Атрибуция в маркетинге: что это такое и как ее измерить

Вы тратите рекламный бюджет на платную рекламу в социальных сетях, поиск, CTV, push-уведомления и электронную почту, но каждый канал показывает разные результаты. Данные не сходятся, а ваша BI-команда в 11 вечера перед квартальным отчетом сводит таблицы вручную — и даже после этого вы не можете получить однозначный ответ на вопрос, что на самом деле принесло доход в этом квартале.

Это не проблема данных. Это проблема атрибуции, и ее решение меняет все последующие решения о распределении бюджета. Разберемся, что такое атрибуция, чем отличаются разные модели и как настроить измерения так, чтобы получать данные, которым можно доверять.

Краткое содержание

• Маркетинговая атрибуция позволяет определить, какие каналы и кампании на самом деле привели к конверсии.
• Без атрибуции решения о распределении бюджета основываются либо на модели последнего клика, либо на данных той платформы, которая показывает самые высокие результаты.
• Модели атрибуции по одному касанию легко и быстро настроить, но они не учитывают большую часть пути клиента. Модели атрибуции по нескольким касаниям точнее, но требуют большего объема данных.
• Мобильная атрибуция имеет ограничения, с которыми не справляются обычные веб-инструменты: ATT, SKAdNetwork и проблемы с идентификацией пользователей на разных платформах.
• Чистые данные атрибуции — основа для оптимизации на базе ИИ. Плохие данные на входе — плохие решения на выходе.

Дэшборд мобильной атрибуции AppsFlyer

Что такое атрибуция в маркетинге?

Атрибуция в маркетинге — это способ определить, какие каналы и кампании привели клиента к конверсии.

Клиент видит рекламу в TikTok, через неделю ищет ваш бренд, нажимает на результат Google, получает push-уведомление и устанавливает ваше приложение. Атрибуция определяет, каким из этих взаимодействий засчитывается конверсия и в какой степени.

Звучит просто, но на практике является одной из самых сложных задач в маркетинге эффективности. Каждая платформа — от платной рекламы в социальных сетях и поиске до CTV и рекламы у ретейлеров — стремится приписать себе как можно больше конверсий. Без независимой системы измерений вам приходится полагаться на данные самих каналов, которые напрямую заинтересованы в том, чтобы показывать более высокие результаты.

Почему важна маркетинговая атрибуция?

Без нее каждый канал выглядит одинаково ценным или одинаково бесполезным, в зависимости от того, какой дэшборд вы откроете.

Вот что происходит на практике. Клиент видит объявление в Meta в понедельник, игнорирует его. В четверг он видит преролл на YouTube. Все еще ничего. В субботу пользователь ищет ваш бренд в Google, переходит по ссылке из органической выдачи и устанавливает приложение. Google фиксирует органическую установку. Meta и YouTube фиксируют ноль. Кампания, благодаря которой пользователь впервые узнал о вашем бренде, урезается. Бюджет перераспределяется в пользу канала последнего касания, который сыграл наименьшую роль в привлечении пользователя.

Это и есть смещение в пользу последнего клика, которое приводит к ошибочным решениям о распределении бюджета во всех командах, работающих с многоканальными кампаниями. В 2026 году проблема шире, чем когда-либо: CTV-кампании без замкнутого цикла атрибуции, реклама у ретейлеров в закрытых экосистемах и каналы поиска на базе ИИ, где система измерений пока вообще отсутствует. Каждый новый канал добавляет еще одно «слепое пятно».

Для мобильных команд этот разрыв является структурным. Кампании охватывают платную рекламу в социальных сетях и поиске, push-уведомления, электронную почту, органические каналы и инфлюенсеров на iOS, Android, в вебе, CTV и рекламе у ретейлеров. Атрибуция — это единственное, что связывает установки приложения и события в приложении с расходами, которые привели к ним.

Какую модель атрибуции вам следует использовать?

Модели атрибуции — это структуры, которые определяют, как атрибуция распределяется между точками взаимодействия. Существует два типа моделей атрибуции: по одному касанию и по нескольким касаниям.

Модели атрибуции по одному касанию

Модели атрибуции по одному касанию полностью засчитывают конверсию одному взаимодействию. Их легко и быстро внедрить и просто объяснить, но они дают искаженную картину.

