Модели атрибуции в Yandex Директе: как они работают и какую избрать

Реклама. ООО «Клик.ру», ИНН:7743771327, ERID: 2Vtzqv3t8fL

Клиент изредка оформляет заказ опосля первого знакомства с компанией. Поначалу он может узреть объявление на телефоне, позднее отыскать веб-сайт через поиск, возвратиться с рабочего компа, а произвести оплату продукт уже дома с ноутбука. Если глядеть лишь на крайнее посещение, часть рекламы, которая повлияла на решение, остается незамеченной.

Атрибуция в Yandex Директе – это правило, по которому система связывает визит и конверсию с определенным источником. От избранной модели зависит, какая кампания получит конверсию в статистике, на каких данных будут учиться автоматические стратегии и какие мотивированные визиты окажутся платными при оплате (расчёту за купленный товар или полученную услугу) за конверсии.

Разберем, какие модели на данный момент доступны в Директе, чем они различаются и как меняют оценку 1-го и такого же пути юзера.

Почему одна покупка получает различные источники

До заказа человек обычно совершает несколько визитов: в первый раз приходит из социальной сети, позднее кликает по рекламе, ворачивается через поиск, а покупает опосля прямого захода. Каждое касание делает свою задачку, но в отчете конверсию необходимо связать с определенным источником.

Модель атрибуции не меняет настоящий путь клиента. Она выбирает правило его интерпретации. 1-ый переход сохраняет роль исходного знакомства, крайний учитывает текущий визит, крайний весомый отбрасывает технические возвраты, а автоматическая модель раздельно оценивает воздействие Директа.

Потому атрибуция не дает единственного беспристрастного ответа на вопросец, «кто сделал продажу». Она дозволяет разглядеть путь с подходящей стороны и не принимать решения лишь по случайному крайнему посещению.

Для что бизнесу необходимы модели атрибуции

Модель атрибуции помогает осознать, какой источник привел клиента к мотивированному действию: покупке, заявке, звонку, регистрации либо иной конверсии. Она распределяет вклад меж маркетинговыми каналами по данным правилам и помогает принимать наиболее четкие решения по продвижению.

Оценивать вклад маркетинговых кампаний

Путь клиента изредка состоит из 1-го шага. Юзер может пару раз узреть рекламу, перейти на веб-сайт, а приобрести продукт лишь через некоторое количество дней опосля прямого захода.

Если учесть лишь крайний переход, Директ может не получить информацию о роли рекламы в данной для нас продаже. Кампания, которая в первый раз познакомила человека с продуктом либо возвратила его на веб-сайт, остается без учета.

Различные модели атрибуции помогают узреть, какие кампании завлекают новейших юзеров, а какие почаще помогают окончить покупку.

Поточнее рассчитывать CPA (стоимость деяния) и ROI (возврат инвестиций)

Эффективность рекламы зависит от того, сколько конверсий и дохода получает любая кампания. При смене модели атрибуции количество учтенных заказов может поменяться, хотя расходы на рекламу останутся прежними.

Потому ассоциировать кампании, каналы и результаты за различные периоды необходимо лишь при схожей модели атрибуции.

Распределять бюджет меж шагами воронки

Не любая реклама приводит к покупке сходу опосля первого перехода. К примеру, объявление может познакомить юзера с брендом, а решение о покупке он воспримет позднее.

При оценке лишь крайнего перехода такие кампании могут казаться неэффективными. Атрибуция помогает осознать роль всякого источника в пути клиента и не отключать рекламу, которая влияет на реализации на ранешних шагах.

Облагораживать работу автоматических стратегий

Стратегии с оптимизацией по конверсиям употребляют данные Метрики о мотивированных действиях. Чем больше высококачественных данных получает метод, тем поточнее он может предсказывать результаты и отыскивать юзеров с схожим поведением.

При изменении модели атрибуции изменяется и набор конверсий, которые учитывает система. Это может воздействовать на обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) стратегии и управление ставками.

