Глоссарий атрибуции: простое объяснение ключевых терминов

Если нужен не словарь, а полный разбор темы — с моделями атрибуции, окном атрибуции, ошибками интерпретации и логикой выбора подхода, смотрите главный гайд по атрибуции.

Как пользоваться глоссарием

Это словарь основных терминов, связанных с атрибуцией в маркетинге. Здесь нет полного обзора темы и нет попытки ответить на широкий запрос про все модели сразу. Задача материала проще: быстро объяснить, что означают ключевые понятия и как их правильно понимать в работе с отчётами, каналами и пользовательскими путями.

Для каждого термина даём три коротких блока:

Что это — простое определение.
Как работает — прикладное объяснение без лишней теории.
Пример — короткий сценарий, чтобы термин было легче использовать в реальной аналитике.

Базовые понятия

Атрибуция

Что это: способ оценить, какой вклад в конверсию внёс каждый маркетинговый канал или касание.

Как работает: атрибуция рассматривает путь пользователя до целевого действия и распределяет ценность между точками контакта по определённой логике.

Пример: человек увидел баннер, потом вернулся из поиска и позже оставил заявку. Атрибуция помогает понять, какую роль в этом результате сыграл каждый этап пути.

Касание

Что это: любое взаимодействие пользователя с брендом или рекламой до конверсии.

Как работает: касанием может быть показ рекламы, клик, переход на сайт, письмо, просмотр страницы, визит из поиска или другое значимое действие в пути клиента.

Пример: пользователь увидел рекламу в Telegram, позже перешёл по брендовому запросу и затем оформил заказ. Это три разных касания.

Конверсия

Что это: целевое действие, которое бизнес считает результатом маркетинга.

Как работает: в зависимости от задачи конверсией может быть заявка, звонок, регистрация, покупка, встреча, подписка или другой зафиксированный шаг в воронке.

Пример: если для бизнеса главная цель — заявка с сайта, именно она будет конверсией, относительно которой оценивается вклад каналов.

Окно атрибуции

Что это: период времени, в пределах которого касание может получить ценность за конверсию.

Как работает: если окно задано в 30 дней, система учитывает только те взаимодействия, которые произошли в эти 30 дней до целевого действия.

Пример: пользователь кликнул по рекламе 45 дней назад, а купил сегодня. При окне в 30 дней это касание не попадёт в расчёт.

Если нужен отдельный разбор этой темы, смотрите материал «Окно атрибуции: что это такое и как его правильно оценивать».

Post-click

Что это: подход к учёту касания, при котором взаимодействие считается только после клика по рекламе.

Как работает: если пользователь увидел объявление, но не кликнул, такое воздействие не попадёт в post-click атрибуцию. Засчитываются только касания с переходом.

Пример: человек нажал на баннер, пришёл на сайт и позже совершил покупку. Это post-click сценарий.

Post-view

Что это: подход к учёту касания, при котором в расчёт может попасть показ рекламы без клика.

Как работает: система фиксирует, что пользователь видел рекламное сообщение, а затем позже совершил целевое действие. Такие касания особенно важны для медийных кампаний.

Пример: пользователь увидел видеорекламу, не нажал на неё, но через несколько дней сам зашёл на сайт и оставил заявку. Это пример post-view влияния.

Модели одного касания

Первое касание (First Click / First Touch)

Что это: модель, в которой вся ценность конверсии отдаётся самому первому источнику в пути пользователя.

Как работает: считается, что именно первый контакт привёл человека в воронку и стал отправной точкой для дальнейшего движения к покупке.

Пример: пользователь впервые узнал о бренде из баннера, потом возвращался через поиск и рассылку, но вся заслуга останется у первого касания.

Последнее касание (Last Click / Last Touch)

Что это: модель, в которой вся ценность конверсии отдаётся последнему источнику перед целевым действием.

Как работает: все предыдущие взаимодействия игнорируются, а ключевым считается финальный канал, после которого произошла заявка или покупка.

Пример: человек увидел рекламу, потом читал статьи, а в конце зашёл из поиска и купил. Вся ценность уйдёт последнему переходу.

Последний непрямой переход (Last Non-Direct Click)

Что это: модель, в которой прямой визит не получает ценность, если до него были другие источники.

Как работает: если пользователь сначала пришёл из рекламы, а позже вернулся напрямую и конвертировался, система отдаст вклад не direct, а предыдущему значимому каналу.

Пример: человек сначала перешёл из контекстной рекламы, потом через несколько дней сам набрал адрес сайта и оставил заявку. При модели last non-direct вклад получит реклама, а не прямой визит.

Многоканальные модели

Линейная модель (Linear)

Что это: модель, в которой ценность распределяется поровну между всеми касаниями в пути.

Как работает: система берёт всю цепочку и делит вклад равными долями между каждым взаимодействием.

