Мобильная data driven атрибуция: когда она нужна бизнесу

Мобильная data driven атрибуция, то есть атрибуция на основе данных, показывает вклад каналов в продажи на основе реальных цепочек взаимодействий. Объясняем, зачем объединять web и app, какие данные нужны для устойчивого расчёта и кому выгодно внедрение.

Мобильная реклама изменила привычный путь клиента

Теперь покупка часто происходит не в один шаг, а через несколько касаний. Человек может увидеть рекламу в мобильном приложении, открыть сайт в браузере на смартфоне, вернуться к товару позже с компьютера и только тогда оформить заказ.

Почему бизнесу необходима атрибуция на основе данных

В условиях, где mobile стал важнейшей частью пути пользователя, data driven атрибуция помогает оценить вклад каждого канала в продажи путём анализа полных цепочек взаимодействий. В отличие от моделей с фиксированным правилом, она учитывает порядок касаний, интервалы и сочетания каналов, если для расчёта собрано достаточно качественных данных.

⚡ Хотите понять, как работает атрибуция в целом? Читайте статью Атрибуция в маркетинге: зачем нужна и как выбрать модель – базовый материал для изучения темы.

⚡ Хотите разобраться в теме как профи? У нас есть Подборка материалов по атрибуции: большая обзорная статья про модели, окно атрибуции, ошибки и внедрение – в правильном порядке, от простого к сложному.

Мобильная атрибуция на основе данных: частые вопросы

Реально ли внедрить мобильную data driven атрибуцию

Да. Нужно наладить сбор событий в приложении и на сайте, связать их между собой, очистить данные от ошибок и регулярно обновлять. Даже при ограничениях приватности атрибуция на основе данных позволяет оценивать вклад каналов по доступным цепочкам и использовать результаты для перераспределения бюджетов.

Можно ли объединить Web + App

Да. Если пользователь может начать путь на сайте, а закончить в приложении, единая идентификация и согласованная модель событий становятся обязательным условием полноценного анализа. При этом связать можно не каждое взаимодействие: часть пути останется недоступной из-за ограничений идентификаторов и конфиденциальности.

Подробно способы и ограничения склейки разобраны в статье Мобильная и веб-атрибуция: как связать сайт и приложение.

Можно ли собрать 100% данных

Нет. Часть информации теряется из-за блокировщиков, ограничений приватности, офлайн-этапов и несвязанных устройств. Правильная архитектура, контроль качества и измерение доли неопознанных событий помогают уменьшить искажения, но не гарантируют, что пропуски не повлияют на результат.

Полезно ли это бизнесу

Да, если путь клиента многоканальный, приложение участвует в продажах, данных достаточно для устойчивого расчёта, а команда действительно меняет бюджеты и гипотезы по результатам модели. В остальных случаях сложная атрибуция может оказаться дороже и труднее простой модели без заметной дополнительной пользы.

Вы уже пользуетесь атрибуцией, но какой?

Атрибуция встроена в каждую аналитическую и рекламную систему. В Яндекс Метрике доступны несколько моделей по переходам и автоматическая атрибуция; в VK Рекламе и других рекламных кабинетах действуют собственные правила учёта конверсий. Даже если вы не задумывались о моделях, они уже влияют на то, как вы принимаете решения.

Вопрос не в том, есть ли у вас атрибуция, а какая именно модель управляет вашими выводами: модель с простым фиксированным правилом или подход на основе данных.

Что такое атрибуция и зачем она нужна

Атрибуция как модель оценки результата

Определяет вклад каждого канала в конверсии. В data driven вариантах учитываются порядок касаний, интервалы и комбинации, а веса каналов рассчитываются статистически.

Атрибуция как инструмент управления бюджетом

Если ремаркетинг и брендовый поиск показывают устойчивый вклад при приемлемом CPA, их доля в медиамиксе растёт. Решения регулярно обновляются по циклу: данные → перерасчёт вкладов → корректировка бюджетов.

Атрибуция как аналитическая база

Формирует единую точку отсчёта для команды. Это снижает количество споров и позволяет защищать бюджетные решения данными.

Что data driven атрибуция показывает, а что нет

Data driven модель оценивает вклад каналов внутри тех пользовательских путей, которые попали в расчёт. Она помогает увидеть закономерности, сравнить сочетания касаний и аккуратнее распределить ценность конверсий, чем простое правило последнего клика.