Таковым образом, модель атрибуции влияет не только лишь на наружный вид отчетов. От нее зависят оценка эффективности рекламы, распределение бюджета и работа автоматических инструментов продвижения.

Какие модели доступны в Директе в 2026 году

С 20 мая 2026 года Yandex не стал поддерживать модели «1-ый переход», «Крайний весомый переход», «Крайний переход из Директа» и «Крайний переход из Директа кросс-девайс». Они или не соединяли воединыжды путь меж устройствами, или учитывали лишь один маркетинговый канал. Кампании перевели на современные аналоги автоматом.

Для оценки рекламы по переходам и конверсиям употребляются четыре главные модели:

автоматическая атрибуция;
1-ый переход кросс-девайс;
крайний переход;
крайний весомый переход кросс-девайс.

В Мастере отчетов также доступны две модели для анализа медийной рекламы: 1-ый показ из Директа кросс-девайс и крайний показ из Директа кросс-девайс.

В Единой перфоманс-кампании по дефлоту выбрана автоматическая атрибуция. В кампаниях, сделанных через Мастер кампаний, и в товарных кампаниях поменять ее иной моделью недозволено.

Модель	Как определяется источник	Когда применять
Автоматическая	Методы оценивают, посодействовало ли взаимодействие с Директом получить конверсию	Для автоматических стратегий и общей оценки эффективности рекламы
1-ый переход кросс-девайс	Учитывается источник первого визита юзера на веб-сайт за крайние 180 дней	Чтоб осознать, какой канал первым привел клиента и познакомил его с продуктом
Крайний переход	Засчитывается источник текущего визита, который закончился конверсией	Для анализа стремительных покупок и случаев, когда решение принимается сходу
Крайний весомый переход кросс-девайс	Прямые заходы, внутренние переходы и остальные незначимые визиты не подменяют предшествующий маркетинговый источник	Чтоб оценить, какой рекламный канал был крайним перед конверсией

Как работает автоматическая атрибуция

У автоматической модели нет фиксированного правила вроде «зачесть 1-ый переход» либо «избрать крайний источник». Методы анализируют путь юзера и оценивают, повлияла ли реклама в Директе на получение конверсии.

При расчете учитываются различные причины: когда и как юзер вел взаимодействие с рекламой, с каких устройств входил на веб-сайт, как был заинтересован в товаре либо услуге, также остальные данные.

К примеру, человек перебежал по объявлению Директа, позднее отыскал веб-сайт через поиск, а заказ оформил из сохраненной вкладки. При фиксированных моделях атрибуции источник выбирается по заблаговременно данному правилу. Автоматическая модель анализирует больше данных и описывает, была ли у рекламы роль в принятии решения.

Если метод считает, что Директ воздействовал на конверсию, она будет учтена в статистике маркетинговой кампании.

Автоматическая атрибуция подступает для кампаний, которые оптимизируются по конверсиям. Она помогает методам учесть не только лишь объявления, которые привели к крайнему переходу, да и те, которые воздействовали на решение юзера ранее.

Автоматическую модель обычно выбирают, если:

Директ – один из главных каналов вербования клиентов;
реклама оптимизируется по заявкам, заказам либо доходу;
конверсий мало и принципиально применять максимум данных для обучения;
пользовательский путь включает несколько устройств и источников.

Принципиально осознавать: автоматическая атрибуция не разделяет одну покупку меж всеми маркетинговыми контактами по фиксированным толикам. Метод не назначает любому переходу заблаговременно определенный процент. Он оценивает вклад Директа на базе данных о поведении юзеров.

1-ый переход кросс-девайс

Эта модель связывает следующие визиты юзера с источником, который в первый раз привел его на веб-сайт за крайние 180 дней. В цепочке учитываются посещения с различных устройств.

