Модели атрибуции в Яндекс Директе: как выбрать нужную

Модели атрибуции в Директе — это правила, по которым система решает, какой кампании засчитать конверсию, если человек перед покупкой касался рекламы несколько раз: last-click отдаёт всю заслугу последнему клику, first-touch — первому, linear делит её поровну, time-decay — по давности касания. По умолчанию везде стоит last-click, и он систематически занижает кампании, которые приводят клиента в начале пути, а не в конце.

Что такое атрибуция в Директе и почему last-click врёт о вкладе кампаний

Атрибуция — это распределение заслуги за конверсию между точками касания в пути клиента. По умолчанию везде стоит last-click: вся заслуга уходит источнику последнего перехода перед целевым действием, а всё, что случилось раньше, отчёт просто не учитывает.

Путь клиента редко укладывается в один клик. Типичная цепочка: человек видит баннер в РСЯ, не переходит сразу, через день ищет бренд в поиске и заходит по этому переходу, а покупает — зайдя напрямую по закладке через неделю. По last-click вся заслуга достанется прямому заходу или брендовому запросу, а РСЯ, который вообще познакомил человека с продуктом, останется с нулём конверсий.

Из-за этого last-click систематически обнуляет верхнюю воронку — охватные кампании и первое знакомство с брендом — и переоценивает нижнюю: бренд-поиск и ретаргетинг перед самой покупкой забирают чужую заслугу.

Смена модели атрибуции не меняет фактические продажи — она меняет только то, как эти продажи распределяются в отчёте между источниками.

Если кампания выглядит убыточной в last-click-отчёте, это не значит, что она не работает — возможно, она просто стоит в начале пути клиента, а не в конце. Прежде чем отключать источник трафика, посмотрите его вклад в разных моделях — похожие случаи разобраны в подборке статей о практике Директа.

PRO-кабинет директолога

Эти же расчёты — уже внутри кабинета

Бесплатные калькуляторы считают разово. В PRO они привязаны к клиенту: данные подтягиваются сами, а ИИ-напарник объясняет цифры человеческим языком.

Что умеет ИИ-напарник →Тарифы от 990 ₽

Last-click — модель по умолчанию в Метрике и Директе

Last-click, или модель «последний переход», — это модель по умолчанию: вся заслуга за конверсию уходит источнику, с которого человек перешёл на сайт последним перед покупкой. Она не требует настройки и понятна без объяснений — поэтому её и ставят по умолчанию и в Метрике, и в Директе.

Плата за простоту — искажение. Last-click недооценивает первый визит и знакомство с брендом, а бренд-поиск и ретаргетинг перед самой покупкой получают заслугу, которую на деле создали более ранние касания.

Типичный сценарий ошибки: РСЯ приводит первого посетителя, он уходит без покупки, а возвращается через время напрямую или по брендовому запросу. Вся заслуга уходит не РСЯ, и кампанию отключают как неэффективную — хотя именно она была источником спроса.

Путь клиента до конверсии смотрят в Метрике: там же выбирается модель атрибуции для отчёта. Подробнее про то, как разматывать цепочку визитов, — в статье про путь клиента от клика до продажи. Точный список моделей, доступных в интерфейсе на сегодняшний день, стоит сверять прямо в кабинете — набор время от времени меняется.

First-touch — атрибуция по первому касанию

First-touch, или атрибуция по первому переходу, — модель, зеркальная last-click: вся заслуга уходит источнику, который привёл пользователя первым, а не тому, кто довёл его до сделки.

Она полезна, когда нужно оценить каналы привлечения новой аудитории — охватные кампании в РСЯ, медийную рекламу, объявления по информационным запросам. Именно они формируют спрос, и first-touch это показывает там, где last-click обнуляет.

Обратная сторона та же, что у last-click, только зеркально: first-touch обнуляет каналы дожима. Ретаргетинг и бренд-поиск, которые довели человека до оплаты, получают ноль, хотя без них сделки могло бы и не быть.

Отдельная проблема — звонки: если клиент возвращается через телефон, а не повторный визит на сайт, first-touch без подключённого колтрекинга вообще не увидит этот путь. Здесь помогает динамический колтрекинг в Яндекс Директе — он связывает звонок с конкретным визитом и кампанией.

Обосновывать бюджет на охватные кампании одним только first-touch-отчётом рискованно: это половина картины без учёта того, что происходит на нижних этапах воронки.

Linear — равномерный вклад каждого канала

Linear делит заслугу за конверсию поровну между всеми точками касания в цепочке. Если человек перед покупкой взаимодействовал с рекламой четыре раза, каждое касание получает по 25% ценности конверсии — независимо от того, что это было: баннер, поисковое объявление или ретаргетинг.

Это компромисс между last-click и first-touch: linear никого не обнуляет, а значит, кампании из середины и начала воронки перестают выглядеть в отчёте бесполезными.

Linear — не самая точная модель, зато самая честная в одном: она первой показывает, что верхняя воронка вообще участвует в цепочке продаж.

Проблема в том, что равные доли — это условность. Мимолётный показ баннера, который человек мог даже не заметить, и осознанный визит по брендовому запросу оцениваются в linear одинаково, хотя по вкладу в решение это разные вещи.

