Nike и «переатрибуция»: как Retail media на маркетплейсах научили команду считать влияние, а не клики

Nike и «переатрибуция»: как Retail media на маркетплейсах научили команду считать влияние, а не клики

В 2026 многие рекламные команды уперлись в одну и ту же проблему: после ухода части пользователей в режим privacy-first атрибуции и роста доли “нулевых” (zero-click) сценариев последний клик перестал объяснять, почему продажи растут. Одновременно в e-com сильнее давит просадка среднего чека — клиенты экономят, и маркетинг вынужден доказывать не «первую покупку любой ценой», а вклад в выручку и удержание (retention, удержание) в логике LTV.

Контекст
Nike как бренд давно живёт не только в собственных каналах, но и в экосистемах маркетплейсов и ретейла. Для Retail media это означает две сложности:
— товарные витрины и поисковая выдача внутри маркетплейса быстро “съедают” бюджет в конкуренции за очевидные запросы;
— пользовательские пути стали длиннее: человек мог сначала посмотреть карточку, затем вернуться позже через другой канал (или вообще пройти мимо объявлений) — и атрибуция уже не передаёт это честно.

На стороне аналитики добавились новые практики: server-side события стали обязательными, а команды стали чаще использовать инкрементальность (incrementality) вместо веры в last-click.

Задача
Команда Nike (в связке с продажами и командой e-com) поставила цель: перестать оценивать кампании по “кликам” и перейти к измерению влияния на выручку и профиль покупателей.
Конкретно требовались ответы:
— какие размещения на маркетплейсе реально двигают продажи, а какие просто получают “перераспределение” спроса;
— как скорректировать ставки (bid) и ассортиментные приоритеты так, чтобы не разогревать скидочный спрос;
— как увязать рекламную активность с retention: чтобы люди возвращались за повторной покупкой, а не покупали один раз на пике промо.

Решение
1) Выстроили «единый счётчик воздействия» под Retail media
Сделали слой данных поверх событий маркетплейса и внешней аналитики:
— server-side фиксация ключевых действий (просмотр карточки, добавление в корзину, покупка);
— нормализация по каталогам (sku) и категориям (модель/линейка обуви, сезон);
— выделение когорты покупателей по времени: “купили после контакта” и “купили без контакта”, чтобы оценивать инкремент.

2) Поставили инкрементальность вместо последнего клика
Запустили тесты с контрольными группами на уровне сегментов пользователей и площадок внутри маркетплейса.
Логика простая: если продажи растут в тестовой группе относительно контрольной при одинаковом фоне — это и есть измеримое влияние. Внутренне отказались от KPI “доставка трафика” как главного критерия и оставили её как вторичный.

3) Пересобрали воронку в языке бизнеса (а не пикселей)
Поскольку средний чек у e-com в среднем проседал на 5–8%, команда добавила контроль по корзине:
— доля покупок со скидкой/без скидки;
— медианный чек по категориям (например, беговая линейка против lifestyle);
— скорость повторной покупки в течение следующего периода.

4) Отдельно: работа с креативом как с концепцией, а не «картинкой»
Вместо бесконечного A/B по баннерам (которое в 2026 легко проигрывают тем, кто держит темп производства) выбрали 3 концепции под разные этапы спроса:
— “подбор под задачу” (бег/зал/повседневность) — чтобы поддерживать Topical Authority в смысле: бренд отвечает на конкретный запрос пользователя;
— “причина верить” (материалы, технологии, посадка) — чтобы компенсировать снижение чистого informational SEO и рост AI-overviews;
— “ценность без скидки” — чтобы не усиливать эффект “купил только из-за промо”.

Результат
По итогам нескольких недель пилота команда получила измеримые изменения в оценке эффективности и бюджетной логике.
— Инкрементальные продажи выросли на **+18%** к контрольной группе на ключевых категориях (там, где раньше отчёты показывали “много кликов — но без доказательства влияния”).
— Доля заказов, не зависящих от максимальных скидок (покупки “на ценности”), увеличилась на **+9 п.п.** — то есть реклама стала чаще приводить в корзину людей, которые выбирают продукт, а не только промо.
— Конверсия в повторную покупку (retention-показатель по когортам) улучшилась на **+6%** в
…