К примеру, если человек в первый раз пришел из социальной сети, потом кликнул по объявлению Директа, а купил через недельку, конверсия остается у социальной сети. Наиболее поздний маркетинговый переход в таком отчете ее не получит.

1-ый переход полезен, когда необходимо оценить начало пути: какая кампания завлекает людей, еще не знакомых с предложением, какие источники делают первичный энтузиазм и откуда приходят потенциальные покупатели. Модель может применяться в недвижимости, продаже каров, услугах для бизнеса, сложном программном обеспечении и остальных темах, где решение принимают длительно.

У подхода есть ограничение. Вся ценность закрепляется за первым источником, даже если опосля знакомства человек пару раз ворачивался благодаря остальным каналам. Потому по данной для нас модели комфортно рассматривать вербование новейшей аудитории, но недостаточно оценивать работу всей воронки.

Крайний переход

Модель учитывает лишь тот визит, во время которого юзер сделал целевое действие. Прошлые посещения веб-сайта и взаимодействия с рекламой не принимаются в расчет.

К примеру, юзер поначалу перебежал на веб-сайт из объявления Директа, исследовал продукт, а через некоторое количество дней открыл сохраненную вкладку и оформил заказ. В модели «Крайний переход» источником конверсии будет считаться конкретно этот крайний визит.

Таковая атрибуция полезна для технического анализа. С ее помощью можно проверить, не влияют ли на статистику повторные открытия страничек, редиректы либо переходы через сервисы оплаты.

Модель также подступает для ситуаций с маленьким циклом принятия решения. К примеру, юзер отыскивает ближний шиномонтаж, кликает по объявлению и сходу звонит – в этом случае крайний переход отлично отражает источник воззвания.

Но для оценки эффективности маркетинга в целом модель может давать неполную картину. Если клиент пару раз вел взаимодействие с рекламой перед покупкой, крайний переход может забрать всю ценность конверсии у кампании, которая в первый раз завлекла юзера либо посодействовала принять решение.

Потому применять модель «Крайний переход» как единственный метод оценки рекламы стоит лишь для обычных сценариев с резвым принятием решения.

Окно атрибуции для данной для нас модели составляет 180 дней, но при всем этом учитывается лишь крайний визит, окончившийся конверсией.

Крайний весомый переход кросс-девайс

Эта модель учитывает не все визиты, а лишь важные источники, которые могли воздействовать на решение юзера. К ним относятся переходы из рекламы, поисковой выдачи и остальных веб-сайтов.

Прямые заходы, внутренние переходы и возвраты по сохраненным страничкам не подменяют предшествующий весомый источник.

К примеру, юзер поначалу перебежал на веб-сайт из объявления Директа, исследовал продукт, а позднее возвратился через сохраненную вкладку и оформил заказ. В этом случае модель отыщет предшествующий весомый переход. Если перед покупкой юзер пришел из органического поиска, конверсия будет связана с поиском.

Окно атрибуции для данной для нас модели составляет 90 дней. Визиты соединяются воединыжды меж устройствами: к примеру, человек может изучить предложение со телефона, а приобрести позднее с компа – система учтет этот путь.

Модель подступает для интернет-магазинов и компаний с наиболее длинноватым циклом принятия решения, когда клиент ассоциирует варианты, ворачивается на веб-сайт и покупает не с первого раза.

«Крайний весомый переход кросс-девайс» помогает оценить, какой рекламный источник был крайним перед конверсией. При всем этом прямой визит либо случайное возвращение на веб-сайт не забирают всю ценность у рекламы либо остальных каналов.

Принципиально учесть: весомым быть может не только лишь переход из Директа. Если опосля рекламы юзер пришел из поиска, рассылки, соцсети либо другого веб-сайта, конкретно этот источник может получить конверсию.

Что означают кросс-девайс и окно атрибуции

Кросс-девайс

Кросс-девайс помогает соединять воединыжды деяния юзера с различных устройств в один путь.

