Путь к B2B-сделке давно перестал быть короткой прямой линией. По данным международного бенчмарка Dreamdata 2026, типичная сделка собирается уже из 88 касаний против прежних 76, проходит через 4 канала и вовлекает 10 человек со стороны заказчика. Клик по рекламе, переход из поиска, письмо, вебинар, звонок — каждое взаимодействие оставляет след в системах аналитики.
Вопрос, на который у большинства команд нет уверенного ответа, — какому каналу зачесть сделку. И посчитать это становится всё труднее. По опросу HubSpot, измерение ROI маркетинга вышло на первое место среди сложностей у 33% маркетологов по миру. Ответ упирается в модель атрибуции: именно она задает правило, по которому ценность конверсии распределяется между касаниями.
В B2C-мире короткого прямого спроса последний клик часто и правда решает: человек увидел объявление, кликнул, купил. В B2B так почти не бывает. Решение о покупке зреет неделями и месяцами, его готовит целая группа. По данным исследования Gartner 2019 года, в сложной корпоративной сделке решение принимают от 6 до 10 человек, — каждый приходит со своим набором вопросов и своим маршрутом по каналам.
Большая часть этого маршрута проходит вне поля зрения продавца и вне отслеживаемого контакта. По тому же исследованию Gartner, на встречи со всеми потенциальными поставщиками B2B-покупатель тратит лишь 17% времени всей закупки. Остальное — самостоятельный поиск, чтение статей, обсуждения внутри команды, сравнение на сайтах. Эту невидимую зону закупки в индустрии называют темной воронкой: касания там происходят задолго до заявки и почти не фиксируются в системах аналитики.
Отсюда и основная ловушка одноканальных моделей. Когда сделку готовят десятки касаний через несколько каналов, приписать весь кредит одному клику — значит переписать историю. Первое знакомство с брендом через статью, серия писем, вебинар, брендовый запрос в поиске складываются в одну сделку. Но одноканальная модель заметит лишь один шаг и обнулит остальные.
«Для нас путь клиента — это давно не воронка, а скорее лабиринт с десятком входов, выходов и парой тупиков».
Максим Самойленко, директор по маркетингу Seller24.
Лабиринт с десятком входов не описать через один начальный или конечный контакт. В B2B выбор модели атрибуции решает судьбу каждого рекламного канала: одну работу маркетинг увидит, другую пропустит. От технической настройки отчета зависит оценка каждого источника.
Одноканальные модели присваивают всю ценность конверсии одному касанию. Они просты в использовании и по умолчанию встроены в Яндекс Метрику, Яндекс Директ и Google Analytics, поэтому с них начинает почти каждая команда. Различаются они тем, какой именно клик в цепочке забирает весь кредит.
Механика у всех одна. Система аналитики фиксирует, из какого источника пользователь перешел на сайт и совершил целевое действие, и присваивает эту конверсию одному визиту. Остальные касания в отчет не попадают. Настраивать такую модель отдельно не требуется, она включена по умолчанию — в этом ее удобство для быстрой оценки рекламных кампаний.
У всех четырёх моделей одна слепая зона: они вознаграждают лишь первый или последний шаг, а промежуточные касания остаются без внимания. Для короткого прямого спроса этого хватает — там маршрут от объявления до покупки короткий, и последний клик почти совпадает с первым. Человек увидел объявление, перешел на сайт, оформил заказ — оценивать тут особо нечего. Но в длинной B2B-сделке между первым и последним касанием умещается десяток источников. Одноканальная модель систематически недооценивает ассистирующие каналы: письма, соцсети, вебинары, которые не приносят заявку напрямую, но готовят решение.
Разберем на одной цепочке, как модели расходятся в оценке. Пусть сделка собралась из четырех касаний: пользователь прочитал статью в блоге, затем открыл рассылку, после зарегистрировался на вебинар и в конце пришел через брендовый запрос в поиске. Одна и та же конверсия достается разным каналам в зависимости от модели:
Канал не изменился, изменился только способ подсчета, а вместе с ним и оценка вклада.
Многоканальные модели решают проблему середины: они распределяют ценность одной конверсии между всеми касаниями цепочки. Каждое взаимодействие берет свою долю, а не ноль. Разница между ними — в том, как эта доля считается.