• Первое касание отдает 100 процентов атрибуции первому взаимодействию. Полезна для понимания того, какие каналы обеспечивают первое знакомство с брендом, но не учитывает все последующие взаимодействия.
• Последнее касание отдает полную атрибуцию финальному взаимодействию перед конверсией. Самая распространенная модель по умолчанию на рекламных платформах и при этом одна из самых обманчивых: конверсия засчитывается каналу, на котором произошел последний клик, хотя зачастую именно он сыграл наименьшую роль в привлечении пользователя.
• Модель последнего непрямого взаимодействия исключает прямой трафик и приписывает конверсию последнему платному или органическому каналу.
• Касание конверсии лида засчитывает точку взаимодействия, которая привлекла лида, например, подписку на электронную рассылку.

Модели атрибуции по нескольким касаниям

Модели атрибуции по нескольким касаниям распределяют ценность конверсии между взаимодействиями на всем пути клиента. Они требуют больше данных и инфраструктуры, но дают более полное представление.

• Линейная атрибуция придает каждой точке взаимодействия равный вес. Простая модель, но она предполагает, что показ рекламы на CTV и последний клик в равной степени повлияли на конверсию.
• Модель временного спада придает больший вес касаниям, произошедшим ближе к конверсии, что хорошо подходит для коротких циклов покупки.
• Позиционная (U-образная) модель приписывает наибольшую значимость первому и последнему касаниям, а остальную распределяет между промежуточными. Для большинства воронок платного привлечения это оптимальный баланс.
• W-образная модель придает повышенный вес трем точкам взаимодействия, третьей из которых обычно является ключевой момент вовлечения. Такая модель лучше подходит для более длинных циклов продаж.
• Атрибуция на основе данных использует машинное обучение, чтобы распределять значимость между касаниями на основе реальных закономерностей конверсии. При достаточном объеме данных эта модель обеспечивает наиболее точную атрибуцию.
• Атрибуция по просмотрам (VTA) заслуживает отдельного упоминания, поскольку в большинстве руководств ее вообще не рассматривают. VTA засчитывает кампанию, когда клиент увидел объявление, не нажав на него, а затем совершил конверсию позже через другой путь. Необходима для измерения эффективности CTV и медийной рекламы на верхних этапах воронки, где доля кликов невелика, но канал все равно влияет на последующие конверсии.

Как настроить маркетинговую атрибуцию?

Большинство руководств охватывают теорию. Вот как на самом деле внедрить маркетинговую атрибуцию на практике.

Шаг 1. Определите свои события конверсии

Решите, что считается конверсией, прежде чем что-либо настраивать. Для мобильного приложения: установка, первая покупка, активация подписки или ключевое событие в приложении. Для веб-воронки: заполнение формы, запрос демо, завершенная транзакция. Ценность атрибуции напрямую зависит от того, какие события она измеряет.

Шаг 2: Помечайте каждую кампанию UTM-параметрами

Каждая платная ссылка, электронная рассылка и атрибутируемый источник должны иметь согласованные UTM-параметры: источник, канал, кампания, контент, условие. Использование «facebook», «Facebook» и «fb» в разных кампаниях приводит к получению данных, которые невозможно сопоставить. Установите стандарт именования и применяйте его везде, прежде чем что-либо запускать.

Шаг 3: Настройте свой SDK или пиксель

Для веб-кампаний разместите пиксель на каждой важной странице и убедитесь, что он срабатывает при реальных событиях конверсии, а не просто при загрузке страницы. Для мобильных приложений интегрируйте SDK вашего MMP и передавайте через него события конверсии. Протестируйте, прежде чем доверять данным.

Шаг 4: Выберите тип атрибуции

Исходя из сложности вашей воронки и объема данных, выберите модель из раздела выше. Начинаете с нуля? Позиционная модель обычно оказывается наиболее практичным вариантом. Она учитывает как привлечение, так и конверсию, не требуя такого объема данных, как атрибуция на основе данных.

Шаг 5: Выберите свою платформу для измерения

Для мобильных кампаний MMP (партнер по мобильным измерениям) не является опциональным. Это инфраструктура, которая делает точную атрибуцию возможной. MMP применяет единую логику к мобильным приложениям, вебу, CTV и рекламе у ретейлеров, устраняет дублирование конверсий, чтобы Meta и Google не могли одновременно приписать себе одну и ту же установку, и выступает независимым арбитром между вами и платформами, данные которых поступают в вашу систему. Современная MMP также передает очищенные от дубликатов данные в инструменты автоматической оптимизации, включая агентные системы ИИ, которые корректируют ставки и перераспределяют бюджеты без ручного вмешательства.

