# Почему маркетинг-аналитик в 2026 — это не Excel, а переводчик между мирами

# Почему маркетинг-аналитик в 2026 — это не Excel, а переводчик между мирами

Когда я начинал работать с данными в маркетинге, казалось, что главный навык — уметь собрать отчёт и построить дашборд. Сейчас эти задачи автоматизирует любой BI-инструмент. Сменился сам смысл профессии: аналитик перестал быть человеком, который «считает цифры», и стал человеком, который задаёт правильные вопросы и превращает данные в решения. В этом посте — о том, как сместился фокус и что с этим делать тем, кто строит карьеру в аналитике маркетинга прямо сейчас.

## От отчётов к решениям: почему «покажи график» больше не работает

Главный запрос к аналитику последние годы звучал как «сделай красиво». Команда ждала отчёта по кампании, воронке, ROI. Такой формат действительно работал, пока маркетинг жил в парадигме «запустили — посмотрели — повторили». Сейчас эта логика разваливается.

Возьмём B2B-сегмент. Классическая лидогенерация MQL/SQL слабеет: менеджеры по продажам всё реже готовы квалифицировать лид по форме из CRM, а маркетинг — передавать «готовых» клиентов. На смену приходит RevOps — модель, в которой маркетинг, продажи и клиентский сервис несут общую ответственность за выручку. Аналитик в этой схеме уже не «считает лиды», а помогает построить сквозную модель, в которой видно, где именно компания теряет деньги: в привлечении, в конверсии, в удержании.

Пример: в одной сервисной B2B-компании после перехода на RevOps-подход выяснилось, что отдел маркетинга оптимизировал стоимость лида, а отдел продаж — скорость закрытия сделки. Оба KPI (ключевых показателя эффективности) были зелёными, но выручка падала. Найти это можно было только сквозным взглядом на данные, а не отдельным отчётом каждого подразделения.

## Атрибуция, которой нельзя доверять: что пришло на смену last-click

Ещё пять-семь лет назад маркетинг-аналитик мог смело строить выводы на основе last-click (модели атрибуции, при которой всё «заслуга» отдаётся последнему касанию перед покупкой). Сегодня это путь в никуда. Privacy-first атрибуция, ограничения cookies (файлов отслеживания), server-side (серверное) отслеживание вместо браузерного — всё это ломает привычные модели.

Аналитик 2026 года работает с тремя инструментами как минимум:

— **Server-side трекинг**. События собираются с сервера, а не из браузера пользователя, и потому не зависят от блокировщиков рекламы и обновлений политик конфиденциальности.

— **MMM (Media Mix Modeling)**. Статистическая модель, которая оценивает вклад каждого канала в общую выручку на агрегированных данных. Не идеальна, зато не зависит от персональных идентификаторов.

— **Incrementality-тесты (тесты инкрементальности)**. Гео-сплит или holdout-тесты, которые показывают, что произошло бы без конкретного касания. Самый честный способ ответить на вопрос «а был ли эффект».

Пример из e-commerce (электронной коммерции): бренд одежды заметил, что в период распродаж direct-трафик (прямые заходы на сайт) якобы «приносит» 60% выручки. После проведения incrementality-теста в нескольких регионах оказалось, что выручка direct-канала падает всего на 8%, когда выключают платную рекламу. То есть большая часть «прямых» визитов была подогрета рекламой, но в модели last-click этого не было видно.

## Контент и AI-overviews: как меняется работа с поисковым трафиком

В канале мы много говорим про карьерный трек, но аналитик не может игнорировать тренды в каналах привлечения, потому что именно от них зависит, какие данные придётся измерять завтра. Самое заметное изменение последнего года — уход чисто информационного SEO (поисковой оптимизации сайта) и рост так называемых AI-overviews (кратких ИИ-ответов, которые поисковик показывает над результатами поиска

— @MarketingAnalystRu