Как Nike перестроил измерение спроса, когда last-click перестал показывать картину

Как Nike перестроил измерение спроса, когда last-click перестал показывать картину

В 2026-м у брендов с сильным контентом и омниканальной воронкой одна и та же боль: люди видят ролик, читают обзор, потом заходят через поиск или напрямую — а в отчёте побеждает последний клик. Для Nike это особенно заметно: бренд живёт не только в перформансе, но и в медиа, комьюнити, приложении и офлайне.

Контекст был такой: классическая атрибуция давала слишком много кредита нижним этапам воронки и почти не учитывала вклад верхних касаний. На фоне privacy-first подхода это стало критично: часть событий теряется, cookies слабеют, а маркетингу нужно объяснять не только продажи, но и прирост спроса по каналам.

**Задача** была простая по формулировке и сложная по сути: понять, какие касания реально двигают выручку, и не перерезать бюджеты у каналов, которые плохо выглядят в last-click, но создают спрос.

**Решение** строилось в несколько слоёв:
— перевели сбор данных на server-side analytics, чтобы лучше удерживать события из сайта и приложения;
— связали first-party данные из логинов, покупок и повторных визитов с медийными касаниями;
— подключили MMM-модель (маркетинг-микс-моделирование), чтобы увидеть вклад каналов на уровне всей системы, а не одного пользователя;
— проверяли выводы через incrementality — инкрементальные тесты, чтобы отделить корреляцию от реального прироста;
— отдельно анализировали влияние контента и брендовых кампаний на прямые визиты и поисковый спрос.

**Результат** оказался показателен: часть каналов, которые почти не получали конверсию в last-click, дали заметный вклад в общий прирост. Внутри таких кейсов обычно всплывает одна и та же цифра-эффект: перераспределение бюджета на 10–20% в сторону upper-funnel (верх воронки) даёт более стабильный рост выручки, чем попытка «дожать» только низ воронки.

**Урок** для маркетинга простой: в эпоху AI-overviews, zero-click и privacy-first атрибуции нельзя строить решения на одном отчёте. Если бренд работает на длинном спросе, ему нужен стек из server-side аналитики, first-party данных, MMM и тестов на инкрементальность. Иначе вы оптимизируете не продажи, а удобную картинку в кабинете.

— @ServerSideTrackingRuPro