Атрибуция

Происхождение и история термина

В маркетинговой аналитике слово attribution обозначает назначение вклада взаимодействиям на пути к значимому действию. Так его определяет Google Analytics. Первым автором всей идеи нельзя считать разработчика отдельного отчёта: это более широкая задача измерений. ^[1]

Важная историческая линия — различение наблюдаемой покупки и покупки, дополнительно вызванной рекламой. Вавер и Кёлер в технической работе 2011 года описали географические эксперименты: территории случайно распределяют между группами с разными условиями рекламы и сравнивают результат. Это документированный пример развития измерений, а не дата появления слова «атрибуция». ^[6]

Реализации меняются быстрее самого понятия. В Google Analytics с ноября 2023 года недоступны модели первого клика, линейного распределения, временного затухания и распределения по позиции. ^[1] В Яндекс Метрике 20 мая 2026 года отключены перечисленные в справке прежние модели; в сохранённых отчётах их заменяют актуальными вариантами. ^[3] Поэтому старое руководство может правильно объяснять идею, но неверно описывать сегодняшние настройки.

Суть и механизм

Начать проще с вопроса бизнеса. Издание хочет понять, каким источникам засчитаны оплаченные подписки. Конверсия здесь — выбранное целевое действие, то есть успешная оплата; касание — учитываемое взаимодействие до неё. В Google Analytics важное для бизнеса событие называется key event, или ключевое событие. Модель задаёт способ назначения ему вклада. ^[1]

Учебный пример. Анна перешла на сайт по рекламе, через два дня вернулась из поиска, а ещё через день открыла письмо и оплатила подписку. В журнале заказов есть одна оплата. Условное правило «весь зачёт последнему касанию» отдаст её письму. Условное равное распределение даст каждому из трёх касаний треть зачёта. Это две записи об одной покупке, а не три покупателя и не три оплаты.

Чтобы такой расчёт имел смысл, сначала нужно получить связную историю. В нашем примере аналитик проверяет, зарегистрировалась ли оплата один раз, распознано ли письмо и относятся ли три посещения к одной Анне. Только после этого имеет смысл обсуждать распределение. Если письмо ошибочно записали как неизвестный источник, смена модели сама по себе не восстановит потерянное название.

UTM-метки — параметры в адресе ссылки, с помощью которых в аналитику передают сведения о кампании. Например, utm_source задаёт источник, utm_medium — тип канала, utm_campaign — кампанию. Google рекомендует согласованное именование; регистр букв в значениях имеет значение. ^[4] Метка помогает ответить «откуда пришёл переход», но не выбирает правило зачёта последующей оплаты.

Продолжение учебного примера. Если одна рассылка размечена как newsletter, а другая как Newsletter, команда рискует обсуждать две строки вместо одной согласованной категории. Для исследования сначала нужен словарь названий. Это не поиск «правильной» модели, а исправление описания исходных данных; логика одинакового словаря следует из чувствительности меток к регистру. ^[4]

Идентификация — ещё одна отдельная задача: система должна связать действия в один путь. Google описывает междоменное измерение для сайта и отдельного домена оформления заказа. При предусмотренном в документации согласии идентификаторы передаются между доменами через параметр _gl; без такой настройки один посетитель разных корневых доменов может учитываться раздельно. ^[5] Междоменная настройка не равнозначна распознаванию человека на всех его устройствах.

Виды и классификации

Ниже — редакционная систематизация способов описать атрибуцию, а не единая международная классификация.

По способу расчёта можно различать заранее заданное правило и модель, обученную на данных. Правило легко объяснить на отдельном пути: например, назначить весь зачёт последнему учитываемому контакту. Google описывает data-driven attribution — атрибуцию на основе данных — как алгоритмическую оценку путей с ключевым событием и без него. Это не означает, что рекламодатель сам провёл эксперимент, просто включив настройку. ^[1]

По типу контакта различают переход и показ рекламы. В основном разделе справки Метрики речь идёт об атрибуции по клику; для показов баннерной и видеорекламы Яндекс указывает отдельную Метрику для медийной рекламы. ^[3] Следовательно, отсутствие перехода в одном отчёте ещё не означает отсутствие контакта, который учитывает другой продукт.

По границам истории различают, например, путь на одном домене, переходы между доменами и действия на разных устройствах. Междоменное измерение Google связывает домены, а определённые кросс-девайс модели Метрики учитывают устройства посетителя. ^{[3] [5]} Слово cross-device означает «между устройствами»; оно не обещает, что любой контакт любого человека обязательно будет найден.

Как применяется на практике

Сравнение платформ на 20 октября 2026 года полезно именно по условиям измерения. Одинаковое слово «окно» ещё не означает одинаковое временное правило.

Учебная ситуация российского издания. Руководитель видит в рекламном отчёте сорок подписок, а в учётной системе — тридцать шесть. Вместо немедленного вывода об ошибке атрибуции аналитик выбирает несколько заказов и сверяет их идентификаторы, оплату и время события. Для одного заказа выясняется, что форму отправили дважды, а оплатили один раз. Это объясняет один частный разрыв, но не остальные три: по ним исследование продолжается.

В этой ситуации важно письменно договориться, что считается результатом. Если бизнес оценивает оплаченные подписки, событие отправки формы отвечает другому вопросу — о заявках. Обе цифры могут быть полезны, но нельзя сравнивать их как два измерения одной и той же оплаты. Это вывод из условий учебного примера, а не описание настроек всех счётчиков.

