first-touch / last-touch атрибуция

Определение

Две базовые модели атрибуции конверсий. First-touch присваивает 100% "веса" каналу первого касания (инициатор спроса). Last-touch – каналу последнего касания (финальная точка воронки). В Яндекс.Метрике по умолчанию – last-click, близкая к last-touch.

First-touch и last-touch – две модели атрибуции конверсий. First-touch отдаёт "заслугу" каналу первого касания (SEO (поисковая оптимизация), медийка). Last-touch – каналу последнего касания (Директ-бренд, прямые заходы). Выбор модели влияет на распределение бюджета.

3 мин 279 Обновлено 19 октября

Модель атрибуции – это правило, по которому маркетинговая аналитика распределяет "заслугу" за конверсию между каналами, которые видел клиент по пути к покупке. От выбора модели зависит, какой канал выглядит "эффективным", а какой – "затратным". Один и тот же бюджет при разных моделях можно интерпретировать диаметрально противоположно.

Как это работает

Типичный путь клиента в B2C – несколько касаний с брендом:

  1. Увидел статью в Дзене (контент-маркетинг)
  2. Зашёл на сайт по SEO-запросу через неделю
  3. Получил ретаргетинг в Я.Директе через ещё неделю
  4. Кликнул на бренд-кампанию в Директе и оставил заявку

Кому здесь принадлежит "заслуга" за конверсию? Зависит от модели:

  • First-touch – 100% контент-маркетингу (Дзен, шаг 1). Логика: "без него клиент бы вообще не узнал"
  • Last-touch – 100% бренд-кампании Директа (шаг 4). Логика: "именно последнее касание привело к конверсии"
  • Last-click (по умолчанию в Метрике) – почти то же, что last-touch, но с поправкой: прямые заходы и сессии без рекламной метки наследуют атрибуцию от предыдущего касания. Чаще всего практически совпадает с last-touch
  • Linear – поровну между всеми касаниями (при N касаниях – по 1/N каждому; например при 4 шагах – по 25%)
  • Position-based (40-20-40) – модель Google Analytics: 40% первому касанию, 40% последнему, 20% распределено между средними. В других системах сквозной аналитики соотношение может быть настраиваемым
  • Time-decay – экспоненциально больше веса каналам, которые ближе к конверсии. Учитывает "забывание" клиентом ранних касаний

Зачем это нужно

  • Распределение бюджета между каналами. Last-touch обычно "хвалит" Директ (особенно бренд-кампании) и прямые заходы. First-touch – SEO, контент, медийку. Бюджет на канал зависит от модели
  • Понимание реальной воронки. Если бизнес растёт за счёт повторных покупок и узнаваемости – first-touch ближе к правде. Если за счёт "горячего трафика" (Директ по транзакционным запросам) – last-touch
  • Защита "верха воронки" от срезов. Без правильной модели атрибуции SEO и контент-маркетинг могут выглядеть "слабыми" (last-touch их не видит). Бизнес режет эти каналы, а через 6 месяцев теряет узнаваемость и оборот

Какую модель выбрать

Универсального ответа нет. Практические рекомендации:

  • Если короткий цикл сделки (импульсные покупки, экстренные услуги) → last-touch / last-click. Клиенты приходят и покупают в одну сессию, путь касаний короткий
  • Если длинный цикл сделки (B2B, дорогие услуги, недвижимость) → position-based или time-decay. Между первым касанием и сделкой могут проходить недели или месяцы. Нужно учитывать всю цепочку
  • Если важна оценка узнаваемости и медиа-каналов → first-touch. Показывает реальный "вход в воронку", не зависит от того, что клиент в финале кликнул на бренд-кампанию
  • Для оптимизации автостратегий Директа → last-click. Это модель по умолчанию, на ней обучаются автостратегии

Пример сравнения моделей

В аудите медицинской клиники в Москве – путь типичного пациента:

  1. SEO-запрос "лучшая клиника в районе X" → попал на сайт
  2. Ушёл, не записался
  3. Через 5 дней увидел ретаргетинг в Директе → перешёл
  4. Прочитал ещё страницы услуг, ушёл
  5. Через 3 дня позвонил по бренд-запросу из Директа

По last-click: Директ-бренд получает 100% "заслуги". По first-touch: SEO. По linear: каждое касание по 33%. Решение "как считать" влияет на то, какому каналу дают бюджет в следующем квартале.

Частые ошибки

1. Используют только last-click и не задумываются. Это умолчание Метрики, и большинство маркетологов на нём и остаётся. Без сравнения с другими моделями риск переоценить "нижнюю воронку" (Директ, бренд-запросы) и недооценить "верх" (SEO, контент).

2. Переключают модель посреди отчётного периода. Сравнивают "было last-click, стало first-touch" – естественно, цифры разные. Это не "канал начал работать", это "методология сменилась". Нужно либо пересчитывать оба периода в одной модели, либо вообще не сравнивать.

3. Сводят прямые заходы в last-click без проверки. Метрика по умолчанию "наследует" атрибуцию прямого захода от предыдущего касания (это и есть last-click). Но если cookie очищены, или прошло больше 30 дней, прямой заход атрибутируется как "прямой" – и часть Директа выглядит хуже, чем есть.

