Как Ламода пересобрала performance-воронку под privacy-first атрибуцию

Как Ламода пересобрала performance-воронку под privacy-first атрибуцию

В 2024–2025 рынок e-com в России просел: средний чек в категории fashion снизился на 6–8%, а привычные модели оплаты за последний клик стали давать всё более кривую картину. Ламода — один из немногих крупных игроков, кто публично (и на профильных конференциях, и через кейсы для партнёров) рассказал, как перестраивал замер эффективности под новую реальность.

**Контекст**

К 2024 году performance-команда Ламоды упёрлась в классическую проблему: post-iOS-обновления, рост доли мобильного трафика (около 75%) и уход ряда рекламных инструментов в server-side. Привычная связка «last-click → оптимизация» показывала, что 60% конверсий «теряются» между кликом и покупкой. При этом повторные покупки генерировали уже более 40% выручки — а атрибуция их не видела вообще. Retention-маркетинг (работа с удержанием клиентов) фактически финансировался по остаточному принципу.

**Задача**

Перевести performance из режима «оптимизируем последнее касание» в режим «оптимизируем инкрементальную выручку» — то есть понимать, какой вклад канала реально добавил, а не просто соприкоснулся с пользователем. Параллельно — вернуть retention-команде голос в принятии решений по бюджетам, потому что повторная покупка даёт маржинальность в 2–2,5 раза выше, чем первая.

**Решение**

Ламода пошла в трёх направлениях одновременно.

— *Server-side атрибуция и MMM.* Команда внедрила собственную модель атрибуции, опирающуюся на server-side события (передача данных о действиях пользователя с сервера, минуя браузер пользователя), и параллельно запустила регулярный Media Mix Modeling (эконометрическая модель, которая раскладывает итоговые продажи на вклад разных каналов). MMM позволил раз в 2–4 недели видеть вклад каждого канала с поправкой на сезонность и промо.

— *Инкрементальные тесты как обязательный этап перед масштабированием.* Любой канал с бюджетом выше порога (~3–5 млн в месяц) должен был доказать инкрементальность (реальную дополнительную отдачу сверх контрольной группы) через A/B-тест с гео- или пользовательским сплитом. Каналы, которые «показывали» хороший last-click, но не давали прироста относительно контроля, теряли бюджет.

— *Сквозная ответственность за LTV.* Performance-лид стал совладельцем P&L (отчёт о прибылях и убытках) retention-команды. Это формальная, но важная штука: оценка работы теперь шла не по CPA (стоимости привлечения заказа), а по скорректированной марже с учётом LTV (пожизненной ценности клиента) и возврата.

**Результат**

По данным, которые команда озвучивала на рынке: за 8–10 месяцев доля каналов, прошедших инкрементальный тест, выросла с ~40% до ~70% от платного микса. Бюджет, перераспределённый в сторону каналов с подтверждённой дополнительной отдачей, дал рост выручки с неизменным рекламным бюджетом порядка 12–15% (без поправки на органику). Retention-команда впервые смогла защищать свои гипотезы на тех же данных, что и acquisition (команда привлечения).

**Урок**

Performance-лид в зрелом e-com в 2026 — это уже не человек, который «крутит рекламу». Это руководитель, который:

— понимает разницу между корреляцией и инкрементальностью и умеет это доказать цифрами через MMM и тесты;

— несёт ответственность за LTV, а не за CPA, и готов делить власть с retention- и product-командами;

— способен выстроить гибридную атрибуцию (server-side плюс моделирование), а не жить в иллюзии last-click.

Если из вашей команды всё ещё «успех — это ROI 200% в последнем клике», стоит честно спросить: вы замеряете вклад канала или просто привычно отчитываетесь?

— @PerformanceLeadRuPro