Пример: путь «баннер → поиск → рассылка → заявка» даст по 25 % каждому касанию.

U-образная модель (U-Shaped)

Что это: модель, в которой наибольший вес получают первое и последнее касания, а промежуточные делят оставшуюся часть.

Как работает: часто основная доля распределяется между точкой входа и финальным касанием, потому что одна запускает интерес, а другая доводит до конверсии.

Пример: если пользователь сначала увидел баннер, потом читал статью, а затем пришёл из поиска и конвертировался, больше веса получат баннер и поиск.

W-образная модель (W-Shaped)

Что это: модель, в которой повышенный вес получают три ключевые точки пути: первое касание, лидогенерация и последнее касание.

Как работает: такой подход полезен там, где важно выделить не только вход в воронку и финальный шаг, но и момент появления лида как отдельную важную точку.

Пример: путь «баннер → квиз → ретаргетинг → заявка» может распределить основной вклад между первым контактом, квизом и последним касанием перед конверсией.

Модель убывающего веса (Time Decay)

Что это: модель, в которой больший вес получают касания, расположенные ближе к конверсии.

Как работает: чем ближе взаимодействие к моменту заявки или покупки, тем выше его вклад в итоговую оценку.

Пример: если пользователь впервые увидел рекламу месяц назад, а за день до покупки вернулся из поиска, поисковое касание получит больший вес.

Position Based

Что это: группа моделей, где вклад распределяется по фиксированным позициям в пути пользователя.

Как работает: система заранее задаёт, какие точки важнее: например, первая, последняя или ещё одна промежуточная. U-shaped и W-shaped — частные случаи этой логики.

Пример: если компания считает особенно важными первое касание и момент появления лида, модель position based может заранее закрепить за ними повышенный вес.

Data Driven модели

Data Driven атрибуция

Что это: подход, в котором вклад каналов считается не по жёсткому правилу, а на основе реальных данных о поведении пользователей.

Как работает: система анализирует множество пользовательских путей и оценивает, как разные касания связаны с вероятностью конверсии.

Пример: если в путях с определённым каналом вероятность покупки заметно выше, модель присваивает этому каналу больший вклад.

Модель Маркова

Что это: data driven подход, который оценивает вклад канала через изменение вероятности конверсии при его исключении из пути.

Как работает: система смотрит, насколько изменится итоговый результат, если убрать из цепочки конкретный источник. Если вероятность конверсии заметно падает, вклад канала считается значимым.

Пример: если без рекламного канала часть пользователей перестаёт доходить до заявки, модель Маркова покажет, что этот канал действительно помогает довести путь до результата.

Подробное сравнение с моделью Шепли — в статье «Модели атрибуции Шепли и Маркова: чем отличаются и когда какую использовать».

Значение Шепли

Что это: способ распределить общий результат между каналами по их среднему маржинальному вкладу.

Как работает: система рассматривает разные комбинации касаний и оценивает, сколько в среднем добавляет каждый канал к общему результату в составе разных сочетаний.

Пример: если один и тот же канал регулярно повышает вероятность конверсии в разных комбинациях с другими источниками, значение Шепли покажет его устойчивый вклад.

Подробное сравнение с моделью Маркова — в статье «Модели атрибуции Шепли и Маркова: чем отличаются, когда и какую использовать».

Смежные термины

Multi-Touch Attribution (MTA)

Что это: подход к атрибуции, при котором учитывается не одно, а несколько касаний на пути пользователя.

Как работает: вместо того чтобы отдать всю ценность одному источнику, MTA распределяет вклад между несколькими точками контакта.

Пример: если пользователь сначала увидел баннер, потом вернулся из поиска и позже открыл письмо, MTA позволит оценить вклад всех этих шагов.

Маркетинговое микс-моделирование (MMM)

Что это: статистический подход, который оценивает вклад маркетинговых каналов на агрегированных данных за длинный период.

Как работает: MMM работает не с индивидуальными путями пользователей, а с общей динамикой продаж, затрат, сезонности и других факторов.

Пример: компания сопоставляет исторические расходы на разные каналы с общей выручкой и оценивает, какой вклад вносит каждый источник в рост продаж.

Инкрементальность

Что это: показатель дополнительного результата, который появился именно благодаря рекламе.

Как работает: для оценки сравнивают группы пользователей с воздействием рекламы и без него. Разница между ними показывает реальный прирост.

Пример: если без кампании покупают 100 человек, а с кампанией — 130, дополнительный эффект составляет 30 покупателей.

Предельная эффективность (Marginal Efficiency)

Что это: показатель того, сколько дополнительного результата приносит каждая следующая единица бюджета.

Как работает: он помогает понять, есть ли смысл дальше увеличивать вложения в канал или прирост уже начинает резко замедляться.

Пример: если дополнительные 10 000 ₽ сначала дают 50 заявок, а затем только 3, это сигнал, что канал близок к насыщению.