Multi-Touch Attribution (MTA)
Мультитач-атрибуция (MTA) - это практика распределения вклада в конверсию между всеми маркетинговыми точками контакта, с которыми клиент взаимодействовал на пути к конверсии, а не только за первый или последний клик. Вместо того чтобы говорить «Google Ads получает 100% этой сделки на $5000», MTA может распределить её так: 30% блог, 20% LinkedIn, 30% Google, 20% звонок продаж.
Мультитач-атрибуция (MTA) - это практика распределения вклада в конверсию между всеми маркетинговыми точками контакта, с которыми клиент взаимодействовал на пути к конверсии, а не только за первый или последний клик. Вместо того чтобы говорить «Google Ads получает 100% этой сделки на $5000», MTA может распределить её так: 30% блог, 20% LinkedIn, 30% Google, 20% звонок продаж.
Почему это важно
Модели с одной точкой контакта - первое касание и последнее касание - это простейшая возможная атрибуция, но они регулярно вводят в заблуждение. Последнее касание приписывает заслугу тому каналу, который довёл пользователя до финиша, игнорируя месяцы работы над осведомлённостью, которые подвели его близко. Первое касание приписывает заслугу каналу, который представил бренд, игнорируя касания, которые фактически закрыли сделку. Оба дают сильно искажённое распределение бюджета. MTA пытается быть честной в отношении того факта, что покупатели проходят 8-20 касаний перед покупкой и что каждое касание что-то добавляет. Сделанная правильно, она направляет бюджет на реальных рабочих лошадок. Сделанная неправильно (или с плохими данными), она даёт уверенно ошибочные ответы.
Распространённые модели MTA
Линейная: Равный вклад каждой точке контакта. Легко считать, легко объяснить. Относится к баннерной рекламе и 30-минутному демо как к одинаково важным - обычно слишком щедра к ранним касаниям.
Затухание по времени: Касания ближе к конверсии получают больше вклада. Отражает интуицию, что вчерашний звонок продаж важнее, чем прочтение блога полгода назад.
U-образная (по позиции): 40% первому касанию, 40% последнему касанию, 20% распределяется между средними касаниями. Признаёт как открытие, так и решение.
W-образная: Добавляет событие создания лида как третью взвешенную точку: 30% первому, 30% созданию лида, 30% последнему, 10% средним.
На основе данных (MTA от Google, цепи Маркова): Использует статистический анализ конвертирующих и неконвертирующих путей для распределения вклада. Лучшие результаты при достаточном объёме данных; бесполезна на малых выборках.
Кастомная: Веса, настроенные вручную на основе внутреннего знания бизнеса. Рискованно, но иногда необходимо.
Почему MTA сложна в 2026 году
Отказ от cookie: Сторонние cookie умирают или уже исчезли в основных браузерах. Кросс-сайтовое отслеживание - основа классической MTA - почти не работает.
Dark social: Огромная доля B2B-касаний происходит в личных сообщениях, Slack и письмах, которые не видит ни один аналитический инструмент.
iOS / регулирование приватности: ATT, GDPR и подобные режимы ограничивают кросс-доменное объединение, необходимое MTA.
Реферреры ИИ-поиска: Многие источники трафика из ChatGPT, Perplexity и Gemini приходят как прямые или без атрибуции.
Длинные циклы продаж: B2B-пути длиной 6-18 месяцев превышают большинство окон атрибуции.
Самообслуживание / многоканальность: Современные покупатели изучают информацию на Reddit, смотрят обзор на YouTube, а затем регистрируются напрямую - цепочка касаний выглядит в аналитике как одно событие.
Набирающие силу альтернативы
Marketing Mix Modeling (MMM): Статистический анализ расходов по каналам в сравнении с бизнес-результатами на агрегированном уровне, а не на уровне пользователя. Дружественен к приватности. Используется enterprise-командами по мере завершения эпохи cookie.
Самоотчётная атрибуция: Вопрос «Как вы о нас узнали?» в формах регистрации. Несовершенна, но захватывает dark social там, где MTA не может.
Тестирование инкрементальности: Гео-холдауты, паузы платных каналов и контролируемые эксперименты напрямую измеряют причинный прирост.
Триангуляция: Сочетание MTA, MMM и самоотчётных ответов для триангуляции истины, поскольку ни один метод по отдельности не надёжен.
Когда MTA всё ещё работает
Высокообъёмный B2C с чисто отслеживаемыми сессиями: E-commerce с авторизованными пользователями.
Пути в пределах одного домена: Когда большинство касаний происходит на ваших собственных ресурсах.
Короткие циклы рассмотрения: Когда весь путь укладывается в окно 30 дней.
Только внутренние события: Открытия писем, взаимодействия в приложении, входы в дашборд - first-party-сигналы, которые вы контролируете от начала до конца.
Частые ошибки
Восприятие результата MTA как истины: Это лучшая догадка, а не измерение. Всегда показывайте доверительные интервалы.
Смешивание моделей по каналам: Сравнение ROI по первому касанию на одном канале с ROI по последнему касанию на другом гарантирует неверные выводы.
Игнорирование dark social: Если 40% лидов со звонков продаж говорят «мне рассказал друг», ваша MTA всегда ошибалась на 40%.
Ежемесячная оптимизация бюджета под показатели MTA: Модели, которые меняются от месяца к месяцу из-за шума, перераспределят бюджет себе во вред.
Вера в то, что MTA на основе данных не требует проверки: ML-атрибуция всё равно остаётся моделью со своими допущениями и режимами отказа.
Притворство, что MMM - это просто «старая MTA»: Они отвечают на разные вопросы. Используйте оба.
Источники: