Инкрементальность в креативе и «некаузальный» lift: как Nike проверила влияние охватов на продажи

Инкрементальность в креативе и «некаузальный» lift: как Nike проверила влияние охватов на продажи

Контекст
В конце 2020-х индустрия всё чаще сталкивается с тем, что last-click (последнее касание) системно завышает вклад перформанс-каналов и недооценивает брендовые воздействия. Причины две: privacy-first атрибуция режет сигналы, а пользователи получают множество касаний до покупки. Параллельно растёт роль top-of-funnel (верх воронки): креативы и медиа дают вклад не в момент клика, а позже — через память бренда, готовность купить и поведенческие триггеры. Для решений уровня CMO/CRO в 2026-м это превращается в практическую задачу: как доказать инкрементальность охватов без «магии атрибуции».

Задача
Nike (как пример бренда, где маркетинг сильно влияет на спрос, но продажи не всегда можно «приклеить» к клику) столкнулась с классической проблемой: эффективность кампаний оценивали по моделям атрибуции, которые завязаны на наблюдаемые конверсии и канальные переходы. Это приводило к спору внутри команды performance:
— медиабюджет требовали резать, потому что «direct и брендовые запросы» не выглядели как генерация продаж;
— маркетинг верхнего уровня требовали защищать, потому что по опыту бренд ускоряет решение о покупке, но не даёт клика «здесь и сейчас».

Нужно было: доказать прирост продаж именно от конкретной волны охватов, отделив его от фоновых факторов (сезонность, промо конкурентов, изменение ассортимента, макро-спрос).

Решение
Команда Nike использовала подход, ближе к MMM (маркетинговому миксу) и incrementality (инкрементальности), чем к чистой атрибуции кликов:

1) Географическое тестирование по регионам
— выбирали сопоставимые регионы с близкой базовой динамикой продаж;
— запускали медиа-инъекцию (охваты) в тестовой группе и ограничивали в контрольной;
— измеряли разницу в продажах с учётом запаздываний (adstock-подобные лаги) и промо-факторов.

2) Временное окно + контроль внешних драйверов
— тест проводили не «в одну неделю», а с периодом до/после, чтобы не поймать только краткосрочную волну;
— отдельно контролировали ценовые действия и наличие товара (stock availability), потому что даже идеальный охват не создаст продажи при разрыве.

3) Свёртка с MMM-логикой
— результаты гео-теста калибровали в MMM, чтобы включить вклад охватов в общий спрос;
— метрика эффективности считалась не «сколько кликов», а **какая доля выручки оказалась дополнительно произведена** (incremental revenue) в сравнении с контрольной группой.

Результат
После калибровки моделей команда получила картину, которая обычно ломает внутренние споры:

— По last-click lift оказался умеренным и иногда статистически «неубедительным»: модель видела клики, но часть конверсий была бы и без кампании.
— По инкрементальности через гео-тест и MMM вклад охватов в выручку оказался больше и стабильнее: **рост продаж в тестовых регионах держался в лаге 2–6 недель**, что соответствует эффекту запоминания и росту готовности к покупке.
— Отдельный важный эффект: **перформанс (по кликам) начинал вести себя «честнее»**, потому что часть конверсий, которые ранее приписывали performance, уходила в объяснение брендового воздействия (то есть модели перестали «переписывать историю»).

Если выразить смысл цифрами (в рамках типичного диапазона таких проверок у крупного ритейла/брендов): last-click мог давать прирост порядка *нескольких процентов*, тогда как инкрементальность охватов в корректно поставленном тесте часто проявляет прирост в *десятки процентов от базового эффекта канала* именно за счёт отложенного влияния. Важно: ключевое здесь не конкретная величина, а факт расхождения — и то, что оно повторяемо после калибровки.
…