Модели атрибуции

Происхождение и история

Развитие цифровой атрибуции связано с вопросом: как учитывать несколько рекламных контактов перед покупкой? В статье 2011 года Xuhui Shao и Lexin Li описали распространённое правило, отдающее результат последнему контакту, и противопоставили ему многоконтактную атрибуцию, при которой доли получают несколько взаимодействий. Авторы предложили способы рассчитывать вклад по данным, обращая внимание не только на точность предсказания покупки, но и на устойчивость оценок каналов. Это документированный этап развития метода, а не установленная дата рождения термина. ^[5]

Следующий шаг хорошо виден в рабочем докладе Hongshuang Li и P. K. Kannan 2012 года, исправленном в феврале 2013 года. Исследователи рассматривали последовательность визитов и влияние предыдущего канала на последующие обращения через тот же или другой канал. Поэтому история атрибуции — не просто расширение списка переключателей: менялось представление о том, какие связи между контактами должна учитывать модель. ^[6]

Суть и механизм

Представим учебный путь покупателя: сначала он перешёл на сайт из поиска, затем из письма, а в конце ввёл адрес сайта вручную и купил подписку. Покупка — целевое действие, или конверсия; три обращения — наблюдаемые контакты. Последний из них прямой: в этом примере пользователь не нажимал ссылку из другого источника. Правило последнего контакта отдаст результат прямому заходу, правило первого — поиску, равномерное распределение — всем трём. Это учебные схемы, а не перечень настроек конкретного сервиса. Различение одно- и многоконтактного распределения соответствует постановке задачи Shao и Li. ^[5]

Прежде чем применять правило, нужно определить допустимые контакты. В документации Google окно атрибуции означает, насколько далеко назад рассматриваются события для включения в путь к конверсии. Оно задано отдельно от модели. Например, изменение окна может исключить ранний контакт ещё до распределения ценности; переключение модели меняет само распределение. ^[2]

У Яндекса условие другое: история для атрибуции заканчивается после перерыва между визитами в девяносто дней; следующий визит открывает новую историю. Пользователь не может изменить это окно. Поэтому надпись о девяноста днях нельзя автоматически понимать как выбор только контактов за девяносто дней до покупки. ^[4]

Виды и классификации

Для знакомства с предметом удобно разделить две характеристики: сколько контактов получает результат и как рассчитываются доли. Это учебная группировка редакции на основе различения правил и моделей у Shao и Li. ^[5]

Одноконтактное правило закрепляет весь результат за одним подходящим взаимодействием. Многоконтактное допускает несколько получателей. При фиксированном распределении доли заданы заранее, например поровну; при расчёте по данным они зависят от модели и исходных наблюдений. Эти признаки нельзя смешивать: «алгоритмическая» и «многоконтактная» не обязательно обозначают противоположные классы. ^[5]

В GA4 data-driven, то есть атрибуция на основе данных, использует пути с целевым событием и без него; Google описывает также обучение на данных рандомизированных контролируемых испытаний, то есть экспериментов со случайным распределением участников по группам. ^{[1, 7]}

Практика в России и мире

Сопоставление ниже относится к документации, проверенной 24 октября 2026 года. Названия сохранены, чтобы читатель мог сверить их с выбранной системой.

В Метрике с 20 мая 2026 года отключены обычные «Первый переход», «Последний значимый переход», «Последний переход из Директа», а также «Последний переход из Директа кросс-девайс». Первый переход кросс-девайс остался: он учитывает историю посетителя с разных устройств. ^[4]

В GA4 первый клик, линейная, позиционная модели и модель с временным затуханием недоступны с ноября 2023 года. Название Google paid channels last click означает приоритет последнего клика по каналу Google Ads; при его отсутствии используется Paid and organic last click. ^[1]

Как измерить или проверить

Редакционная процедура сравнения начинается с паспорта отчёта: какое действие считаем, за какие даты, в какой валюте, с какими фильтрами и окном. Затем меняем только модель на том же наборе данных. Для контрольной проверки удобно заранее составить несколько известных путей: с одним контактом, с прямым завершением и без подходящего непрямого источника.

Учебный расчёт продолжает пример подписки. Пусть её стоимость — три тысячи рублей, а все три контакта допустимы. Равномерная схема даёт каждому тысячу рублей; схема последнего контакта — ноль поиску, ноль письму и три тысячи прямому заходу. Сумма в обоих случаях равна стоимости одной подписки. Мы не складываем результаты альтернативных моделей: две таблицы описывают одну покупку.

В обозначениях расчёта присвоенная контакту сумма равна стоимости покупки, умноженной на его долю. Доли в этом учебном примере суммируются до единицы. Равные доли составляют одну треть; при последнем контакте набор долей равен нулю, нулю и единице. Такое описание позволяет проверить расчёт независимо от интерфейса.

Другой учебный показатель — относительное изменение присвоенной каналу суммы. Из новой суммы вычитаем прежнюю, делим разность на прежнюю сумму и умножаем на сто процентов. Если было двадцать тысяч рублей, стало тридцать тысяч, изменение равно пятидесяти процентам. Знаменатель здесь — прежняя присвоенная сумма, а не выручка всего бизнеса. При нулевом прежнем значении процент не определён; тогда показывают абсолютную разность. Этот показатель сравнивает два расчёта, а не измеряет рост продаж.

У GA4 изменение отчётной модели распространяется на прошлые и будущие данные конверсий и дохода, но не меняет данные пользователей и сессий. ^[2] Дополнительно следует различать простой подсчёт событий и распределённые конверсии: это разные виды отчётности в документации Data API. Описанная там функция конверсионных отчётов относится к v1alpha и может быть доступна не каждому ресурсу. ^[3]

Ошибки, ограничения и спорные вопросы

Главная ошибка — принять присвоенную ценность за результат, который исчезнет после отключения рекламы. Дополнительный эффект сравнивает результат при воздействии с тем, что произошло бы без него. В рабочей версии исследования Gordon и соавторов наблюдательные оценки нередко расходились с экспериментальными; вероятные покупатели могли чаще видеть рекламу уже из-за своего поведения и отбора системой. Это объясняет риск причинного вывода, но не служит проверкой современных алгоритмов GA4. ^[7]

Другая проблема — потеря взаимодействий между каналами. В постановке Li и Kannan ранний визит способен влиять на дальнейший путь, даже если покупка происходит позднее через другой источник. Поэтому отсутствие присвоенного результата у первого контакта ещё не означает отсутствия его роли. ^[6]

Практический вывод: прежде чем менять бюджет из-за расхождения моделей, разберите конкретные пути и выясните, какое правило передало результат другому каналу. Отдельно сформулируйте, какое доказательство требуется для утверждения о дополнительном эффекте.

Правовой аспект

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

• atributsiya
• konversiya
• istochnik-trafika
• google-analytics-4
• yandeks-metrika
• utm metki