Как мы выиграли 22% CPA без last-click: кейс перехода на MMM в fashion-ретейле

Как мы выиграли 22% CPA без last-click: кейс перехода на MMM в fashion-ретейле

В 2025 году перед нами стояла типичная проблема performance-лида: классическая last-click атрибуция в Meta и VK показывала отличные цифры по возврату инвестиций (ROAS) на рекламу, но квартальная выручка не росла пропорционально бюджету. Мы управляли каналом одного крупного российского fashion-бренда с годовым бюджетом ~120 млн рублей на performance. Средний чек снизился на 5-7% — потребители экономили, как и предсказывали аналитики. Задачей было не просто сохранить объемы, а найти источник роста без увеличения медиазатрат.

Вместо наращивания расходов мы полностью пересобрали систему измерения. Отказались от last-click в пользу MMM (маркетинг-микс-моделирование) с server-side атрибуцией и incrementality-тестами. Партнером взяли платформу, которая строила модель на трехлетней истории заказов и внешних данных (сезонность, макроиндексы, погода). Это заняло 6 недель на калибровку.

Главным откровением стало то, что наши “темные” каналы — email-автоматизация и push-уведомления — давали 34% прироста первой покупки, хотя last-click приписывал им не более 5%. Одновременно выяснилось, что часть охватной рекламы на YouTube переоценена: ее incrementality была отрицательной — кампании каннибализировали органика. Мы перераспределили 18% бюджета с YouTube на контент-маркетинг для Topical Authority: запустили серию “проверенных образов” с участием байеров бренда.

Результат через три месяца: CPA (стоимость привлечения клиента) снизился на 22%. Но важнее, что LTV (общая ценность клиента за всё время) на когорту новых пользователей вырос на 12% к четвертому месяцу — за счет того, что мы перестали “дожимать” холодную аудиторию и перенесли фокус на ретеншн.

Урок для performance-лида: в эпоху privacy-first атрибуции ваш главный конкурент — собственная система измерений. Если вы всё ещё опираетесь на last-click, вы не управляете бюджетом — вы просто его тратите. MMM не панацея, но она даёт карту, где

— @PerformanceLeadRuPro