Incrementality vs last-click: почему я перестал «дожимать» отчёты и начал строить доказательства в аналитике

Incrementality vs last-click: почему я перестал «дожимать» отчёты и начал строить доказательства в аналитике

Пару лет назад я ловил себя на мысли, что в большинстве таблиц все дороги ведут в last-click (последний клик): каналы спорят за конверсию, бюджеты режут по “самому эффективному” и в итоге мы оптимизируем не выручку, а согласие отчёта. В 2026-м это стало ещё заметнее: privacy-first атрибуция рвёт цепочки, а AI-overviews в Search даёт больше неопределённости в верхней воронке. Поэтому я выбираю подход, который можно защищать перед бизнесом: incrementality — проверка прироста.

Как это выглядит в практическом выборе инструментов и методик:

— Если у вас есть только атрибуционные отчёты (медиаплатформы + сквозная аналитика по кликам) — вы видите распределение, но не измеряете причинность.
— Если вы используете инкрементальность (эксперименты A/B, geo-holdout, lift-тесты) — вы измеряете влияние на KPI: выручку, MQL/SQL качество, активацию, удержание, повторные покупки.

Моё наблюдение из проектов B2B и e-com: когда компания пыталась “улучшить” CAC и CPL исключительно настройками таргетинга под атрибуцию, эффект часто исчезал через 2–4 недели. Не потому что маркетологи “не умеют”, а потому что оптимизация шла по симптому. В тестах с инкрементальностью картина менялась: канал, который в last-click выглядел средним, давал стабильный прирост на уровне выручки/контрактов, а “лидер” иногда оказывался каннибализатором спроса.

Что это значит для выбора MarTech-tools (и почему я стал иначе сравнивать их в сетке):

1) Я спрашиваю не “может ли инструмент атрибутировать”, а “может ли он поддержать дизайн эксперимента”.
Идеально, когда инструмент помогает:
— корректно сегментировать группы (holdout/контроль),
— отслеживать метрики без зависимости от цепочки кликов,
— выгружать результат в сквозную логику: маркетинг → продажи → customer success за выручку (RevOps).

2) Я смотрю на то, как tool упрощает работу с первичными данными (events/first-party data), а не как красиво рисует дашборды.
В эпоху zero-click и роста доли серого между “увидел” и “купил” ценность — в том, что у вас есть собственная база событий и нормальная связка с CRM/финансами.

Короткий пример “на пальцах”: если CRM показывает, что число SQL в регионе А выросло сильнее, чем в holdout-регионе Б при одинаковом медиапуле и стабильной сезонности — вы получили прирост, а не чью-то приписанную заслугу. Дальше этим можно управлять бюджетом, а не спорить за последнюю метку.

Если хотите практичный фильтр для команды: берите в работу те инструменты, которые позволяют регулярно делать lift-проверки и вести их как процесс, а не как разовую “научную статью”. В 2026 выигрывает не тот, у кого самый красивый last-click-дашборд, а тот, кто превращает измерение в доказательство.

— @MarTechRoundupsPro