При этом атрибуция сама по себе не доказывает причинный эффект рекламы и не восстанавливает события, которых нет в данных. Если нужно понять, сколько дополнительных продаж принёс канал, выводы модели дополняют экспериментами, контрольными группами, геотестами или MMM – моделированием маркетинг-микса.

Инфраструктура атрибуции: какие данные нужны для расчёта

Схема проще

Условия успешного проекта

• Достаточный объём значимых событий и завершённых конверсионных путей
• Единая идентификация web + app: User ID, Stable ID или другой допустимый общий идентификатор
• Согласованные правила учёта: окно атрибуции, пост-просмотры, повторные покупки
• Инфраструктура сбора и обработки: ETL-пайплайн, хранилище, BI
• Команда для поддержки: аналитик и интегратор

При каком объёме данных data driven атрибуция оправдана

Универсального порога нет. Важно учитывать не только общее число событий, но и количество завершённых конверсионных и неконверсионных путей, число каналов, длину окна атрибуции и детализацию расчёта. Например, сотни тысяч просмотров экранов приложения могут содержать слишком мало покупок, чтобы модель устойчиво распределяла вклад каналов.

Для пилотного расчёта могут использоваться десятки тысяч событий и сотни конверсий. Но при таком объёме результаты нужно считать предварительными: статистика может быть шумной, а веса каналов – нестабильными.

Оптимальный для полноценного проекта объём – сотни тысяч значимых событий и тысячи конверсий в год. В практике CyberBrain предварительным ориентиром также могут служить 30–50 тыс. целевых конверсий в год или от 500 тыс. значимых событий. Это не универсальные и не взаимозаменяемые пороги: окончательное решение принимают после аудита состава данных и проверки стабильности расчёта на нескольких периодах.

До внедрения важно проверить:

1. В каждом основном канале регулярно появляются конверсии, а не единичные наблюдения.

1. Данных хватает для отдельного периода расчёта и последующей проверки модели.

1. Веса каналов не меняются радикально при пересчёте на соседних периодах без объективной причины.

1. После деления по устройствам, продуктам и регионам выборка не распадается на слишком маленькие сегменты.

Кому полезна мобильная data driven атрибуция

Бизнесам с бюджетом от 5 млн ₽ в месяц

Это практический ориентир, а не жёсткий порог. При таком масштабе чаще появляется статистика для устойчивых выводов, есть ресурсы на Web + App интеграции, а потенциальный экономический эффект может перекрыть затраты на внедрение.

Командам с аналитическими ресурсами

Нужны аналитик и разработчик, серверная или облачная инфраструктура, а также инструменты ETL и BI для сбора, обработки и визуализации данных.

Компаниям, которые реально оптимизируют маркетинг

Data driven атрибуция работает только там, где данные применяются для действий: отключения слабых каналов, тестирования новых форматов и перераспределения бюджетов.

Подход особенно полезен, если приложение участвует в привлечении, продаже или повторных покупках, а путь клиента включает несколько рекламных площадок, сайт, приложение, CRM или офлайн.

Пример применения мобильной атрибуции: кейс клиента из финсектора

• снижение CPA на 26% за первые два месяца
• сокращение рекламного бюджета на 32% без потери лидов
• понимание того, какие каналы действительно работают

За счёт объединения Web + App и использования Stable ID удалось связать офлайн- и онлайн-данные и перераспределить бюджеты в пользу эффективных каналов.

Когда Stable ID нужен для мобильной data driven атрибуции

Главная проблема мобильной атрибуции – связать действия одного пользователя в приложении и на сайте. Cookies теряют надёжность, а доступность IDFA и GAID ограничивается. Одно из решений – Stable ID: технология, которая помогает объединить доступные данные из CRM, web, app и офлайна в единый обезличенный профиль.

Это делает цепочку касаний полнее и позволяет модели точнее оценивать вклад каналов даже в условиях ограничений. Но Stable ID не гарантирует стопроцентной склейки: итоговое покрытие зависит от доступных источников и технической интеграции.

Если на сайте и в приложении уже используется единый User ID после авторизации, Stable ID может не понадобиться для этой части пути. Он особенно полезен там, где значимая доля пользователей остаётся анонимной.