Шаг 6: Установите свои окна атрибуции

Окно атрибуции — это период после взаимодействия с рекламой, в течение которого конверсия может быть приписана этой рекламе. Обычно по умолчанию устанавливается семь дней после клика и один день после просмотра. Установите окна, соответствующие вашему фактическому циклу покупки. Для мобильной игры, где от первого взаимодействия до установки проходит две минуты, требуется другое окно атрибуции, чем для приложения с 30-дневным пробным периодом.

Шаг 7: Проверяйте, а затем продолжайте проверять

Регулярно сравнивайте данные вашего MMP с цифрами, о которых отчитывается платформа. Разрывы — это нормально. Они отражают разницу между самостоятельно сообщаемой и независимо измеренной атрибуцией. Необъяснимые расхождения сигнализируют о проблеме с инструментарием. Проводите тестирование инкрементальности параллельно с атрибуцией, чтобы убедиться, что каналы, которым приписываются конверсии, действительно приводят к ним, а не просто коррелируют с ними.

Почему мобильная атрибуция сложнее, чем веб-атрибуция?

Большинство общих руководств по атрибуции рассчитаны на веб-воронки. Мобильная экосистема работает в условиях других ограничений, с которыми веб-инструменты не могут справиться.

ATT структурно изменила атрибуцию. SKAdNetwork (SKAN) изменил принципы работы качества сигналов. Кроссплатформенная атрибуция создала совершенно отдельную проблему идентификации. Каждая из них требует своего решения.

iOS 14.5 и App Tracking Transparency (ATT)

Фреймворк ATT от Apple позволяет клиентам iOS отказаться от измерения на уровне устройства. Когда они это делают, IDFA, идентификатор, который использовался для детерминированной атрибуции, становится недоступным. Без вероятностного моделирования MMP, позволяющего восполнить пробелы в данных, бренды, которые полагаются только на жесткую атрибуцию по идентификаторам устройств, рискуют столкнуться с тем, что значительная доля платных установок будет ошибочно отнесена к органическим. Это, в свою очередь, искажает показатели стоимости привлечения клиентов, ROAS и LTV.

SKAdNetwork (SKAN)

Решение AppsFlyer для измерения SKAdNetwork

SKAN — это система атрибуции Apple с сохранением конфиденциальности пользователей. Вместо отдельных сигналов она предоставляет агрегированные данные о конверсиях с задержкой. Для практической работы с окнами значений конверсии и логикой таймеров в SKAN 4.0 необходимы специализированные инструменты. MMP преобразует постбэки SKAN в данные, пригодные для анализа эффективности кампаний, и объединяет их с вероятностными и детерминированными данными на одном дэшборде. Согласно нашему анализу, подход AppsFlyer Single Source of Truth (SSOT) обычно позволяет выявить на 30–60% больше неорганических установок, которые в противном случае были бы ошибочно отнесены к органическим.

Хоуп Барретт, старший директор по управлению продуктами в SoundCloud, так описала эти изменения: «Когда я только пришла в SoundCloud, одной из первых проблем, о которых мне рассказали, были наши разрозненные и несогласованные данные. Теперь с AppsFlyer наши данные в порядке. Дело не в том, что мы не могли анализировать их раньше; мы просто не очень доверяли тому, что видели. Теперь все иначе.”

Кроссплатформенная атрибуция

В разрозненных системах измерений клиент, который увидел вашу рекламу на CTV, посетил мобильную версию сайта, а затем установил приложение, будет представлен как три не связанных между собой события. Кроссплатформенная атрибуция объединяет эти события в единый путь клиента с помощью постоянного идентификатора и связывает полученный доход с первоначальным источником привлечения. Без нее невозможно рассчитать реальную пожизненную ценность клиента (LTV), а каналы верхних этапов воронки, такие как CTV, не получают атрибуции за установки, к которым они привели.

Винсент Этерле, руководитель отдела маркетинга роста мобильного направленияFuboTV: «В конечном счете все сводится к данным. Нет другого инструмента, который собирает и измеряет данные так, как это делает AppsFlyer.» Используя AppsFlyer для выявления пересечений в расходах разных команд, FuboTV удалось снизить эффективную стоимость установки (eCPI) на 15% и повысить эффективность распределения бюджета на 20%.