4. Игнорируют ассоциированные конверсии. В отчётах Метрики и Директа есть "Ассоциированные конверсии" – где канал участвовал в пути, но не был последним. Если их не смотреть, теряется 30–60% картины – особенно для медийки и SEO.

5. Сравнивают модели без понимания цикла сделки. Last-touch для импульсных продаж и last-touch для недвижимости – это разные истории. Модель должна соответствовать длине цикла сделки в нише.

Частые вопросы

Чем last-touch отличается от last-click в Метрике?

Last-touch – это "последний канал, через который клиент пришёл", независимо от того, кликнул он там или зашёл прямо. Last-click – модель Яндекс.Метрики по умолчанию: атрибуция отдаётся последнему рекламному клику; прямые заходы наследуют атрибуцию от предыдущего рекламного касания (в окне 30 дней по умолчанию). На практике в большинстве проектов last-click и last-touch дают близкие результаты – разница 5–15%.

Как настроить модель атрибуции в Яндекс.Метрике?

В отчётах Метрики – в правом верхнем углу есть селектор "Модель атрибуции". Доступны: last-click (умолчание), first-click, last-significant-click (последний значимый клик, игнорирует прямые заходы), last-yandex-direct-click (последний клик из Директа). Linear, position-based и time-decay в Метрике из коробки нет – для них нужна сквозная аналитика (Roistat, K50).

Какая модель атрибуции "правильная"?

Никакая. Модель – это инструмент анализа, а не истина. Для одного проекта last-click – рабочий выбор (импульсные продажи), для другого – first-touch (бренд-маркетинг, B2B). Зрелые маркетологи смотрят на разные модели как на разные углы зрения и принимают решения по консенсусу 2–3 моделей, а не одной.

Влияет ли модель атрибуции на обучение автостратегий Директа?

Прямо – нет. В кабинете Яндекс.Директа в настройках кампании можно выбрать модель атрибуции, по которой стратегия будет считать конверсии – это влияет на то, какие именно конверсии алгоритм видит. Сами автостратегии обучаются на цели в Метрике (отправка формы, звонок, оплата). Конверсия фиксируется как событие, а модель атрибуции уже потом распределяет её вес между каналами в отчётах. Но косвенно влияет: если в Директ передаётся цель "оплата", а в CRM по "оплате" уже применяется модель атрибуции (через сквозную аналитику), Директ видит больше или меньше "оплат" по своим кампаниям.

Что такое multi-touch attribution?

Multi-touch attribution – общий термин для моделей, которые делят вес конверсии между несколькими касаниями (а не дают всё одному каналу). Включает linear, position-based, time-decay, а также data-driven attribution на машинном обучении (есть в Google Analytics 4). Multi-touch – стандарт в зрелом маркетинге, single-touch (first или last) – упрощение для быстрых решений.

279

Связанные термины

Материалы по теме

Что почитать дальше по этой теме

Инструкция Уведомления о заявках с сайта в MAX: что нужно для подключения Что нужно, чтобы заявки с сайта приходили в MAX: верифицированная организация, модерация бота, токен из веб-версии и группа для заявок. Плюс разбор для разработчика. 7 мин 219 4 октября 2026 Статья Что боты находят на сайте, а вы – нет Боты ходят по изнанке сайта, куда живой человек не забредёт, и фиксируют в логах то, чего не видно ни в Метрике, ни на витрине: падающие с ошибкой 500 страницы каталога, битый файл с 747 обращениями, поток сканеров секретов. Разбираю на реальных логах, что искать и как чинить. 7 мин 436 22 июля 2026 Инструкция Как выгрузить и читать access-логи, если хостинг хранит их три дня Access-лог (журнал обращений к серверу) – единственное место, где виден весь трафик сайта, включая ИИ-ботов, которых не замечают счётчики. Разбираю на практике: где взять логи, как не потерять их из-за ротации, какие команды показывают ботов, ошибки и подозрительную активность. 7 мин 431 21 июля 2026 Флагманский гайд ИИ-анализ email-обращений: методика на стыке Яндекс.Метрики и Claude Code Классический email-трекинг отвечает на вопрос "откуда пришло обращение". ИИ-слой отвечает на вопросы, которые раньше требовали ручного аналитика: значим ли email на фоне звонков, форм и мессенджеров, почему один источник даёт качественные обращения, а другой – пустые, какие сегменты визитов предшествуют письму, что написать в ответ с учётом пути пользователя. Здесь – как я собираю это на уже имеющемся стеке: Logs API Метрики, PostgreSQL и Claude Code, без новых платных сервисов. 11 мин 458 26 мая 2026 Флагманский гайд Майкор: ИИ-аудит проекта по 4 точкам контакта Майкор – это перекрёстный ИИ-аудит проекта в 4 точках контакта: сайт, контекстная реклама, ИИ-поиск и Яндекс.Карты. Я анализирую каждую систему и смотрю связки между ними – где маркетинг рассказывает одно, реклама ведёт на другое, а ИИ-системы цитируют третий номер телефона. В одном из моих аудитов медицинской клиники в Москве у организации в индексе ИИ-сервисов оказалось 6 разных номеров и всего 7 упоминаний на 64 проверочных запроса – при том, что в обычной выдаче Яндекса клиника была в топ-1. Майкор закрывает такие разрывы за один аудит вместо четырёх раздельных. 16 мин 744 13 мая 2026