К примеру, человек в первый раз узрел продукт на телефоне, исследовал предложение на рабочем компе, а заказ оформил с домашнего ноутбука. Без кросс-девайс-учета система могла бы принимать эти визиты как деяния различных юзеров.

Кросс-девайс употребляется в автоматической модели по дефлоту, также заходит в наименования моделей «1-ый переход кросс-девайс» и «Крайний весомый переход кросс-девайс».

При всем этом принципиально осознавать: разработка не гарантирует, что будут соединены полностью все устройства 1-го человека. Она помогает повысить точность данных, но не подменяет все другие способы анализа.

Окно атрибуции

Окно атрибуции – это период, в течение которого прошлые взаимодействия юзера могут учитываться при определении источника конверсии.

Для различных моделей употребляются различные окна:

Модель	Окно атрибуции
Автоматическая атрибуция	180 дней
1-ый переход кросс-девайс	180 дней
Крайний переход	180 дней
Крайний весомый переход кросс-девайс	90 дней

К примеру, если юзер в первый раз пришел на веб-сайт больше 7 месяцев вспять, этот визит уже не будет учитываться в моделях с окном 180 дней.

Для продуктов и услуг с резвым принятием решения разница меж окнами обычно практически неприметна. Но для недвижимости, образования и дорогих продуктов срок может значительно влиять на оценку каналов.

Один путь юзера в 4 отчетах

Разглядим пример:

3 июня – переход на веб-сайт из статьи в отраслевом блоге;
8 июня – клик по объявлению Директа;
12 июня – переход из органической выдачи;
15 июня – прямой заход и отправка заявки.

Различные модели атрибуции по-разному оценят этот путь:

1-ый переход кросс-девайс. Источником станет отраслевой блог. Модель покажет канал, который первым познакомил юзера с компанией.
Крайний переход. Заявка будет отнесена к прямому визиту 15 июня. Прошлые взаимодействия не учитываются.
Крайний весомый переход кросс-девайс. Прямой заход не будет считаться весомым источником. Конверсия будет связана с органическим поиском – крайним значимым переходом перед заявкой.
Автоматическая атрибуция. Итог недозволено найти лишь по последовательности визитов. Метод анализирует взаимодействие с Директом и остальные данные. Если система обусловит, что реклама повлияла на решение юзера, конверсия будет учтена в статистике кампании.

Таковым образом, один и этот же путь юзера может отдать различные результаты в отчетах. Это не означает, что юзер совершал различные деяния. Изменяется лишь метод, по которому система распределяет вклад меж источниками.

Как атрибуция влияет на стратегии и списание средств

Избранная модель атрибуции влияет не только лишь на отчеты, да и на работу автоматических стратегий. Методы употребляют данные Метрики о конверсиях, а опосля смены модели получают иной набор данных для обучения.

К примеру, опосля конфигурации атрибуции количество конверсий у кампании может поменяться, хотя фактических заявок либо продаж не сделалось больше либо меньше. Системе будет нужно время, чтоб адаптировать прогнозы и ставки под новейшие данные.

Потому не стоит поменять модель атрибуции из-за маленьких колебаний CPA (цены мотивированного деяния). Поначалу необходимо проверить опции целей, учесть обыденный цикл сделки и отдать стратегии время на обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками). Нередкие конфигурации затрудняют анализ результатов.

В особенности принципиально верно избрать модель в кампаниях с оплатой за конверсии:

Крайний переход. Оплачиваются конверсии, которые произошли опосля конкретного перехода из Директа. Подступает для стремительных покупок и услуг с маленьким циклом принятия решения.
Крайний весомый переход кросс-девайс. Конверсия учитывается за Директом, если опосля клика не было другого важного источника. Прямые заходы либо возвраты по сохраненной страничке не прерывают эту связь.
Автоматическая атрибуция. Конверсия быть может учтена за Директом, если метод обусловит, что реклама повлияла на решение юзера. Модель подступает, когда Директ – принципиальный канал вербования и необходимо применять больше данных для обучения.
1-ый переход кросс-девайс. Если первым источником был Директ, следующая конверсия быть может связана с рекламой. Таковой подход подступает для продуктов и услуг с долгим действием выбора.

