Великий рекламный обман

Каждое утро маркетинговые директора по всей стране открывают красивые дашборды с графиками роста. Клики растут. Конверсии множатся. Рекламные кабинеты рапортуют об успехах. А потом наступает конец квартала, и выясняется, что продажи стоят на месте, хотя бюджеты выросли вдвое. Это не сбой в системе. Это система, которая изначально построена на иллюзии.

Цифровая реклама десятилетиями продавалась, как «полностью измеримая». Трекинг-ссылки в реальном времени передают данные об источнике клика, системы веб-аналитики фиксируют каждый переход, а платформы закупки рекламы с гордостью демонстрируют стоимость за клик и стоимость за установку. Всё прозрачно. Всё под контролем. Всё — ложь. Потому что между кликом и покупкой лежит пропасть, которую стандартные методы аналитики не способны измерить. И в этой пропасти исчезают рекламные бюджеты.

Последний клик забирает всё, и крадёт правду

UTM-метки и сквозная аналитика стали золотым стандартом отрасли. На них ориентируется подавляющее большинство российских рекламодателей. Проблема в том, что эти инструменты работают по принципу «победитель получает всё», и победителем объявляется тот канал, который оказался последним.

Метод last-click присваивает сто процентов ценности конверсии последнему каналу, с которым пользователь взаимодействовал перед покупкой. Post-click аналитика исследует действия после клика по конкретному объявлению. Оба подхода создают иллюзию точности — и оба катастрофически искажают реальность.

Представьте ситуацию: человек видит баннер на новостном сайте, запоминает бренд, через неделю натыкается на рекламу в поисковике, изучает товар, а потом переходит по партнёрской ссылке и совершает покупку. Last-click припишет всю заслугу партнёрке. Post-click — поисковику. Баннер, который запустил всю цепочку, останется невидимым героем, чей бюджет первым пойдёт под нож при оптимизации расходов.

Когда кампания работает в одном-двух каналах, погрешность терпима. В омниканальных кампаниях стандартная атрибуция превращается в генератор стратегических ошибок.

Платная реклама пожирает собственных детей

Но настоящий кошмар начинается там, где стандартные модели вообще не видят проблемы.

Один из клиентов крупного аналитического агентства столкнулся с парадоксом: подключение новых платных каналов продвижения не приводило к значимому росту установок приложения. Бюджеты увеличивались, отчёты показывали конверсии, но общий результат топтался на месте.

Когда специалисты провели комплексный анализ — последовательно исключив влияние сезонности, активность конкурентов, фрод, изменения в продукте и другие внешние факторы — картина оказалась шокирующей. Четыре платных канала перехватывали органический трафик, который бренд раньше получал бесплатно. В двух каналах более семидесяти процентов конверсий состояли из установок, украденных у органики.

Компания платила за клиентов, которые пришли бы сами. Рекламные платформы отчитывались об успехах, получая деньги за воздух. Сквозная аналитика не видела каннибализации, потому что в её модели мира такого явления не существует.

Бывают и обратные ситуации: перфоманс-реклама генерирует продажи в офлайне, которые вообще не попадают в стандартный мониторинг. Человек приходит на сайт из контекста, изучает товар и покупает в физическом магазине. Канал признаётся неэффективным, бюджет урезается, продажи падают. Причинно-следственная связь остаётся невидимой.

Первый инструмент правды: разделяй и сравнивай

A/B-тестирование — самый быстрый способ понять, насколько отчёты расходятся с реальностью. Принцип прост: аудитория делится на контрольную и тестовую группы с максимально идентичными характеристиками. Тестовая группа видит рекламу, контрольная — нет. Сравнение ключевых метрик показывает реальное влияние канала, а не его место в цепочке кликов.

Две недели на тест, до пяти дней на оценку эффективности, и маркетолог получает ответ, который стандартная атрибуция не способна дать в принципе. Инструментарий часто встроен в аналитические платформы, порог входа минимален.

Но у метода есть ограничения, которые делают его недостаточным для полной картины. Точность зависит от корректности формирования выборки и чувствительности метрик. A/B-тесты не подходят для прогнозирования и требуют достаточного объёма данных для разделения на группы. Это тактический инструмент, который отвечает на вопрос «работает ли этот канал сейчас», но молчит о том, как будет работать завтра.

Второй инструмент правды: математика против хаоса

Эконометрическое моделирование — тяжёлая артиллерия аналитики. Оно учитывает факторы, которые стандартные модели атрибуции игнорируют принципиально: фрод и бот-трафик, сезонные колебания спроса, активность конкурентов, изменения в продукте и интерфейсе, ставки на рекламных аукционах, параллельные медийные активности, географию показов и сегменты аудитории.

Метод оценивает инкрементальный эффект каждого фактора, строит прогнозы с предсказуемой точностью и рассчитывает оптимальный медиамикс. Он способен учесть влияние цифровой рекламы на продажи в каналах, где конверсии невозможно отследить через стандартные инструменты — в тех же офлайн-магазинах.

Цена за точность — исторические данные по конверсиям и факторам влияния минимум за три года с детализацией по дням и неделям. Эконометрика идеальна для стратегического планирования, но ограничена в тактической оптимизации. Если бюджет небольшой или активность нерегулярная, модель просто не получит достаточно данных для калибровки.

Третий инструмент правды: каждому каналу — по заслугам

Атрибуционное моделирование распределяет ценность конверсии между всеми точками контакта на пути клиента. Вместо принципа «победитель забирает всё» работает принцип справедливого распределения заслуг.

Модели цепей Маркова — математический аппарат для анализа последовательности событий позволяют оценить реальный вклад каждой площадки в итоговую продажу. В одном из задокументированных кейсов такой анализ помог оптимизировать рекламный бюджет на восемнадцать процентов без снижения общей эффективности продаж. Почти пятая часть бюджета тратилась на каналы, чей вклад в результат был переоценён стандартной атрибуцией.

Метод требует единого идентификатора пользователя на всём пути от первого контакта до покупки, и это его главное ограничение. В мире cookie-блокировок и растущих требований к приватности сквозная идентификация становится всё сложнее. Кроме того, атрибуционное моделирование не учитывает внешние факторы — сезонность, конкурентов, изменения рынка.

Неожиданный вывод: проблема не в инструментах

История с поглощением органики закончилась хеппи-эндом: компания отключила каналы с высокой каннибализацией и получила тот же объём установок при меньшем бюджете. Но главный урок лежал глубже.

Ни один метод аналитики не работает в изоляции. A/B-тесты дают тактическую точность, но слепы к внешним факторам. Эконометрика учитывает всё, но требует лет исторических данных. Атрибуционное моделирование справедливо распределяет заслуги, но не видит мира за пределами пользовательского пути.

Компании, которые полагаются на один инструмент, обречены на ошибки. Те, кто комбинирует все три подхода, получают картину, максимально приближенную к реальности. И обнаруживают неприятную правду: значительная часть того, что индустрия годами называла «измеримой эффективностью», была красивой иллюзией.

Рекламные платформы не заинтересованы в разоблачении этой иллюзии: их доход зависит от веры клиентов в отчёты. Маркетологи не заинтересованы — им проще показать красивые цифры руководству. И только те, кто готов увидеть неудобную правду, перестают платить за воздух.