Как MMM заменило атрибуцию по последнему клику в ритейле: кейс Самоката

В эпоху 2026 года, когда браузеры окончательно ограничили передачу сторонних файлов куки (cookies), классическая модель атрибуции последнего клика (last-click) стала давать погрешность до 40% в оценке эффективности медийных кампаний. Команда аналитики сервиса Самокат столкнулась с тем, что рост охватных кампаний перестал коррелировать с результатами в системе сквозной аналитики.

Задача: привести оценку маркетинговых инвестиций в соответствие с фактической выручкой, учитывая высокую роль удержания (retention) и изменения в поведении покупателей, которые стали чаще совершать импульсные покупки через поиск с помощью искусственного интеллекта (AI-overviews).

Решение: переход на маркетинговое моделирование микса (MMM — Marketing Mix Modeling). Вместо анализа цепочек переходов от конкретных пользователей, аналитики сфокусировались на эконометрическом анализе временных рядов.
— В модель интегрировали данные о продажах, медийных расходах, сезонности, промо-активностях и внешних факторах (индексы потребительских цен).
— Внедрена система проверки через инкрементальность (incrementality): проводились тесты «выключения» каналов на отдельных географических кластерах, чтобы понять чистый прирост выручки без влияния каналов, которые и так обеспечивали органический спрос.
— Данные о пользовательских путях были заменены на агрегированные показатели, что позволило соблюсти приватность данных (privacy-first) без потери качества управления бюджетами.

Результат:
— Перераспределение 15% рекламного бюджета из каналов с «красивой», но дутой статистикой в пользу медийных форматов, которые показали высокий накопительный эффект на LTV (пожизненную ценность клиента).
— Точность прогнозирования выручки на месяц вперед увеличилась на 12%.
— Снижение стоимости привлечения при сохранении объема заказов, несмотря на рыночную тенденцию к экономии покупателей и снижению среднего чека.

Урок: в мире без точных персональных данных попытка достроить «путь клиента» любой ценой ведет к искажениям. Маркетинг-операциям (Marketing Ops) пора переходить от попыток отследить каждого человека к анализу статистических закономерностей. Инкрементальность — это новый стандарт достоверности, а MMM — главный инструмент для принятия управленческих решений, когда индивидуальный трекинг перестал быть надежным фундаментом для RevOps (единой системы управления выручкой). Эра индивидуального маркетинга уступает место эре вероятностного моделирования.

— @PrivacyTrackingRu

Эрозия доверия к модели атрибуции по последнему клику

В 2026 году продолжать оценивать эффективность каналов через привычный last-click (атрибуция по последнему нажатию) — значит осознанно инвестировать в иллюзию. Мы живем в эпоху, где путь клиента стал настолько фрагментированным, что попытка приписать заслугу за конверсию только одному касанию выглядит как попытка измерить температуру в комнате по одному разбитому градуснику.

Сейчас маркетинговые операции смещаются в сторону моделирования маркетингового микса (MMM) и оценки инкрементальности (прироста эффективности). Почему это происходит?

— Пользователь перестал быть «линейным». Он потребляет контент через ИИ-обзоры в поисковиках, где ссылки на ваш бренд могут быть, а могут и не быть. Прямой переход из поиска становится редким событием, а большая часть трафика уходит в «темную воронку» (dark funnel), которую невозможно отследить классическими трекерами.
— Cookie-less (мир без файлов куки) стал стандартом. Server-side (серверная передача данных) дает нам техническую чистоту, но не дает контекста намерений. Мы видим событие, но не видим всей цепочки рассуждений пользователя.

Мое наблюдение из практики последних месяцев: компании, которые отказались от жесткого KPI (ключевой показатель эффективности) по стоимости лида в пользу анализа общего дохода от когорты, показывают более стабильный рост при снижении рекламного бюджета на 15–20%. Когда мы перестаем «подкручивать» performance-инструменты ради красивой отчетности, выясняется, что органический поиск и работа с собственной базой (retention — удержание) приносят больше ценности, чем перегретый контекст.

Сегодня единственный достоверный способ понять, работает ли маркетинг — это **эксперименты по инкрементальности**. Отключайте канал на географически изолированных сегментах и смотрите, просядет ли выручка в реальности, а не в отчете рекламного кабинета. Если разницы нет — значит, вы платили не за привлечение нового клиента, а за каннибализацию собственного спроса.

В эпоху, когда алгоритмы за нас генерируют креативы, ценность специалиста заключается не в настройке ставок, а в способности доказать, что каждый вложенный рубль действительно двигает показатель совокупной выручки (RevOps — операционное управление выручкой), а не просто создает видимость активности в аналитических панелях.