При оплате (расчёту за купленный товар или полученную услугу) за клики модель атрибуции не меняет стоимость уже приобретенных переходов и не делает новейшие списания за прошлые конверсии. Ее воздействие проявляется через статистику, обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) алгоритмов и оптимизацию будущих характеристик.

Атрибуция медийной рекламы

Медийная реклама работает не только лишь через клики. Юзер может узреть баннер либо видео, уяснить бренд, а через некоторое количество дней без помощи других отыскать веб-сайт и оформить заказ.

Обыденные модели, которые учитывают лишь переходы, не демонстрируют воздействие таковых просмотров. Для медийных кампаний в Мастере отчетов употребляются отдельные модели:

1-ый показ из Директа кросс-девайс. Конверсия связывается с первым медийным показом в избранном окне. Модель помогает осознать, какие креативы и опции начали знакомство юзера с брендом.
Крайний показ из Директа кросс-девайс. Учитывается крайний показ перед визитом на веб-сайт и мотивированным действием. Модель указывает, какой контакт был поближе всего к конверсии.

Для оценки медийной рекламы употребляются два показателя:

Post-view – конверсии опосля просмотра объявления без клика. Для него можно избрать окно от 1 до 30 дней.
Post-click – визиты опосля клика по медийному объявлению. Для него употребляется окно 30 дней.

К примеру, юзер узрел видеоролик 5 августа, не перебежал на веб-сайт, а 11 августа без помощи других отыскал компанию и оставил заявку. При post-view-окне 7 дней таковая конверсия будет учтена в статистике медийной рекламы. При окне 3 денька – уже нет.

Окно необходимо выбирать с учетом того, сколько времени обычно требуется клиентам для принятия решения.

Запускайте поисковые и медийные кампании в Yandex’е через прямые аккаунты Директа в PromoPult.

ИИ-маркетолог поможет приготовить кампанию и загрузить ее в маркетинговый кабинет, чтоб уменьшить количество ручных действий. Также в PromoPult доступны интерактивная панель аналитики, автоматическая маркировка, единый контракт и набор закрывающих документов. До 8% расходов на внешнюю рекламу можно возвратить призами.

Как подобрать модель под задачку

Выбор модели атрибуции зависит от того, как длительно клиент воспринимает решение, какую роль делает реклама и как оплачивается продвижение.

Для стремительных покупок и услуг, где клиент воспринимает решение за один визит, подступает модель «Крайний переход». К примеру, юзер отыскал ближний шиномонтаж, перебежал по объявлению и сходу оставил заявку.

Если цикл сделки длиннющий – к примеру, при покупке недвижимости, кара, обучения – полезнее глядеть на весь путь клиента. 1-ый переход помогает оценить источник первого знакомства с компанией, а крайний весомый – осознать, какой канал был крайним принципиальным контактом перед покупкой.

Автоматическая атрибуция подступает, когда принципиально оценить общий вклад Директа в конверсию и передать больше данных конверсионным стратегиям.

При выбирании модели учитывайте и задачку рекламы. Кампания может завлекать новейших юзеров, возвращать гостей, помогать закрывать спрос либо увеличивать узнаваемость бренда. Одна модель не может идиентично отлично показать все эти роли.

Если кампания работает с оплатой за конверсии, заблаговременно проверьте, какие деяния будут учитываться по избранному правилу. Недозволено выбирать модель лишь поэтому, что в ней отчет указывает больше конверсий. Она обязана соответствовать реальному пути клиента и допустимой цены результата.