Подробнее читайте в статье Stable ID вместо cookie: как собирать данные, не нарушая data privacy и в материале о том, как объединить данные сайта и приложения.

Ошибки в мобильной атрибуции

Раздельный учёт web и app

Если анализировать сайт и приложение отдельно, цепочки обрываются: один и тот же пользователь может начинать путь в приложении, а заканчивать на сайте. В результате часть конверсий засчитывается не тем каналам, и реальная роль рекламы искажается.

Полное доверие модели по умолчанию

В Яндекс Метрике доступны разные модели атрибуции, включая последний переход, кросс-девайс-модели и автоматическую атрибуцию. В других рекламных и аналитических системах набор правил отличается. Поэтому перед сравнением отчётов важно проверить, какая модель выбрана в каждой системе.

Last Click и близкие к нему правила переоценивают финальное касание и недооценивают предыдущие. В сложных воронках это приводит к неверным решениям: например, отключению полезной медийной рекламы.

Игнорирование пост-просмотров

Медийные форматы часто влияют косвенно: человек видит рекламу, но кликает не сразу. Если учитывать только клики, вклад медийки обнуляется. В мобильной атрибуции важно собирать и показы – impressions.

Подробнее разница разобрана в статье Поствью и постклик: как объединить медийную и перформанс-рекламу.

Неправильный учёт приватности и потерь данных

Из-за ограничений cookies и мобильных ID – IDFA и GAID – часть событий не попадает в аналитику. Но было бы ошибкой трактовать такие пробелы как отсутствие эффекта.

В зависимости от задачи можно использовать сквозную идентификацию через User ID или Stable ID, а также агрегированные методы, например MMM, как дополнение. При этом важно отдельно контролировать долю неопознанных событий и не скрывать её при интерпретации результатов.

Нет цикла данные → действия

Иногда компании внедряют атрибуцию ради красивых отчётов, но не меняют бюджеты и гипотезы. Это сводит пользу к нулю. Атрибуция работает только там, где результаты реально используются для оптимизации.

Клиенты спрашивают

Как считать в российском стеке

В качестве основы можно использовать:

• Web – Яндекс Метрика
• App – AppMetrica
• реклама – VK Реклама и Яндекс Директ
• продажи и статусы лидов – CRM компании
• хранилище – ClickHouse или Yandex Cloud
• визуализация – DataLens или Power BI

Такой набор может закрыть базовый контур сбора и анализа данных без обязательной зависимости от зарубежных сервисов. Конкретный состав инструментов зависит от архитектуры, числа источников и требований бизнеса.

Нужен ли Stable ID сразу

Не всегда. Если у вас есть сайт и приложение, нужен общий идентификатор, но это не обязательно должен быть Stable ID. Для авторизованных пользователей достаточно единого User ID, который передаётся в web и app.

Stable ID нужен, когда значимая часть пути остаётся анонимной и без дополнительной технологии один и тот же пользователь определяется как несколько разных. Он позволяет сделать путь полнее и точнее распределять вклад каналов в рамках доступного покрытия.

Можно ли обойтись без data driven атрибуции

Да. Для малого бизнеса или коротких циклов сделки, например покупки в одно касание, достаточно простых правил: Last Click, First Click или Time Decay.

Простая модель также может быть достаточной, если:

• бизнес использует один-два основных платных канал
• приложение почти не участвует в привлечении и продаже;
• данных мало и веса data driven модели нестабильны
• команда не планирует перераспределять бюджет по результатам расчёта
• стоимость внедрения и поддержки выше возможного экономического эффекта

Data driven атрибуция оправдана при большом числе каналов, высоких бюджетах и длинной воронке, особенно когда простое правило уже влияет на бюджет, но перестаёт объяснять многоканальный путь клиента.

Вывод: зачем бизнесу нужна мобильная атрибуция на основе данных

Data driven подход основан не на фиксированных правилах, а на анализе тысяч реальных цепочек. В мобильной среде его эффективность напрямую зависит от того, насколько хорошо связаны web и app и какая доля взаимодействий попала в расчёт.

Stable ID или другой общий идентификатор решает задачу склейки доступных данных, а внедрение data driven атрибуции позволяет бизнесу точнее оценивать вклад каналов и распределять бюджеты.

Присоединяйтесь к нашему Telegram-каналу – там много полезного! Например, как выбрать модель атрибуции для бизнеса.