— @PrivacyTrackingRu

По этой же теме советуем @ConsumerTrendsRu

Когортный анализ (cohort analysis) в post-cookie эпоху

Когортный анализ — это способ оценивать поведение пользователей/клиентов по группам, сформированным по общему признаку во времени. Чаще всего когорты задают по моменту первой значимой даты: дата первого заказа, дата подписки, дата прохождения онбординга. Цель — видеть динамику метрик (удержание, повторные покупки, маржа, churn) без привязки к «следу» пользователя в сквозных пикселях.

Чем отличается от ретроспективных отчётов
— Не просто «все клиенты за период» (похожая к выборке дата), а сравнение траекторий в одинаковых стартовых точках.
— Отличие от A/B-теста: когорта отвечает на вопрос «что происходит спустя N дней/месяцев», тест — «изменили ли мы и насколько причинно».

Типичные ошибки
— Когорта по неверной «опорной точке» (например, по дате регистрации вместо даты активации).
— Подмена когортной метрики средним: усреднение по разным размерам когорты скрывает провалы.
— Смешивание каналов без нормализации: распределение источников внутри когорты меняется, и эффект выглядит как «качество аудитории», хотя это просто микс.

Пример
Вы запускаете новый онбординг в продукте B2B. Формируете когорты пользователей по дате активации: «до изменений» и «после». Смотрите: долю клиентов, которые проходят ключевое действие на 7-й и 30-й день, и затем конверсию в повторное использование. Если улучшение удержания есть в обеих когортах, а маржа нет — дело не в привлечении, а в monetization-потоке.

В 2026 когортный анализ — один из самых устойчивых инструментов маркетинг-операций: он поддерживает privacy-first измерения, когда точная user-level атрибуция ухудшается.

— @PrivacyTrackingRu

Алиса AI будет конкурировать с Google AI Studio

Яндекс разворачивает экосистему AI-агентов на базе Алисы с доступом сначала для компаний, затем для всех. Агенты уже работают в Яндекс Такси и Лавке, скоро появятся в браузере и студии разработки. Платформа интегрирует стандартные функции — заказ такси, покупки, анализ данных. Алиса AI показывает неплохие результаты: менее известна, чем конкуренты, поэтому предлагает щедрые лимиты на видеогенерацию и работу с контентом. Яндекс планирует внедрить…

➡️ Читайте на сайте: https://aff.top/blog/alisa-ai-budet-konkurirovat-s-google-ai-studio

🧠 Ещё больше инсайтов → в канале AFF.top

В Zennoposter добавили ИИ-помощник

Zennolab добавил в Zennoposter встроенный ИИ-кубик с доступом к четырём моделям (Gemini, DeepSeek, Claude, ChatGPT) — 50 бесплатных запросов в сутки. Есть режимы Assistant (чтение) и Agent (автоматическое создание скриптов), плюс новый GET-запрос по API. Нейросети хорошо справляются с регистрацией, постингом, фармингом аккаунтов и простым кодированием, но требуют проверки при парсинге динамических сайтов и диагностике ошибок. В связке с Zennoobr…

➡️ Читайте на сайте: https://aff.top/blog/v-zennoposter-dobavili-ii-pomoschnik

🧠 Ещё больше инсайтов → в канале AFF.top

Кук нет, а измерение есть: почему маркетингу теперь нужен серверный след

Я всё чаще вижу одну и ту же ошибку у маркетинговых команд: они продолжают обсуждать трекинг так, будто проблема решается заменой одного пикселя на другой. В 2026 году это уже не работает. Кук нет, пользовательские цепочки рвутся, а last-click по-прежнему пытаются выдать за «истину», хотя он всё хуже объясняет, что реально сдвигает выручку.

Моя позиция простая: после кук побеждает не тот, у кого больше событий в аналитике, а тот, у кого **лучше построена система доказательств**. Это значит три слоя одновременно:

— server-side-сбор, чтобы не терять базовые сигналы из-за браузерных ограничений;
— MMM (маркетинг-микс-моделирование) как верхний уровень, который отвечает на вопрос «что работает в целом»;
— incrementality-тесты, чтобы отделять корреляцию от прироста.

На практике я вижу, что команды, которые упираются только в атрибуцию, быстро упираются в потолок. В одном B2B-проекте после перевода части событий на сервер и пересборки отчётности мы потеряли около 18% «видимых» конверсий в интерфейсах, но при этом нашли каналы, которые давали реальный вклад, хотя раньше выглядели слабо. Это важный момент: потеря видимости не равна потере эффективности. Часто наоборот — исчезает шум.

И здесь важна смена мышления у marketing ops. Ваша задача больше не «собрать всё подряд», а выстроить:
— какие события действительно влияют на решения;
— где допускается агрегирование вместо микродетализации;
— какие гипотезы надо подтверждать экспериментом, а не отчётом.

После кук аналитика становится менее декоративной и более инженерной. Это хорошая новость: меньше иллюзий, больше управляемости. Но и ответственность выше — теперь нельзя прятаться за красивый отчёт, если за ним не видно прироста.

