Атрибуция «по последнему клику» — миф. И BigQuery здесь ни при чём

Атрибуция «по последнему клику» — миф. И BigQuery здесь ни при чём

Миф: «Если выгрузить в BigQuery все клики и посадочные, то можно честно посчитать эффект по last-click (последний клик) — и принимать решения».

Откуда растёт заблуждение
В 2016–2020 мы действительно могли собрать путь пользователя довольно полно: cookie-длинные сессии, стабильные ID, предсказуемые UTM. Затем privacy-first настройки, серверная передача событий и ограничения браузеров сделали пути короче и “дырявее”. Но привычка осталась: раз данные в таблице есть, значит, выводы можно строить напрямую.

Почему это неправда
Last-click ломается не потому, что “не умеем в BigQuery”, а потому что метрика ответа на маркетинг — про влияние, а не про маршрут. Последний клик чаще отражает момент выбора (intent), а не вклад канала. В итоге вы получаете систематическое перекладывание заслуг: ретаргет, брендовый поиск (search по названию) и ретроспективные кампании будут выглядеть лучше, чем то, что формировало спрос раньше. В модели появляются самоисполняющиеся легенды: бюджет растёт туда, где “последний шаг”, и проседает то, что создаёт спрос.

Что вместо этого
Вместо one-metric истины — связка процессов:
— privacy-first атрибуция через инкрементальность (incrementality) и контрольные группы, где возможно
— MMM (маркетинговое моделирование) для агрегированного вклада каналов, когда user-level путь неполный
— в BigQuery — не “сшивать всё ради last-click”, а строить витрины для экспериментов и временных рядов: GRP/охват, медиабюджет, промо, сезонность, продажи/выручка

Практическое правило: если решение зависит от конкретного “последнего клика”, значит вы снова подменяете причинность маршрутом. Для 2026 это уже риск для маркетинга, RevOps (общая ответственность за выручку) и руководства продаж.

— @BigQuery4Marketing