Перейти к содержимому

Мультитач-атрибуция не работает: что приходит на смену

Мультитач-атрибуция обещала ясность, а подарила дашборды, которым никто не верит. Что заменяет её в оркестрируемом мире.

10 min read

Мультитач-атрибуция не работает: что идёт ей на смену

Около десяти лет мультитач-атрибуция (MTA) продавалась как взрослый ответ на вопрос об измерении маркетинга. Хватит отдавать весь кредит последнему клику, говорил питч, — распределите его справедливо по всем точкам контакта на пути. RevOps-команды строили замысловатые модели, настраивали W-образные кривые и кривые временного затухания и получали отчёты, выглядевшие строго. А теперь спросите руководителя по выручке, доверяет ли он этим цифрам настолько, чтобы переместить на их основе бюджет в семь знаков, и честный ответ будет «нет».

Это недоверие заслужено. У метода есть структурные трещины, которые не залатать никакой настройкой модели.

Три трещины в методе

MTA исходит из того, что вы видите касания, правильно их считаете и распределяете кредит так, чтобы он отражал, кто что вызвал. Все три допущения слабее, чем кажутся.

Начнём с видимости. MTA может засчитывать только те касания, которые наблюдает. Dark social, сарафанное радио, вебинар конкурента, заронивший идею, рекомендация коллеги в Slack-сообществе: ничего из этого не попадает в вашу CRM. Получается, что вы распределяете 100% кредита по той доле пути, которую вам случилось инструментировать, а это систематически завышает вклад отслеживаемых цифровых каналов и занижает всё остальное.

Затем корреляция, выдаваемая за причинность. Взвешенная модель утверждает, что точка контакта, которая встречается в выигранных путях, «внесла вклад» в победу. Но точки контакта, коррелирующие с намерением, получают кредит за то, что лишь отражали. Человек заходит на страницу с ценами, потому что и так собирался покупать, а страница с ценами получает кусок сделки.

И дробный кредит — вымысел. Присвоить вебинару 22,5% сделки — математическое удобство, а не реальная величина. Проверить это никто не может, и поэтому финансисты тихо делают скидку на всё это упражнение. Эту динамику мы разбираем в материале почему ваш CFO не доверяет вашей атрибуции.

Ничто из этого не краевые случаи. В B2B-процессе с закупочными комитетами, длинными циклами и сильным офлайн-влиянием это — норма.

В B2B всё ещё хуже

Атрибуция в B2C сложна. В B2B она сложнее на порядок. В одной сделке участвуют от шести до десяти стейкхолдеров, у каждого свой путь, и взаимодействуют они месяцами. Модели MTA, которые используют большинство команд, унаследованы из перфоманс-маркетинга, где один cookie примерно равен одному покупателю. В B2B человек, кликающий на вашу рекламу, часто не тот, кто подписывает контракт. Влияние происходит на встречах, в закупочных проверках и во внутренней агитации чемпиона, и ничто из этого не является «касанием», которое ваша платформа способна записать. А циклы регулярно растягиваются на кварталы, поэтому касания выпадают из окна атрибуции до закрытия сделки.

Втиснув эту реальность в линейное или W-образное разделение, вы получаете цифры точные, уверенные и неверные. Опасна именно точность. Она создаёт у заинтересованных сторон ложную уверенность в каналах, которые, возможно, едут на спросе, которого вы никогда не измеряли.

Что приходит на смену

На смену MTA приходит другой вопрос. Вместо «сколько кредита заслуживает каждое касание» спросите о двух вещах: какие действия на самом деле создают инкрементальную выручку и какие аккаунты прямо сейчас проявляют реальное намерение купить?

На первый вопрос отвечает тестирование инкрементальности. Вместо того чтобы предполагать, что канал работает, потому что он встречается в выигранных путях, вы запускаете holdout- и гео-тесты и измеряете, что происходит, когда расходы растут или падают. Это грубее, чем отчёт по каждому касанию, и гораздо честнее. Вы узнаёте, что двигает результаты, а не что просто сопутствует им.

На второй отвечают revenue-сигналы. Вместо ретроспективного распределения кредита вы непрерывно оцениваете аккаунты по вероятности купить, расшириться или уйти — на основе поведения во всех имеющихся у вас системах. Это переносит организацию от споров о распределении кредита прошлого квартала к действиям по возможностям этой недели. Логика изложена в основной статье о превращении разрозненных данных в next best actions.

Вместе эти два подхода дают то, что MTA обещала и не дала: защищаемое представление о том, что работает, и перспективное представление о том, где действовать.

Как прийти к этому без тотальной замены

Вам не нужно выкорчёвывать атрибуцию за одну ночь, и не стоит.

Во-первых, понизьте MTA до ориентировочного инструмента. Оставьте её для поиска закономерностей, но перестаньте принимать бюджетные решения по её точным процентам. Скажите вслух на встрече, что цифры ориентировочные, а не причинные. Удивительно, как сильно меняет разговор одна эта фраза.

Во-вторых, инструментируйте инкрементальность на самых крупных ставках. Начните с двух-трёх каналов с наибольшими расходами. Чистый holdout на одном канале научит вас большему, чем идеальная модель по всем.

В-третьих, постройте единое представление об аккаунте. И инкрементальность, и сигналы зависят от чистых, объединённых данных по всем системам, от того же единого источника истины, который всё равно нужен всему, что идёт дальше.

В-четвёртых, смените операционный ритм. Замените ежемесячную встречу «кто получает кредит» еженедельной «какие аккаунты подают сигналы и что мы с этим делаем».

Платформы для revenue orchestration, среди них Revnewo, построены вокруг этой второй модели: объединить данные, оценить сигналы, направить действие. Судиться за дробный кредит постфактум в этот список не входит.

Ключевые выводы

  • MTA ломается на трёх вещах: касаниях, которых она не видит, корреляции, принятой за причинность, и дробном кредите, который никто не может проверить.
  • Закупочные комитеты и длинные циклы ухудшают ситуацию. Сама точность отчётов вводит в заблуждение.
  • Задайте другой вопрос. Тестируйте инкрементальность ради причинной истины и оценивайте revenue-сигналы, чтобы понять, что делать дальше.
  • Двигайтесь осознанно: понизьте MTA, запустите holdout-тесты на крупнейших каналах, объедините данные и смените ритм встреч.

Настоящая задача атрибуции никогда не сводилась к раздаче кредита. Она состояла в том, чтобы помочь решить, что делать дальше. Если вы устали спорить о процентах, revenue orchestration переформулирует всю проблему вокруг того, что делать дальше.

See revenue orchestration in action

Unify your revenue data, signals, and plays on one AI-native platform.