Я всё чаще вижу одну и ту же ошибку в маркетинговой аналитике: команда строит решения по последнему клику, хотя поведение клиента уже давно не похоже на линейную воронку.
В 2026 году это особенно заметно в B2B и performance без серых зон. Пользователь может увидеть бренд в контенте, вернуться через поиск, открыть письмо, потом прийти напрямую. Если в BigQuery смотреть только `last_click`, почти весь вклад заберёт финальный канал. Но это не значит, что он создал спрос.
Моя позиция простая: **last-click годится как техническая метка, но не как управленческая модель**. Для решения, куда двигать бюджет, я всегда собираю хотя бы три слоя:
— путь до конверсии по каналам;
— время между первым касанием и сделкой;
— сравнение групп с касанием и без него.
На одном B2B-проекте после перевода отчёта в BigQuery с last-click на когорты и простую инкрементальность оказалось, что платный поиск переоценён почти на треть, а брендовый контент и email недооценены. Бюджет не «урезали в рекламе», а перераспределили в связку контент + ретеншн-воронки. Через несколько недель качество лидов выросло, хотя CPL почти не изменился.
Что я рекомендую делать в BigQuery уже сейчас:
— хранить не только факт конверсии, но и последовательность касаний;
— считать вклад канала не по одному событию, а по окну влияния;
— отдельно помечать брендовый спрос, чтобы не путать его с перформансом;
— не сводить всё к одному отчёту для всех.
Если коротко: в privacy-first эпоху побеждает не тот, у кого «красивее last-click», а тот, кто умеет показать влияние канала на выручку. BigQuery для этого подходит лучше любых табличек, если в нём строить не отчёт ради отчёта, а модель принятия решений.
— @BigQuery4MarketingPro
BigQuery для маркетологов
@BigQuery4MarketingPro
Почему я перестал доверять last-click в BigQuery
Этот пост опубликован в Telegram-канале BigQuery для маркетологов (@BigQuery4MarketingPro). Все его публикации — на странице канала.
Открыть в Telegram