— @PrivacyTrackingRu

Новую Google reCapcha прошли статичной картинкой

Google выпустил обновленную reCAPTCHA, требующую движений рук для прохождения, но система оказалась уязвима к обходу. Достаточно транслировать статичное изображение с нужным жестом через виртуальную камеру с помощью простого Python-скрипта, чтобы нейросеть пропустила пользователя. Это создает серьёзный риск для сайтов: защита от ботов, позиционировавшаяся как прорыв, на деле не работает. Баг остается актуальным и позволяет спамерам легко автомат…

➡️ Читайте на сайте: https://aff.top/blog/novuiu-google-recapcha-proshli-statichnoi-kartinkoi

🧠 Ещё больше инсайтов → в канале AFF.top

DeepSeek представит последнюю версию v4

DeepSeek выпустит v4 в середине июля с новой моделью ценообразования API: токены подорожают в 2 раза в часы пиковой нагрузки (09:00–12:00 и 14:00–18:00 по пекинскому времени). Компания планирует уведомлять пользователей по почте за 24 часа до изменения тарифов. Проблема с ошибками «server busy» останется, но обойдётся дороже — это может существенно повлиять на экономику проектов, которые активно используют API DeepSeek для автоматизации и масшта…

➡️ Читайте на сайте: https://aff.top/blog/deepseek-predstavit-posledniuiu-versiiu-v4

🧠 Ещё больше инсайтов → в канале AFF.top

Anthropic выпустили Sonnet 5

30 июня вышла Claude Sonnet 5 — новая версия позиционируется как самая агентная в линейке и приближается к флагманской Opus 4.8. Модель лучше справляется со сложными многоуровневыми задачами, устойчива к вредоносным запросам и не генерирует эксплойты. Sonnet 5 доступна на Free-тарифе, но тестирование показало скромные улучшения: хотя работает лучше Sonnet 4.6, её обгоняют конкуренты, включая китайские модели, которые дешевле через API при лучшей…

➡️ Читайте на сайте: https://aff.top/blog/anthropic-vypustili-sonnet-5

🧠 Ещё больше инсайтов → в канале AFF.top

Кук сломал атрибуцию — но не сломал рост: как я перестроил отчётность для маркетинга после “последнего клика”

Я в 2026 смотрю на проблему приватности не как на “убрали трекинг — всё пропало”, а как на смену модели управления: last-click отжил, а управленческая система должна остаться. Поэтому я перестал просить команду “докажите, какой канал дал именно эти конверсии”, и начал просить “докажите, что маркетинг увеличил выручку”.

Что поменялось в моей практике для marketing ops:

— Я ввёл уровни измерения вместо одного отчёта
1) Воронка до визита/запроса (то, что ещё можно наблюдать: формы, переходы, регистрации, офлайн-идентификаторы).
2) Переход в ценностную стадию (что ближе к выручке: квалификация в B2B, активация в продукте/сервисе, first repeat/вторая сессия в e-com).
3) Экономический результат (incrementality: “сколько добавили сверх базового спроса” через MMM, holdout/гео-эксперименты, lift-оценки в пределах возможного).

— Я развернул коммуникацию с коммерческими командами в сторону RevOps (ответственность за выручку “маркетинг–sales–customer success”)
Теперь KPI маркетинга не заканчивается на MQL. Если лид без активации/повторной ценности — это не “проблема отдела продаж”, а дефект дизайна воронки и прогноза. Это меняет фокус: мы оптимизируем не “доставку клика”, а качество потока и конверсию по стадиям.

— Я переписал отчёт “почему упало”
Раньше: “снизилась доля конверсий из рекламного трафика”.
Теперь: “снизилась доля пользователей, дошедших до стадии X, и при этом выросла доля оплат/повторов от органики/прямых”. Это разные причины — и разные меры: где-то нужно лечить креатив и ожидания, где-то — speed-to-lead/выдачу оффера, а где-то — продуктовую активацию.

Один наблюдаемый практический факт (из нескольких проектов, где мы делали privacy-first перестройку):
когда команда перестраивает отчётность с “конверсий в пикселе” на “стадии ценности”, качество решений растёт быстрее, чем точность атрибуции. Обычно первые заметные улучшения идут не от более точного tracking, а от того, что бизнес начинает согласованно измерять один и тот же путь пользователя: где он теряет смысл и на каком шаге маркетинг должен отвечать.

Мой тезис простой: после кук выиграет не тот, у кого больше данных, а тот, у кого лучше управленческая логика. Трекинг может стать фрагментированным — но модель ответственности и измерения должна быть цельной. Если у вас в отчёте один показатель “сколько принес last-click”, значит управление всё ещё живёт в прошлом.

— @PrivacyTrackingRu

Соседняя редакция @SMMstrategyRoom недавно писала об этом под другим углом