Из-за этого linear редко используют как основную модель для расчёта эффективности, но часто — как первый шаг ухода от last-click: она быстро показывает, каких каналов в отчёте раньше не было видно вообще.

Time-decay — больше веса каналам ближе к покупке

Time-decay распределяет заслугу за конверсию между всеми касаниями, но не поровну: чем ближе касание по времени к моменту покупки, тем больше веса оно получает. Показ баннера за день до покупки весит в отчёте больше, чем такой же показ за три недели до неё.

Логика простая: чем ближе по времени контакт с рекламой к решению о покупке, тем вероятнее, что именно он повлиял на выбор. Скорость затухания веса — параметр «период полураспада» — настраивается в системах атрибуции; точное значение по умолчанию стоит уточнять в актуальной документации, а не считать постоянной величиной.

Time-decay — не про то, что было первым или последним, а про то, что было ближе всего к решению.

Модель хорошо подходит для сделок среднего цикла — когда клиент касается рекламы несколько раз за недели или пару месяцев перед покупкой: она сохраняет вклад ранних касаний, но справедливо повышает вес тех, что подтолкнули к решению.

Для очень длинного цикла — B2B, дорогие услуги с циклом сделки в несколько месяцев — time-decay начинает вести себя почти как last-click: первые касания, случившиеся задолго до покупки, получают вес, близкий к нулю, и та же проблема недооценки верхней воронки возвращается.

Многоканальная атрибуция и модель на цепочках Маркова

Многоканальная атрибуция — общее название для моделей, которые распределяют заслугу по всему пути клиента, а не по одной точке: сюда относятся linear, time-decay, position-based и алгоритмические, или data-driven, модели.

Data-driven модели — например, построенные на цепочках Маркова — считают вклад канала иначе, чем linear или time-decay: там веса заданы правилом заранее, а здесь вклад каждого канала выводится из фактических данных аккаунта через «эффект удаления» — насколько упадёт число конверсий, если убрать канал из всех путей клиентов.

В линейной и time-decay моделях веса задаёт правило. В алгоритмической — их выводят из реальных данных о том, как клиенты на самом деле идут к покупке.

Здесь есть ограничение: чтобы расчёт по цепочкам Маркова был надёжным, нужен достаточный объём данных о путях конверсии. На небольшом трафике такая модель считается ненадёжной — точный порог по числу визитов и конверсий зависит от конкретной методики и его стоит уточнять отдельно.

Считать такую атрибуцию вручную по таблицам тяжело: нужно выгружать все пути конверсии и разматывать граф переходов. Для этого есть сервис расчёта атрибуции по цепочкам Маркова — он берёт данные аккаунта и считает вклад каждого канала без ручной сборки таблиц.

Как выбрать модель атрибуции под свою рекламную кампанию

Единой правильной модели атрибуции нет: выбор зависит от длины цикла сделки и от того, сколько типов кампаний участвует в пути клиента. Короткий цикл в один клик — last-click вполне достаточно. Длинный цикл с охватной РСЯ, поиском на спрос и ретаргетингом — last-click систематически занижает верхнюю воронку.

Что стоит учесть перед сменой модели:

Длина цикла сделки — часы до покупки почти не оставляют разницы между моделями.
Структура кампаний — охват, поиск на спрос и ретаргетинг вместе искажают картину сильнее всего.
Сравнение моделей — смотрите вклад кампании сразу в нескольких моделях, прежде чем менять решения.
Без слепых отключений — низкие цифры в одной модели ещё не повод выключать канал.
Связь со ставками — автостратегии обучаются на конверсиях, а какие это конверсии, решает модель атрибуции.
Отдельный эксперимент — смена модели меняет взгляд на прошлое, а не тестирует саму рекламу; для этого нужен отдельный А/Б-тест в Директе.

Если параллельно пересматриваете стратегию автоматических ставок в Директе, меняйте что-то одно за раз. Общую картину аккаунта перед такими решениями удобно сверить через health-аудит аккаунта Директа.

Частые вопросы

▸Можно ли смотреть несколько моделей атрибуции одновременно, не выбирая одну?

Да, в Метрике можно переключать модель прямо в отчёте по источникам и сравнивать цифры по одной и той же кампании в разных моделях — это не требует отдельной настройки счётчика.

▸Меняет ли смена модели атрибуции сами ставки в аукционе Директа?

Нет, сама по себе смена модели в отчёте ставки не трогает — на аукцион влияет модель, на данных которой обучена автостратегия кампании, а это отдельная настройка, а не переключатель в отчёте.

▸Нужно ли выбирать одну модель атрибуции навсегда?

Нет, для разных задач подходят разные модели: last-click — для быстрой оценки текущих результатов, linear или time-decay — когда нужно понять вклад верхней воронки перед решением по бюджету.

▸Что делать, если данные по одной и той же кампании расходятся в Директе и в Метрике?

Сверьте, какая модель атрибуции стоит в каждом интерфейсе по умолчанию — расхождение чаще всего объясняется именно разными моделями, а не ошибкой в счётчике.