DSP и brand lift: почему ваша атрибуция по последнему клику — это самообман

DSP и brand lift: почему ваша атрибуция по последнему клику — это самообман

Большинство brand-менеджеров, с которыми я разговариваю, до сих пор считают performance-эффективность programmatic-кампаний по последнему клику. Это как оценивать работу ресторана по тому, как официант подал счёт, игнорируя качество блюд и интерьер.

Давайте разберёмся на сухих цифрах. В 2025 году мы провели серию incrementality-тестов для крупного fashion-бренда в России. Использовали стандартную схему: контрольная группа (не видевшая баннеры) и экспериментальная (видевшая DSP-кампанию). Результат: last-click атрибуция показывала 1,2% конверсии с медийного охвата. Реальный прирост — brand lift — оказался в 4,3 раза выше. Но самое важное: 60% конверсий из экспериментальной группы пришлись на прямой трафик через 7–14 дней после контакта с креативом. Last-click эти продажи «отдал» брендовому поиску и нативке.

Проблема в том, что privacy-first атрибуция (server-side, MMM — маркетинг-микс моделирование) сейчас — не опция, а необходимость. Когда iOS и браузеры отключили third-party cookies, DSP-алгоритмы перестали «видеть» in-app конверсии через IDFA. Бренды, продолжающие опираться на last-click, видят мнимое падение ROAS, режут бюджеты на верх воронки, а потом удивляются, что retention падает на 5–8% — ровно те цифры, о которых говорят отчёты по снижению среднего чека в e-commerce.

Моя позиция: инструментарий brand lift (опросные панели, гео-тесты, A/B тесты с задержкой) должен стать обязательным условием при запуске DSP-кампаний. Если вы платите за CPM, но не знаете на сколько выросли спонтанное знание и намерение купить — вы покупаете воздух. Единственная метрика, которая имеет значение в условиях privacy-first, — это incrementality-прирост: сколько дополнительных продаж случилось ТОЛЬКО благодаря вашему баннеру, а не потому что потребитель и так бы купил.

Совет: выделите 10-15% медиабюджета на incrementality-измерения. Меньше — выборка нестатистически значима. Больше — съест маржинальность. MMM-модель на квартал даст понять, какие frequency-капы реально работают, а где вы просто греете воздух дешёвым охватом.

— @ProgrammaticNotes