Как IKEA переложила атрибуцию в серверную аналитику и перестала терять часть конверсий

Как IKEA переложила атрибуцию в серверную аналитику и перестала терять часть конверсий

В 2026 году у платного трафика одна из главных проблем проста: браузер всё хуже отдаёт данные, а last-click показывает не реальную выручку, а то, что осталось после блокировщиков, ITP и отказов в cookies. Для брендов с длинным циклом выбора это особенно болезненно: человек смотрит 3–7 касаний, а в отчёте часто виден только последний визит.

У IKEA был типичный для e-com и omnichannel-кейса разрыв между рекламой и продажами. Трафик шёл из контекста, ретаргетинга и соцсетей, но в web-аналитике часть заказов не связывалась с источником. Итог: медиамикс управлялся по неполным данным, а команды спорили не о росте, а о том, «чей канал не доехал».

Решение было инженерным, а не «маркетинговым по настроению»:
— перевели ключевые события на серверную аналитику;
— связали пиксель, server-side-события и postback по единой схеме идентификаторов;
— нормализовали события: просмотр товара, добавление в корзину, старт оформления, покупка;
— для платных каналов оставили дублирующую передачу через браузер и сервер, чтобы не терять сигнал при сбое на одном из уровней;
— отдельно собрали аудитории для ретаргетинга из серверных событий, а не только из клиентского пикселя.

Что это дало на практике:
— доля «потерянных» конверсий снизилась, потому что сервер начал возвращать события, которые браузер не успевал отправить;
— качество атрибуции улучшилось: часть заказов, раньше уходивших в direct или organic, вернулась к платным касаниям;
— стоимость лида/заказа в отчётности стала стабильнее, а не «гуляла» из-за изменений в браузерах;
— стало проще сравнивать каналы по единому правилу, а не по разным окнам и разным версиям пикселя.

**Главный вывод:** в privacy-first эпоху серверная аналитика — это не «дополнение к пикселю», а базовый слой измерения. Если у вас есть e-com, B2B или омниканал, то вопрос уже не «ставить ли server-side», а «какие события у вас вообще можно считать достоверными без него».

Урок для маркетолога-инженера простой: сначала строим надёжную передачу событий, потом оптимизируем ставки. Иначе вы масштабируете не спрос, а ошибку измерения.

— @AdOpsRoom