ROI маркетинга: как считать вклад каналов без самообмана

Когда одна крупная платформа краткосрочной аренды временно остановила performance-кампании, бронирования не упали. Когда сервис заказа такси срезал бюджет в нескольких каналах, привлечение пользователей почти не изменилось. В обоих случаях система атрибуции исправно приписывала этим каналам конверсии — просто конверсии происходили бы и без них. Это не исключение из правил

Это структурная проблема того, как большинство маркетинговых команд считают ROI: они измеряют присутствие канала на пути к покупке, а не его реальный вклад в её совершение

Почему атрибуция врёт именно тогда, когда вы принимаете бюджетные решения

Атрибуция отвечает на вопрос «какие касания предшествовали конверсии». Она не отвечает на вопрос «какие касания её вызвали». Разница критична, когда речь идёт о перераспределении бюджета на миллионы рублей. Согласно исследованию NP Digital, средний путь покупателя вырос с 8,5 касаний в 2021 году до 11,1 в 2025-м

При этом касания, которые реально формируют решение о покупке, — просмотр видео, рекомендация в мессенджере, ответ AI-ассистента — либо не попадают в стандартные отчёты вообще, либо отображаются как «прямой трафик»

Почти 47% маркетологов, согласно тому же исследованию, не доверяют своей текущей модели атрибуции. Но именно на неё опираются при защите бюджета перед советом директоров. Проблема усугубляется тем, что крупные рекламные платформы измеряют эффективность внутри собственных экосистем и оптимизируют отчёты в свою пользу

Кросс-девайсное поведение, офлайн-конверсии, закрытые мессенджеры — всё это системные слепые зоны, которые не закрываются новым дашбордом. Риск здесь конкретный: команда режет верхнефункциональные каналы, потому что они «не показывают результат», — и через квартал обнаруживает рост CAC в нижней воронке

По этой теме полезно отдельно посмотреть AI-оценки становятся новым вычислительным узким местом, чтобы расширить контекст и сравнить подходы

По этой теме полезно отдельно посмотреть Обнаружение PII с Privacy Filter от OpenAI, чтобы расширить контекст и сравнить подходы

Инкрементальность против атрибуции: в чём практическая разница

Инкрементальность задаёт другой вопрос: сколько конверсий не случилось бы, если бы этого канала не было вообще? Разрыв между атрибутированными и инкрементальными конверсиями показывает, сколько бюджета уходит на перехват уже существующего спроса, а не на его создание. Именно этот разрыв — главный источник самообмана в маркетинговых отчётах

Чтобы отделить реальный вклад канала от иллюзии, нужно последовательно ответить на четыре вопроса. Первый — инкрементальный lift по конверсиям: сколько продаж произошло именно благодаря этому каналу, а не просто после него?

Второй — инкрементальный рост брендового поиска: если после запуска видеокампании вырос объём брендовых запросов, это сигнал, что верхняя воронка работает; без этого замера бюджет на охват режут первым. Третий — перераспределение атрибуции: рост конверсий в одном канале иногда означает лишь смещение кредита, а не реальный прирост; важно понять, это новые деньги или перекладывание из одного кармана в другой?

Четвёртый — точка отрицательного инкрементального эффекта: на каком уровне частоты или промо-давления канал начинает разрушать маржу вместо того, чтобы её создавать?

Гео-эксперименты и holdout-тесты — наиболее надёжный способ получить ответы без ожидания статистической идеальности. Правильно спроектированный гео-тест даёт направленную уверенность за несколько недель: контрольный регион не получает рекламу, тестовый — получает, разница в конверсиях фиксируется. Этого достаточно для бюджетного решения

Команды, которые внедрили такой подход в операционный ритм, перестают защищать каналы «по инерции» и начинают отключать то, что реально не работает

Разные каналы окупаются с разной скоростью — и это меняет всё

Одна из самых дорогостоящих ошибок в маркетинге — оценивать все каналы по одному и тому же недельному или месячному циклу отчётности, не учитывая, что каждый канал имеет собственную кривую окупаемости. Команда, которая не понимает этой механики, режет верхнефункциональные инвестиции ровно в тот момент, когда они начали бы давать отдачу в нижней воронке

Реальная картина по срокам выглядит так: платный поиск и ретаргетинг реализуют 80–90% ценности в первую неделю; email и собственные медиа — 60–70% в первые две недели; платный таргетинг и медийная реклама — 50–60% в первые три недели, с хвостом до 8–12 недель; видео и брендовые кампании — только 30–40% ценности в первый месяц, основная часть накапливается за три-шесть месяцев