Атрибуция повторного вовлечения

Атрибуция — это не только новые установки. Клиент, который перестал пользоваться приложением, но увидел ретаргетинговую рекламу и снова открыл его, считается повторно вовлеченным пользователем, и такая конверсия требует отдельной логики атрибуции. Иначе расходы на ретаргетинг остаются без атрибуции, вернувшиеся пользователи ошибочно относятся к органическим, а кампании, которые приносят доход за счет существующей клиентской базы, остаются незамеченными.

Рекламный фрод

Дэшборд AppsFlyer для защиты от мошенничества

Мобильные кампании становятся мишенью для клик-флудинга, ферм установок и подмены SDK — методов мошенничества, которые искусственно увеличивают количество атрибутированных установок, не приводя реальных пользователей. MMP с защитой от мошенничества отфильтровывает такие события до того, как они попадут на ваш дэшборд, поэтому показатели, на основе которых вы оптимизируете кампании, отражают действия реальных пользователей.

Как выбрать правильную модель атрибуции?

Правильная модель соответствует вашей воронке, объему данных и решению, которое вы пытаетесь принять.

• Если вы только начинаете работать с атрибуцией и вам нужна простая модель, выберите атрибуцию по первому или последнему касанию. Оба варианта исказят вашу картину. Атрибуция по последнему касанию особенно сильно недооценивает каналы верхних этапов воронки, но даже несовершенная атрибуция лучше, чем ее полное отсутствие.
• Выберите линейную модель или модель временного спада, если вы проводите многоканальные кампании и хотите понимать роль каждого касания, не создавая вероятностную модель. Модель временного спада подходит для коротких циклов покупки. Линейная модель подходит, если вам нужна базовая картина без завышения значимости какого-либо отдельного касания.
• Выберите модель на основе позиции (U-образную), если вы запускаете платное привлечение с четкой структурой от обнаружения до конверсии. Она учитывает первое и последнее касание, не отбрасывая промежуточные.
• Выберите атрибуцию на основе данных, если у вас достаточно большой объем данных и есть MMP, которая позволяет ее использовать. Эта модель отражает реальное поведение ваших клиентов, а не применяет ко всем заранее заданное правило.
• Используйте тестирование инкрементальности вместе с любой моделью атрибуции, если хотите ответить на более сложный вопрос: не только какому каналу была приписана конверсия, но и произошла бы она вообще без этой кампании. Атрибуция говорит, какому источнику был засчитан результат. Инкрементальность сообщает, был ли этот результат заслуженным.

Дэшборд атрибуции AppsFlyer

Если вы одновременно выделяете значительные бюджеты на брендовую рекламу и эффективность, рассмотрите возможность сочетания атрибуции по нескольким касаниям с моделированием маркетингового микса (MMM). . MMM использует агрегированные данные и статистический анализ, чтобы оценить общее влияние каналов с течением времени с учетом платной рекламы, сезонности, ценообразования и внешних факторов. В 2026 году большинство команд с развитой системой атрибуции используют MMM как стратегическое дополнение к MTA: MTA — для повседневных решений по отдельным каналам, а MMM — для ежеквартального распределения бюджета.

Почему стоит использовать AppsFlyer для маркетинговой атрибуции?

Большинство инструментов атрибуции были созданы для веб-воронок. Мы создали AppsFlyer с учетом того набора каналов, с которым в 2026 году реально работают маркетологи, отвечающие за эффективность рекламы: мобильные приложения, веб, CTV и каналы на базе ИИ, не охваченные другими системами измерений. Атрибуция по всем этим каналам выполняется на единой платформе.

Независимое измерение в более чем 12 тыс. сетей

Большинству маркетинговых команд знакомы совещания, на которых Meta сообщает одно количество установок, BI-дэшборд показывает другое, а никто из присутствующих не может с уверенностью объяснить причину расхождения. Это не ошибка в отчетности, а особенность самой системы: каждая рекламная сеть учитывает одного и того же клиента по собственным правилам, и эти данные никак не согласуются между собой. AppsFlyer применяет единую логику атрибуции и дедупликации более чем в 12 000 интегрированных рекламных сетей, поэтому каждая установка засчитывается только один раз — тому источнику, который действительно к ней привел.