Линейная модель раздает ценность конверсии поровну между всеми касаниями. Каждому шагу к сделке достается равная доля. Такое равномерное распределение отдаёт должное ассистирующим каналам, но уравнивает случайный клик по баннеру и решающий вебинар — вес у них одинаковый, хотя вклад в сделку несопоставим. Линейную модель выбирают, когда важно увидеть все каналы в цепочке, а не выделить одного лидера.
Модель по давности взаимодействия, или time decay, повышает вес касаний ближе к моменту сделки. Логика в том, что недавние контакты сильнее влияли на решение, а ранние постепенно теряют ценность. Модель подходит для коротких циклов с активным подогревом в финале, но недооценивает каналы первого знакомства, которые запустили весь маршрут.
U-образная модель, ее же называют моделью с привязкой к позиции, делает акцент на двух краях: первое и последнее касание получают бо́льшую долю ценности, промежуточные делят остаток. Она подходит, когда важнее всего привлечение новой аудитории и закрытие сделки, а середина воронки играет вспомогательную роль.
Смена модели меняет саму картину эффективности каналов, а не только цифры в отчете. Канал, который last click списывал в ноль, при многоканальной модели снова обретает вес. В итоге решение о бюджете разворачивается. Например, «Технократ», организатор IT-конференций TECH WEEK, свел данные всех рекламных каналов в сквозную аналитику Roistat. Компания получила ROMI 178% и снизила CPL на 15%. По данным кейса, выросло и число мультиканальных заявок, где в цепочке участвовали соцсети и email — те самые ассистирующие каналы, которые одноканальная модель не увидела бы.
Все предыдущие модели делят ценность по фиксированному правилу, заданному заранее — поровну, по краям, по времени касания. Модель на основе данных правило не задает — алгоритм рассчитывает вклад каждого касания по фактическим данным о том, какие цепочки чаще приводили пользователя к конверсии. Он анализирует пути, которые закончились сделкой, сравнивает их с теми, что оборвались, и по разнице оценивает реальный вес каждого канала.
Чтобы модель работала, ей нужны данные: достаточный объем конверсий и полная история касаний по каждому пользователю. На малых объемах алгоритму не хватает статистики, и модель на основе данных доступна не всем. Ее обычно подключают компании с плотным трафиком и настроенной сквозной аналитикой.
Именно поэтому модель на основе данных вскрывает эффект, который стандартные модели прячут, — вклад смешанных цепочек, где каналы действуют в связке. Увидеть это удобнее всего на цифрах.
Так, агентство Realweb применило атрибуцию на основе данных для оценки медийного продвижения hh.ru и разложило вклад B2B- и B2C-креативов в регистрации работодателей. Стандартная одноканальная модель приписала бы регистрации одному типу рекламы, и второй канал тогда можно было бы отключить как неэффективный. Расчет показал обратное: при отключении B2B-рекламы терялось 92% регистраций от бизнеса, а стоимость привлечения росла в 2,6 раза.
Одноканальная модель такую связку каналов не видит в принципе: она умеет отдать кредит одному касанию, но не умеет заметить, что два канала дают результат только вместе. Здесь и проходит граница между стандартными моделями и атрибуцией на основе данных.
Универсально «лучшей» модели атрибуции не существует. Выбор определяют два параметра: длина цикла сделки и количество каналов, которые участвуют в пути клиента. Короткому прямому спросу с одним-двумя касаниями достаточно последнего клика — там модель почти не искажает картину. Длинная многоканальная B2B-сделка требует многоканальной модели или атрибуции на основе данных, иначе ряд каналов останется недооцененным.
Базовый ориентир, от чего отталкиваться:
Отдельно настраивается окно атрибуции — это срок в днях, в течение которого касание засчитывается в сделку. В B2C оно короткое, несколько дней, в B2B растягивается на месяцы. И слишком узкое окно просто обрежет раннюю часть пути. Этот параметр нужно задать под свой цикл сделки, иначе даже верная модель даст неполную картину.