В международных исследованиях используют и media mix modeling, сокращённо MMM, — моделирование связи совокупных продаж с рекламными и другими факторами. Чан и Перри описывают агрегированные исторические данные, ограничения их качества и трудности причинных выводов. Такой подход отличается от распределения одной покупки по её зарегистрированным касаниям. ^[7]

Как измерить или проверить

Следующая формула — учебная запись редакции, а не раскрытый алгоритм платформы:

Здесь (N) — число результатов; (i) — номер результата; (c) — канал; (v_i) — ценность результата в рублях; (w_{ic}) — доля зачёта этого результата каналу, без единицы измерения. (A_c) показывает зачтённую ценность канала в рублях. Знак суммы означает: для каждого заказа умножить ценность на долю канала, затем сложить произведения.

Учебный расчёт. Есть три заказа по 1000 рублей. Рекламе назначены доли 1; 0,5; 0. Получаем: (1×1000+0{,}5×1000+0×1000=1500) рублей. Реальная выручка трёх заказов равна 3000 рублей, из которых по этому правилу рекламе зачтено 1500. Половина зачёта не означает половину оформленного заказа. Возможность дробного зачёта предусмотрена и в документации Google. ^[2]

При полном распределении веса каждого заказа по всем каналам дают единицу. Тогда суммарный зачёт всех каналов равен общей ценности заказов. Это арифметическое свойство учебной схемы. Если итог не сходится, проверяют, не пропущена ли строка, не добавлен ли заказ повторно и нет ли нераспределённой части. Нельзя молча заменить неизвестную долю нулём: «не получили данные» и «каналу назначен нулевой вес» — разные состояния.

Отдельно полезно менять в расчёте только одно условие. Учебный пример: оплата сделана спустя двадцать дней после рекламы. При условном окне семь дней это касание не допускается к зачёту; при окне тридцать дней допускается. Покупатель и платёж остались теми же, но набор подходящих касаний изменился. Следовательно, разница результата ещё не доказывает улучшение работы рекламы.

Для повторения анализа редакция предлагает сохранять короткое описание отчёта: какое действие считали, за какой период и в каком часовом поясе, какой моделью и по какой истории. К нему добавляют дату выгрузки, правила учёта возвратов и известные разрывы пути. Такое описание позволяет другому сотруднику повторить вопрос, а не угадывать смысл итогового столбца. Google отдельно указывает, что различающиеся часовые пояса Analytics и Ads могут давать расхождения. ^[2]

Инструмент Path exploration в Google Analytics показывает последовательности событий: можно исследовать следующие шаги или двигаться назад от выбранного действия. ^[9] Он помогает, например, проверить путь к оплате. Но обнаруженный путь ещё нужно отличать от правила, которое делит зачёт между рекламными источниками.

Ошибки, ограничения и спорные вопросы

Самая существенная ошибка — переименовать зачтённые покупки в дополнительные. Вавер и Кёлер объясняют: показатели кликов, посещений и конверсий не показывают сами по себе, что произошло бы без рекламы. Их географический эксперимент строит отдельное сравнение с контролем. ^[6]

Учебный пример. Постоянный подписчик собирался продлить доступ, увидел рекламу и затем оплатил. Отчёт может зачесть оплату рекламе по своему правилу. Однако из этой последовательности неизвестно, отказался бы читатель от продления без объявления. Для вопроса «кому засчитано» информации достаточно, для вопроса «что добавила реклама» — нет.

Не менее опасно выбрать модель только потому, что она увеличила показатель нужного отдела. В учебной истории смена правила отдаёт больше зачёта рекламе и меньше письму, но сумма оплат не растёт. Перед решением о бюджете требуется гипотеза о будущем результате, а не просто более удобное распределение прошлого.

Автоматический расчёт также требует понимания допущений. Чан и Перри выделяют проблемы данных, отбора наблюдений и моделирования. ^[7] Например, в редакционном учебном сценарии расходы на рекламу увеличили одновременно с сезонным спросом. Сравнение продаж «до» и «после» тогда смешивает два изменения. Хороший прогноз в привычных условиях ещё не объясняет, что случится после радикального изменения бюджета.

Правовой аспект

Когда измерение предполагает обработку персональных данных на основании согласия, применима часть 1 статьи 9 закона № 152-ФЗ: она устанавливает характеристики согласия и требует оформлять его отдельно от других подтверждаемых или подписываемых документов и информации. Использована редакция закона от 26.07.2026, прочитанная 20.10.2026. ^[8]

Название «атрибуция» не определяет правовой режим конкретной технологии. Нужно разбирать состав данных и основание обработки. Этот раздел не заменяет юридическую оценку внедрения; флаг необходимости проверки юристом сохранён.

Зарубежные счётчики и персональные данные. С 1 июля 2025 года часть 5 статьи 18 закона № 152-ФЗ «О персональных данных» (в редакции Федерального закона от 28.02.2025 № 23-ФЗ) не допускает при сборе персональных данных граждан России, в том числе в интернете, их запись, хранение и другие операции с использованием баз данных за пределами России. Счётчики вроде Google Analytics передают на зарубежные серверы IP-адреса и идентификаторы cookie, которые могут относиться к персональным данным; о трансграничной передаче, кроме того, заранее уведомляют Роскомнадзор (статья 12 того же закона). Нарушения влекут ответственность по статье 13.11 КоАП РФ. Использование такого счётчика на российском сайте требует юридической оценки; для сбора данных о посетителях из России применяют системы веб-аналитики с хранением данных в России, например Яндекс Метрику.

Частые вопросы

Связанные термины

• Модели атрибуции
• Конверсия
• Источник трафика
• UTM-метки
• Веб-аналитика
• CJM (карта пути клиента)
• Яндекс Метрика