Число конверсий по одной и той же рекламной кампании за один и тот же период может отличаться в интерфейсе Яндекс Директа и в отчетах Яндекс Метрики — и это не ошибка синхронизации данных, а следствие того, что у этих интерфейсов разная логика атрибуции по умолчанию. Пока не разобраться, какая модель что именно измеряет, любое сравнение цифр между отчетами будет вводить в заблуждение.
Пять моделей — и у каждой своя задача, а не универсальная правда
В Яндекс Метрике доступно пять моделей атрибуции: последний переход, последний значимый переход, последний переход из Яндекс Директа, первый переход и автоматическая атрибуция. Ни одна из них не является «более правильной» в абсолютном смысле — каждая отвечает на свой вопрос, и выбор зависит от того, что именно вы хотите узнать.
Последний переход — для технического аудита, а не для решений о бюджете
Эта модель приписывает конверсию последнему источнику перехода без учета истории визитов — даже если человек изначально пришел по рекламе, а потом просто ввел адрес сайта напрямую, конверсия достанется прямому заходу, а не рекламе, которая на самом деле его привела. У этого есть законное применение: модель хорошо подходит для поиска страниц сайта без счетчика Метрики или для технического анализа переходов внутри сайта. Но принимать на основе этой модели решения о том, какой канал работает, а какой нет, — плохая идея: она системно занижает вклад рекламы в пользу прямых заходов.
Последний значимый переход — рабочая модель по умолчанию
Здесь Метрика разделяет источники на значимые (реклама, поисковые системы, переходы с других сайтов) и незначимые (прямые заходы, внутренние переходы), и засчитывает конверсию последнему значимому каналу в цепочке. Для большинства решений о том, какие каналы реально приводят к продажам, это разумная модель по умолчанию — она не приписывает случайный прямой заход по памяти клиента рекламе, но и не игнорирует, что реклама участвовала в решении.
Последний переход из Директа — ловушка, которая завышает вклад Директа
Эта модель засчитывает конверсию последнему визиту именно из Яндекс Директа, даже если после него были и другие значимые переходы из иных источников. Если пользователь несколько раз кликал по рекламе Директа на разных этапах пути к покупке, вся ценность конверсии уйдет Директу — независимо от того, что происходило в промежутках. Модель полезна для узкой задачи — понять, в скольких цепочках вообще участвовал Директ, — но принимать по ней решения о распределении рекламного бюджета не стоит: она почти всегда покажет Директ более эффективным, чем он является на самом деле.
Первый переход — для оценки каналов, которые приводят новую аудиторию
Модель отдает всю ценность конверсии первому каналу, с которого началось знакомство пользователя с сайтом. Она полезна, когда вопрос звучит не «что закрыло сделку», а «что вообще привело этого человека к нам» — например, при оценке имиджевых или охватных кампаний, которые редко закрывают продажу напрямую, но формируют первый контакт, с которого начинается вся цепочка.
Автоматическая атрибуция — что за ней стоит
Эта модель использует алгоритмы машинного обучения, чтобы оценить реальное влияние каждого взаимодействия на итоговую конверсию, а не жестко привязываться к позиции канала в цепочке (первый или последний). На бумаге это выглядит как самый честный вариант, но у него есть обратная сторона — меньше прозрачности в том, почему конкретная конверсия засчитана именно так, а не иначе, что затрудняет объяснение результата, если понадобится показать логику расчета заказчику или руководству.
Почему не существует одной правильной модели для всех задач
Выбор модели должен зависеть от вопроса, а не от привычки использовать одну и ту же настройку по умолчанию. Для оценки эффективности продаж чаще всего подходит последний значимый переход. Для технического аудита сайта — последний переход. Для оценки охватных кампаний и новой аудитории — первый переход. Использование одной модели на все случаи почти всегда означает, что часть данных систематически искажается в пользу одного канала, просто потому что так исторически настроен отчет.
Если данные по разным каналам в вашей отчетности не сходятся друг с другом, — оставьте заявку в форме ниже, разберемся, какая модель атрибуции реально отвечает на ваш вопрос.
К какому выводу я пришел
Модели атрибуции — это не техническая настройка для галочки, а разные ответы на разные вопросы о том, что именно привело к продаже. Использовать одну модель по умолчанию для всех задач — значит систематически искажать картину в пользу одного канала, и чаще всего это происходит незаметно, до тех пор пока цифры в разных отчетах не перестают сходиться друг с другом.
