Модели атрибуции в финтехе: почему last-click обкрадывает ваши лучшие каналы

Модель атрибуции — это не настройка в отчёте. Это решение, куда уйдут ваши деньги. Потому что модель определяет, какой канал получит «зачёт» за конверсию, а вы потом по этим зачётам распределяете бюджет. Выбрали модель — фактически выбрали, кого хвалить и кого резать.

И большинство сидит на last-click по умолчанию, даже не осознавая, что этот дефолт системно искажает картину.

Чем врёт last-click

Last-click отдаёт всю заслугу последнему касанию перед конверсией. В финтехе с длинной воронкой это почти всегда брендовый поиск или ретаргетинг — то есть нижняя воронка.

Что происходит дальше: брендовый поиск выглядит гениально (он же «закрывает» конверсии), а канал, который вообще познакомил человека с продуктом три недели назад, — выглядит бесполезным. Вы режете верхнюю воронку как «неэффективную», поток новых людей пересыхает, и через месяц тот самый гениальный брендовый поиск тоже проседает, потому что брендовые запросы кончились. Никто новый о вас не узнал.

Это классический капкан. Last-click толкает вас убивать каналы, которые наполняют воронку.

First-click и position-based

First-click — обратная крайность, вся заслуга первому касанию. Полезен, когда вам важно оценить awareness-каналы, понять, что реально приводит новых людей. Но он недооценивает нижнюю воронку, которая дожимает.

Position-based — компромисс: больше веса первому и последнему касанию, меньше середине. Для длинной воронки это часто разумнее, чем любая крайность.

Data-driven — что внутри чёрного ящика

Google и GA4 толкают data-driven как «умную» модель: алгоритм сам считает вклад каждого касания на ваших данных. Идея хорошая. Но это чёрный ящик, и работает он только при достаточном объёме конверсий — на маленьких данных модель неустойчива и выдаёт шум, выдавая его за инсайт.

Спорный тейк: data-driven — не «лучшая модель», как её подают. Это лучшая модель при большом стабильном потоке конверсий. На малых объёмах честнее взять position-based и понимать его логику, чем доверять чёрному ящику, который учится на десяти конверсиях в неделю.

Чего не делает ни одна модель

И вот главное, о чём забывают все споры про атрибуцию. Любая модель — это деление одного и того же пирога. Она перекладывает заслугу между каналами, но не говорит вам, что было бы, если бы канала не было вообще.

А это и есть единственный по-настоящему важный вопрос: если я выключу этот канал, я потеряю конверсии или они просто перетекут в другой? На него отвечает не модель атрибуции, а инкрементальные тесты — geo-lift, holdout-группы. Выключаете канал на части аудитории, смотрите, просели конверсии или нет.

Тейк, который не любят: спорить о моделях атрибуции бесконечно — это способ не делать инкрементальные тесты. Модель покажет вам красивую раскладку, но правду про то, какой канал реально создаёт продажи, а какой просто примазывается к ним, даст только holdout. Один честный geo-эксперимент стоит года споров про first-click против data-driven.