Задачка	Пригодная модель
Оценить воздействие Директа и учить конверсионную стратегию	Автоматическая
Отыскать источник первого знакомства с веб-сайтом	1-ый переход кросс-девайс
Узреть источник текущего визита	Крайний переход
Не отдавать конверсию прямому либо внутреннему возврату	Крайний весомый переход кросс-девайс
Оценить 1-ый контакт с медийной рекламой	1-ый показ из Директа кросс-девайс
Отыскать крайний медийный контакт перед конверсией	Крайний показ из Директа кросс-девайс

Где поменять модель и как читать отчеты

Модель атрибуции употребляется на 2-ух уровнях.

В настройках стратегии она описывает, какие данные Метрики будут употребляться для обучения алгоритмов и управления ставками. Возможность выбора зависит от типа кампании. К примеру, в Мастере кампаний и товарных кампаниях применяется автоматическая атрибуция без ручного выбора.

В Мастере отчетов модель можно поменять для анализа уже скопленной статистики. Это дозволяет ассоциировать различные варианты оценки, не меняя работу самой кампании.

Чтоб анализ был корректным:

асоциируйте периоды с схожей моделью атрибуции;
берите период, который обхватывает полный цикл сделки;
используйте однообразные цели для сопоставления кампаний;
оценивайте не только лишь количество конверсий, да и их свойство: выручку, маржу, подтвержденные заказы и квалифицированные заявки;
учитывайте задержку меж кликом и покупкой.

Не стоит ждать полного совпадения данных Директа и Метрики. В отчетах Директа учитываются переходы по объявлениям, а общая статистика Метрики включает все визиты на веб-сайт. Даже при схожей модели атрибуции вероятны различия из-за опций целей, счетчиков и методов формирования отчетов.

Если меж первым контактом и покупкой проходит много времени, характеристики CPA и рентабельности могут изменяться по мере поступления новейших конверсий.

Чек-лист перед анализом кампании

Перед оценкой рекламы:

проверьте модель атрибуции в настройках стратегии;
изберите такую же модель в главном отчете;
удостоверьтесь, что период анализа длиннее среднего цикла сделки;
не делайте выводы лишь по крайним денькам, если клиенты нередко ворачиваются позднее;
асоциируйте кампании по схожим целям;
оценивайте не только лишь конверсии и стоимость деяния (CPA), да и доход, возврат инвестиций (ROI) и свойство заявок;
не меняйте модель без понятной предпосылки и достаточного количества данных;
для медийной рекламы раздельно анализируйте post-view и post-click;
асоциируйте различные модели для поиска закономерностей, но не смешивайте их в одном сопоставлении периодов;
опосля конфигурации опций дайте стратегии время накопить новейшие данные.

Основное о моделях атрибуции

Модель атрибуции не меняет путь клиента. Она описывает, как система распределяет вклад меж источниками и разъясняет полученную конверсию.

Потому одна и та же кампания может смотреться действенной в одном отчете и получать меньше конверсий в другом – изменяется не итог рекламы, а метод его оценки.

Для поисковой и контекстной рекламы употребляются автоматическая атрибуция, 1-ый переход кросс-девайс, крайний переход и крайний весомый переход кросс-девайс. Для медийных кампаний добавочно используются модели первого и крайнего показа из Директа.

Верная модель зависит от задачки бизнеса: 1-ый переход указывает начало знакомства, крайний – источник текущего визита, крайний весомый – крайний принципиальный рекламный контакт, а автоматическая атрибуция оценивает вклад Директа при помощи алгоритмов.

Наивысшую пользу атрибуция приносит, когда модель в отчетах соответствует настройкам стратегии, период анализа обхватывает полный цикл сделки, а количество конверсий оценивается совместно с их качеством и доходом.

Читайте также:

Yandex Тег Менеджер: как управлять тегами, событиями и скриптами без правки кода
Автотаргетинг в Yandex Директе: какие группы избрать и как не издержать бюджет впустую
Стоимость клика (CPC) в Yandex Директе: от что зависит и как его уменьшить