Трансформация модели атрибуции: как переход на маркетинг-микс моделирование спас performance-бюджеты Lamoda

Трансформация модели атрибуции: как переход на маркетинг-микс моделирование спас performance-бюджеты Lamoda

В эпоху 2026 года, когда приватность данных и ограничения со стороны браузеров практически обнулили эффективность классической атрибуции по последнему клику (last-click), многие крупные игроки столкнулись с проблемой ослепления рекламных кампаний. Lamoda, будучи гигантом fashion-ритейла, столкнулась с тем, что привычные инструменты трекинга стали показывать заниженный вклад медийной рекламы в итоговую выручку, что приводило к необоснованному сокращению охватных бюджетов.

Задача состояла в том, чтобы объективно оценить вклад каждого рекламного канала в общую выручку, учитывая длинный путь клиента (customer journey) и отказ от использования сторонних файлов cookie. Основная цель — переход от операционного управления затратами к стратегии максимизации совокупной прибыли, что соответствует принципам RevOps (общей ответственности маркетинга и продаж за выручку).

Решение заключалось во внедрении системы MMM (маркетинг-микс моделирование). Команда отказалась от попыток отследить путь конкретного пользователя в пользу статистического анализа массивов данных. В модель загрузили исторические данные по всем каналам трафика, включая офлайн-активности, сезонность, промо-акции и внешние факторы (например, макроэкономические показатели). Используя алгоритмы машинного обучения, специалисты выявили корреляцию между всплесками инвестиций в медийные охватные форматы и ростом органического поиска через 2–4 недели после запуска рекламных кампаний.

Результаты показали, что медийные каналы, которые ранее считались неэффективными по модели последнего клика, в действительности обеспечивали до 25% прироста прямого трафика. После перераспределения бюджетов на основе данных MMM удалось:
— Снизить стоимость привлечения клиента (CAC) на 12% за счет отказа от перегретых аукционов в пользу брендовых охватных кампаний.
— Увеличить LTV (пожизненную ценность клиента) на 9% за счет более качественной работы с удержанием, опираясь на прогнозируемые данные модели.
— Стабилизировать продажи в период снижения среднего чека на рынке, переключив фокус с «первой покупки» на удержание текущей базы.

Главный урок для Head of Performance: в текущих реалиях данные от платформ — это лишь часть картины. Переход к аналитике на основе моделирования (MMM) и инкрементальности (оценки прироста продаж только благодаря рекламе) становится обязательным условием выживания. Эпоха «цифрового следа» уходит, на смену ей приходит работа с эконометрическими моделями, где понимание смыслов и долгосрочного влияния креатива на бренд важнее, чем попытка «догнать» пользователя баннером. В условиях, когда поиск все чаще выдает готовые ответы в AI-обзорах, а не ссылки на сайты, умение доказать эффективность медийного присутствия через комплексное моделирование — ключевая компетенция команды развития.

— @PerfNewsDigest