку server-side сбора, MMM, инкрементальности и нормальной дисциплины по CRM.
Один практический наблюдательный факт: в проекте с длинным циклом сделки мы сравнили last-click с инкрементальным тестом по платному трафику. Last-click показывал, что часть кампаний «не работает». Тест показал другое: после отключения этих кампаний просел не только прямой спрос, но и конверсия из органики и возвратных визитов. То есть канал формально не закрывал заявку, но поддерживал спрос на уровне, который потом конвертировался в деньги.
Отсюда вывод для marketing ops:
— не пытайтесь сделать модель «идеально точной»;
— стройте модель, которая выдерживает несовершенные данные;
— меряйте не только заявки, но и вклад в pipeline и выручку;
— проверяйте выводы экспериментом, а не надеждой на красивый отчёт.
После кук выиграет не тот, у кого больше событий в аналитике, а тот, кто умеет связывать сигнал, спрос и деньги.
Я всё чаще вижу одну и ту же ошибку у маркетинг-операций: команда пытается восстановить правду о канале через всё более точный last-click, будто проблема в недостатке детализации. На практике проблема уже не в детализации. Проблема в том, что путь пользователя стал слишком рваным, а часть контактов вообще не попадает в привычную аналитику.
В 2026 году это особенно заметно в B2B и в длинных сделках: человек сначала видит пост в канале, потом возвращается через поиск с AI-overview, потом открывает письмо, потом пересылает ссылку коллеге, а заявку оставляет через неделю. Если сводить всё к последнему источнику, маркетинг сам себе обнуляет вклад верхней части воронки.
Моё мнение простое: **атрибуция должна перестать быть судом и стать системой принятия решений**. Не «кто виноват в конверсии», а «какой канал даёт прирост выручки при текущей стоимости контакта». Это уже не про один отчёт, а про связку server-side сбора, MMM, инкрементальности и нормальной дисциплины по CRM.
Один практический наблюдательный факт: в проекте с длинным циклом сделки мы сравнили last-click с инкрементальным тестом по платному трафику. Last-click показывал, что часть кампаний «не работает». Тест показал другое: после отключения этих кампаний просел не только прямой спрос, но и конверсия из органики и возвратных визитов. То есть канал формально не закрывал заявку, но поддерживал спрос на уровне, который потом конвертировался в деньги.
Отсюда вывод для marketing ops:
— не пытайтесь сделать модель «идеально точной»;
— стройте модель, которая выдерживает несовершенные данные;
— меряйте не только заявки, но и вклад в pipeline и выручку;
— проверяйте выводы экспериментом, а не надеждой на красивый отчёт.
После кук выиграет не тот, у кого больше событий в аналитике, а тот, кто умеет связывать сигнал, спрос и деньги.