Любая из этих моделей работает только поверх сквозной аналитики, которая связывает рекламные расходы с выручкой по каждому каналу. Без такой связки модель считает клики и заявки, но не деньги. Например, «Медицинские системы и технологии», поставщик медоборудования, свели рекламные расходы с выручкой через сквозную аналитику Roistat и начали отслеживать конверсию по этапам воронки. По данным кейса, в 2021 году прибыльность вложений в маркетинг выросла втрое к 2020-му, ROI поднялся до 392%, а ROMI — до 2 796%. Числа здесь рекордные и привязаны к конкретному примеру, но принцип общий: пока рекламные расходы не сведены с выручкой, любая модель атрибуции остается оценкой в вакууме.
Одни и те же сделки, посчитанные по разным моделям, дают разную выручку на канал. Причем это нормальное свойство атрибуции, а не ошибка настройки. Последний клик поднимет брендовый поиск, первый клик — верх воронки, модель на основе данных перераспределит вклад в пользу связок. Каждая модель отражает свой срез правды, но ни одна не описывает картину целиком.
Поэтому зрелые команды относятся к модели как к оптике для взгляда на каналы. Под рукой они держат сразу несколько отчетов. Команда сравнивает выручку по разным моделям, замечает, какой канал в одной оптике герой, а в другой невидимка, и корректирует оценку под форму пути к сделке. Тогда решение о бюджете опирается на несколько ракурсов сразу, — один способ подсчета не диктует всю стратегию продвижения.
Модель атрибуции — это правило, по которому ценность конверсии распределяется между касаниями на пути клиента к сделке. Именно она определяет, какой канал получит кредит за заявку: клик по рекламе, переход из поиска, письмо, вебинар или звонок. От выбранной модели зависит оценка каждого рекламного источника — одну работу маркетинг увидит, другую пропустит.
Типичная B2B-сделка собирается из 88 касаний, проходит через 4 канала и вовлекает 10 человек со стороны заказчика, а на встречи со всеми потенциальными поставщиками покупатель тратит лишь 17% времени закупки. Одноканальная модель заметит лишь один шаг и обнулит остальные: письма, соцсети и вебинары, которые готовили решение, останутся без кредита.
Атрибуция по первому клику отдает всю ценность каналу первого знакомства. Атрибуция по последнему клику приписывает конверсию последнему касанию перед заявкой. Атрибуция по последнему непрямому клику отбрасывает прямые заходы и стоит по умолчанию в Яндекс Метрике. Атрибуция по последнему клику из рекламной системы засчитывает конверсию последнему платному каналу. У всех одна слепая зона: промежуточные касания остаются без внимания.
Многоканальные модели распределяют ценность конверсии между всеми касаниями цепочки, разница — в способе подсчета доли. Линейная модель раздает ценность поровну между всеми касаниями. Модель по давности взаимодействия (time decay) повышает вес касаний ближе к моменту сделки. U-образная модель отдает большую долю первому и последнему касанию, а промежуточные делят остаток.
В модели на основе данных вклад каждого касания рассчитывает алгоритм: он сравнивает цепочки, которые привели к конверсии, с теми, что оборвались, и по разнице оценивает реальный вес канала. Модели нужны достаточный объем конверсий и полная история касаний, поэтому ее обычно подключают компании с плотным трафиком и настроенной сквозной аналитикой. Такой расчет вскрывает вклад связок каналов: в кейсе hh.ru при отключении B2B-рекламы терялось 92% регистраций от бизнеса, а стоимость привлечения росла в 2,6 раза.
Выбор определяют длина цикла сделки и количество каналов в пути клиента. Один-два канала и короткий цикл — последний или последний непрямой клик; несколько каналов с понятной ролью краев — U-образная или линейная; длинные цепочки, где каналы работают в связке, — модель на основе данных. Дополнительно модель должна работать поверх сквозной аналитики, которая связывает рекламные расходы с выручкой.
Окно атрибуции — это срок в днях, в течение которого касание засчитывается в сделку. В B2C оно короткое, несколько дней, а в B2B растягивается на месяцы. Слишком узкое окно обрежет раннюю часть пути клиента, поэтому параметр нужно задать под свой цикл сделки — иначе даже верная модель даст неполную картину.