Надежные измерения в iOS после внедрения ATT

Сейчас значительная часть отчетных данных по ROAS в iOS попросту неверна, причем большинство команд даже не понимают, в какую сторону и насколько искажены показатели. Когда пользователи отказываются от измерений на уровне устройства, платные установки по умолчанию относятся к органическим, ROAS оказывается искусственно занижен, а бюджет часто сокращают именно у тех кампаний, которые на самом деле приносили результаты. AppsFlyer объединяет детерминированные данные, постбэки SKAN и вероятностное моделирование в едином представлении, позволяя корректно атрибутировать 30–60% неорганических установок, которые в противном случае были бы ошибочно отнесены к органическим.

Кроссплатформенная LTV, а не только установки

Дэшборд UA показывает установки и стоимость установки. Финансовый отчет показывает доход. Объединять эти данные вручную, чтобы выяснить, удалось ли связать установку из Meta с веб-конверсией, произошедшей шесть недель спустя, и приписать ее исходной кампании, — задача, которая может занять у аналитика полдня и все равно не дать полной картины. AppsFlyer связывает полный путь с помощью идентификатора клиента, поэтому доход от последующих действий автоматически привязывается к исходному источнику привлечения.

Мошенничество, выявленное до того, как оно повлияет на решения

Клик-флудинг и фермы установок обычно никак себя не выдают: они проявляются в виде резких скачков числа установок, которые выглядят как результат успешной кампании. К тому моменту, когда ситуация становится достаточно очевидной, чтобы вызвать сомнения, бюджет, как правило, уже успевают перераспределить в пользу таких установок. Система защиты AppsFlyer от мошенничества отфильтровывает такую активность сразу после ее обнаружения, еще до того, как она попадет в отчет и сможет повлиять на принимаемые решения.

Данные атрибуции, которые напрямую используются для автоматической оптимизации

После очистки и объединения данных атрибуции их можно использовать в агентных системах ИИ, которые автоматически корректируют ставки, перераспределяют бюджеты и запускают сценарии повторного вовлечения без ручного вмешательства. Но здесь есть важная зависимость, которую многие команды упускают: автоматическая оптимизация работает правильно только при условии надежных исходных данных. Ее качество напрямую зависит от качества сигналов атрибуции: если на вход поступают некорректные данные, на выходе вы получите такие же некорректные результаты — только уже автоматически.

eBay выразились прямо:

«AppsFlyer является нашим источником истины в вопросах атрибуции. Мы получили полное представление обо всех аспектах привлечения пользователей и при этом снизили затраты. Без AppsFlyer набор маркетинговых инструментов был бы неполным».

Ключевые выводы

• Маркетинговая атрибуция связывает расходы с результатами. Без нее бюджетные решения принимаются в пользу того канала, который наиболее агрессивно заявляет о своих заслугах.
• Модели атрибуции варьируются от атрибуции по первому касанию до атрибуции на основе данных. Начните с простой модели, проверяйте результаты с помощью тестирования инкрементальности и по мере накопления данных переходите к атрибуции на основе данных.
• Выбор модели менее важен, чем независимость системы измерений от платформ, данные которых она использует. Данные, предоставляемые самими Meta или Google, — это не то же самое, что данные независимой атрибуции.
• Мобильная атрибуция имеет структурные ограничения: ATT, SKAdNetwork и проблемы с идентификацией пользователей на разных платформах, с которыми не могут справиться инструменты веб-аналитики. Мобильная MMP — это инфраструктура, которая позволяет решить эти проблемы.
• Чистые данные атрибуции — это необходимое условие для оптимизации на основе ИИ. Автоматическая корректировка ставок и перераспределение бюджета зависят от точных сигналов.

Если вы проводите кампании более чем в одном канале, а данные атрибуции получаете от самих платформ, то оценку эффективности фактически проводят те же платформы, эффективность которых вы оцениваете. MMP объединяет все описанные в этом руководстве процессы в единой системе — от настройки UTM-меток до согласования данных SKAN и объединения идентификаторов пользователей на разных платформах. А благодаря набору агентных ИИ-решений AppsFlyer точные данные атрибуции становятся основой для автономной оптимизации кампаний.

Посмотрите, как работает набор инструментов для измерения AppsFlyer или запросите демо, чтобы разобраться в настройке атрибуции.