Это означает, что при перераспределении бюджета в сторону бренда еженедельные показатели падают по конструкции, а не из-за провала стратегии. Практическое решение — двойной формат отчётности: что произошло на этой неделе плюс прогноз на основе кривых окупаемости по каждому каналу. Это даёт руководству контекст для оценки, а не повод для паники

CAC, LTV и маржа: три параметра, без которых ROAS вводит в заблуждение

Канал с ROAS 6x при высоком оттоке клиентов и тонкой марже может быть хуже канала с ROAS 3x, где покупатели остаются надолго. Усреднённый ROAS скрывает именно это — и именно поэтому бюджетные решения, основанные только на нём, системно ошибочны

Первый параметр — CAC в разрезе канала и когорты. Стоимость привлечения клиента через брендовый поиск и через холодный таргетинг — принципиально разные числа. Например, если CAC через брендовый поиск составляет 800 рублей, а через холодный таргетинг — 3 200 рублей, смешивать их в одну строку бюджета значит не понимать, где реально создаётся экономика. Второй параметр — LTV с учётом срока удержания

Если клиент, пришедший через контент, остаётся в два раза дольше, чем клиент из промо-кампании, это кардинально меняет оценку рентабельности канала — хотя в стандартном отчёте контент выглядит дорогим и медленным. Третий параметр — маржинальный вклад, а не выручка. Канал, генерирующий выручку через скидки или с низкой маржой, может ухудшать экономику бизнеса при росте доли в миксе. Оценка ROI без маржинальности — это оценка оборота, а не прибыли

Практический вывод: бюджетные решения должны опираться на маржинальный вклад канала, а не на его средний ROAS. Канал с сильным средним показателем может быть насыщен на марже — и каждый следующий вложенный рубль даёт всё меньше. Проверочный критерий: если при увеличении бюджета канала на 20% маржинальный вклад растёт менее чем на 10% — канал достиг точки убывающей отдачи и требует переоценки

Скорость обучения важнее точности измерений

Ожидание статистической идеальности перед принятием решения — один из самых надёжных способов отстать от рынка. Модель с 60% направленной уверенностью, применённая быстро и скорректированная по результату, стабильно обыгрывает точный ответ, пришедший на квартал позже. Это не призыв к безосновательным решениям — это признание того, что рынок не ждёт, пока вы накопите идеальную выборку

Организации, которые проводят инкрементальные тесты регулярно — не как антикризисный проект, а как часть операционного ритма, — накапливают структурное преимущество. Каждый тест создаёт задокументированную методологию, которая делает следующий тест дешевле и быстрее. За 12–18 месяцев это формирует разрыв в качестве решений между теми, кто выстроил этот процесс, и теми, кто всё ещё полагается на атрибуционные отчёты

Конкретный пример: команда, проводящая четыре holdout-теста в квартал, к концу года имеет 16 задокументированных точек данных о реальном вкладе каналов — против нуля у команды, которая ждёт «правильного момента» для большого исследования

Из этого следуют три изменения в операционной логике. Атрибуция остаётся инструментом для тактической оптимизации кампаний, но перестаёт быть основой стратегических бюджетных решений. Бюджет распределяется по маржинальному вкладу, а не по усреднённому ROAS. Инкрементальные тесты встраиваются в еженедельный цикл, а не запускаются раз в год по требованию финансового директора

Команды, которые сделали эти три сдвига, перестают защищать неэффективные каналы и начинают принимать решения, которые реально улучшают экономику бизнеса

Ответы на эти вопросы могут быть для вас полезными

Чем инкрементальность отличается от атрибуции на практике? Атрибуция говорит, какие каналы присутствовали на пути к конверсии. Инкрементальность говорит, какие из них реально изменили исход. Для тактики достаточно атрибуции. Для решения о том, куда вложить следующий миллион, нужна инкрементальность

Как оценивать верхнефункциональные каналы, если они не дают быстрых конверсий? Применяйте более низкий порог уверенности — 50–60% направленного сигнала достаточно для продолжения инвестиций. Используйте опережающие индикаторы: рост брендового поиска, улучшение конверсии в нижней воронке через 8–12 недель, снижение CAC в когортах, пришедших после охватных кампаний

Что делать, если нет ресурсов на полноценное MMM или гео-эксперименты? Начните с holdout-теста в одном канале: отключите его для сегмента аудитории на две-три недели и сравните конверсии с контрольной группой. Это не идеально, но даёт направленный ответ дешевле, чем любая внешняя модель

Как объяснить финансовому директору, почему ROAS падает после перераспределения бюджета в бренд? Покажите кривые окупаемости по каналам и прогноз на 3–6 месяцев. Падение еженедельного ROAS при росте инвестиций в верхнюю воронку — ожидаемое поведение системы, а не сигнал провала. Без этого контекста краткосрочный отчёт будет оптимизироваться в ущерб долгосрочному росту