Customer Data Platform и «сквозной» бюджет: как посчитать вклад маркетинга в выручку без last-click

Customer Data Platform и «сквозной» бюджет: как посчитать вклад маркетинга в выручку без last-click

В 2026-м маркетинг-аналитика всё чаще упирается не в то, что мы «не умеем считать», а в то, что мы считаем слишком по-разному: разные команды рисуют разные «конверсии», разные источники дают разные «стоимости», а бизнес верит только тому, что можно защитить на цифрах. Customer Data Platform (CDP) тут перестаёт быть витриной и превращается в механизм согласования данных, который нужен RevOps (объединённая ответственность маркетинга, продаж и customer success за выручку), чтобы бюджет не превращался в спор версий.

Ниже — разбор того, как использовать CDP для расчёта вклада маркетинга в выручку в privacy-first эпоху, когда last-click (атрибуция «всё на последнего») больше не тянет ответственность.

Раздел 1. CDP как «словарь» выручки: выравниваем события и метрики до любых моделей
Тезис: прежде чем считать вклад, CDP должна привести маркетинговые события, идентификаторы и бизнес-метрики к одному определению, иначе любые incrementality (оценка прироста) будет математически бессмысленной.

Пример: команда performance берёт из ad-platform «лид» как событие регистрации на сайте, маркетинг-аналитика считает MQL (маркетинг-квалифицированный лид) по скорингу в CRM, а продажи относят SQL (sales-квалифицированный лид) к моменту подтверждения потребности. Если в CDP эти статусы не связаны и нет единого «ось-времени» (например, событие интереса → подтверждение → сделка), то модель атрибуции будет получать не «вклад», а сумму несопоставимых действий.
Как это лечится архитектурно:
— в CDP вводится единый конвейер нормализации: каждому ключевому этапу присваивается канонический тип события (interest / request / qualification / opportunity / won)
— время события хранится в одном часовом формате, с правилами приоритета (например, CRM-событие всегда побеждает, если есть расхождение)
— идентификаторы связываются в схему «лид-воронка»: anonymous-id → device-id → account-id → contact-id → customer-id
В итоге вы получаете «одну правду» о том, что считать выручкой и когда именно началась траектория.

Раздел 2. От «последнего клика» к траекториям: формируем инкрементальную выборку в CDP
Тезис: CDP должна поддержать построение траекторий и контрольных групп так, чтобы оценка вклада стала похожей на эксперимент, а не на реконструкцию задним числом.

Пример: предположим, вы запускаете ремаркетинг для продуктов A и одновременно повышаете активность контента для продукта B. Без корректной выборки вы получите эффект «всё от того, что было позже».
Практика в CDP:
— строится customer journey-карта: последовательность событий и касаний по времени (не «last_touch», а окно касаний, например 30/60/90 дней в зависимости от цикла сделки)
— формируются когорты: экспонированные и неэкспонированные (на уровне пользователя/аккаунта), при этом строго соблюдается, чтобы контрольная группа не «заражалась» теми же показами через другие каналы
— добавляются признаки поведения до экспозиции: первая активность, частота возвратов, сегмент отрасли, размер компании, базовые намерения
Дальше ваша модель (серверная атрибуция, uplift-модели или приближения к эксперименту) получает данные не «как получилось», а «как можно сравнить».
Важно: именно CDP отвечает за то, чтобы экспозиция и конверсия были привязаны к одному уровню идентичности (пользователь или аккаунт — решается до запуска расчёта).

Раздел 3. Consent и privacy-first: CDP снижает потери сигналов и делает расчёт воспроизводимым
Тезис: вклад маркетинга в выручку нельзя посчитать, если CDP не умеет работать с неполным и согласованным (consent-based) набором данных и при этом сохраняет воспроизводимость.
…