Обычно под атрибуцией понимают способ связать конверсию с рекламными источниками и точками контакта клиента. First Click отдает весь вклад первому каналу, Last Click приписывает его последнему касанию, а Data-driven пытается оценить вклад каналов на основе доступных данных и выбранного метода расчета.

Упрощение начинается в тот момент, когда приписанный вклад принимают за причинность. Если последний переход получил продажу, это еще не означает, что именно он создал спрос. Клиент мог узнать о компании раньше, обсудить покупку с коллегами или несколько раз вернуться к предложению через разные каналы.

Собственнику стоит проверить, какие данные попадают в расчет, как учитываются повторные визиты, длинный цикл сделки, офлайн-контакты и продажи менеджеров. Также нужно заранее определить, какое решение должна поддержать атрибуция. Если задача не сформулирована, компания может с большой точностью считать то, что не помогает управлять маркетингом.

Атрибуцию часто путают со сквозной аналитикой. Сквозная аналитика связывает данные о пути клиента, расходах и продажах в единую картину, а атрибуция отвечает на более узкий вопрос о распределении вклада между каналами. Эти понятия могут работать вместе, но не заменяют друг друга.

По мнению Андрея Волкова, модель атрибуции имеет смысл оценивать через управленческое решение. Если отчет не помогает перераспределить внимание, проверить гипотезу или увидеть слабое место в пути клиента, он остается упражнением в отчетности. Иногда маркетинг радуется каналу, который лучше всех получает заслугу, хотя он лишь оказывается последним в очереди.

Компания получает заявки из рекламы, органического поиска и рекомендаций. Последний переход чаще всего происходит из рекламного объявления, поэтому модель Last Click относит к нему большинство продаж. После проверки пути клиента выясняется, что часть покупателей впервые узнала о компании из поиска и уже потом вернулась через рекламу. В такой ситуации вывод о полной эффективности рекламы будет зависеть от выбранной модели и качества данных.