Если у вас Я.Метрика на last-click, вы недооцениваете SEO и контент в 2-3 раза и переоцениваете брендовый Директ. Разбираем 4 модели атрибуции, как устроена сквозная аналитика и почему перераспределение бюджета после её внедрения возвращает 30-40% маркетинговых вложений.
Что такое сквозная аналитика — определение в одном абзаце
Сквозная аналитика — система, которая склеивает в одну цепочку все касания клиента с бизнесом: рекламный клик → визит на сайт → звонок или заявка → сделка в CRM → выручка и маржа. На выходе вы видите не «CPL по Я.Директу», а «реальный ROMI кампании Х: вложили 80 тыс. ₽, получили 6 сделок на 1,2 млн ₽ выручки и 380 тыс. ₽ маржи». Без сквозной аналитики вы оцениваете маркетинг по промежуточным метрикам (клики, заявки, CPL) — а они часто противоречат итоговой прибыли. Технически — это связка из 4 систем: веб-аналитика (Я.Метрика или GA4), коллтрекинг, CRM с выручкой по сделкам (Битрикс24 или amoCRM), агрегатор-дашборд (Roistat, OWOX, Power BI). Деталь по каждому модулю — в услуге «Внедрение Roistat».
Last-click атрибуция — почему она убивает SEO и контент
По умолчанию Я.Метрика и GA4 атрибутируют конверсию последнему источнику перед заявкой. Это значит: клиент 4 месяца читал ваши статьи в блоге, два раза приходил из SEO, один раз кликнул на ретаргетинг — и наконец зашёл в Я.Директ по брендовому запросу «упакуем рф» и оставил заявку. По last-click вся заявка достаётся Директу, бренд-кампании. SEO и блог получают 0 конверсий — на бумаге они «не работают». Что делает маркетолог? Срезает бюджет на SEO и контент, переливает в Директ. Через 3-4 месяца поток заявок падает в 1,5-2 раза — потому что верх воронки иссяк. Это не теория: по 87 проектам, где мы запускали сквозную аналитику, SEO и контент в реальности приносят 35-55% сделок (по data-driven), а по last-click — 8-15%. Разрыв в 3-4 раза.
4 модели атрибуции — какую выбрать в 2026
Все системы веб-аналитики позволяют выбрать модель атрибуции — но 95% бизнесов оставляют дефолт last-click и теряют видимость работы половины воронки. Вот четыре основные модели и для кого какая работает:
100% ценности конверсии достаётся последнему источнику. Подходит только для коротких воронок 1—3 дня с одним рекламным каналом. Для среднего и крупного B2C/B2B — практически непригодна: убивает SEO, контент и весь верх воронки.
100% первому источнику. Зеркальная ошибка last-click: переоценивает верх воронки, недооценивает закрытие сделки. Применяется в редких сценариях — когда вы анализируете именно работу источников привлечения.
Распределяет ценность между всеми касаниями по правилам — поровну (linear), по убыванию во времени (time-decay) или с акцентом на первое и последнее (position-based, 40-20-40). Подходит для бизнеса с 50—500 сделок в месяц. Самая популярная — position-based: 40% первому касанию, 40% последнему, 20% посередине.
Google Analytics 4 и Roistat умеют. ML-алгоритм сам распределяет веса между касаниями на основе исторических данных. Требует 1000+ сделок в месяц и 60+ дней истории — иначе выдаёт случайные веса. Для среднего бизнеса работает хуже rule-based.
Реальная математика: 35% бюджета впустую
Возьмём средний B2B-сервис: маркетинговый бюджет 800 тыс. ₽/мес. По Я.Метрике last-click: Директ-бренд приносит 60% заявок (CPL 2 100 ₽), SEO — 15%, контент — 5%, контекст-общие — 20%. Логичное решение маркетолога: лить в Директ-бренд, резать SEO. После 6 месяцев такой оптимизации: Директ-бренд масштабировать невозможно (исчерпан, CPL растёт до 4 800 ₽), SEO без поддержки контентом проседает, общий поток заявок падает с 380 до 240/мес. Что показывает сквозная аналитика на тех же данных по position-based: SEO — 38% от итоговой выручки, контент — 22%, Директ-бренд — только 14% (он закрывает сделку, но не открывает), контекст-общие — 26%. С такой картиной маркетолог удваивает SEO/контент-бюджет, удерживает Директ-бренд на 50%, режет общий контекст на 30%. Через 6 месяцев: поток заявок 540/мес. при том же общем бюджете. Это типичная история — медианный рост по нашим 87 проектам после перехода на position-based — 1,6× к лидогенерации при том же бюджете.
Маркетолог 4 месяца резал SEO в пользу Директ-бренда — поток упал с 380 до 240 заявок. После внедрения сквозной аналитики на position-based: SEO + контент удвоен, общий контекст урезан на 30%, Директ-бренд оставлен на 50%. Через 2 квартала: 540 заявок/мес. при том же бюджете 800 тыс. ₽. Реальный CPL — 1 480 ₽ против 3 330 ₽ до перенастройки.
Какой стек собрать: Метрика + коллтрекинг + CRM + Roistat
Сквозная аналитика — это не одна программа, а связка из четырёх систем. Каждая закрывает свой этап воронки. Минимум, который окупается в 90% случаев:
Источник веб-сессий, форм и микроконверсий. Бесплатно. Главное — правильная разметка целей и UTM. Без неё всё остальное смысла не имеет.
Подключаем, если звонки дают больше 20% обращений (медицина, авто, услуги, недвижимость, B2B). Пул из 5—15 динамических номеров + интеграция с CRM. Без коллтрекинга вы теряете 30—60% атрибуции в этих нишах. Подробный разбор — в нашей статье «Коллтрекинг в 2026».
Битрикс24 или amoCRM с обязательной передачей UTM-меток в карточку сделки и реальной выручкой обратно в аналитику. Если CRM нет — сквозная аналитика работает на 30% потенциала.
Сердце системы: склеивает данные из 4 источников выше и считает реальный ROMI по каналам. Лидер РФ — Roistat (от 24 тыс. ₽/мес). Альтернативы: Calltouch Analytics (бесплатно для клиентов CallTouch), OWOX BI на BigQuery (от 8 тыс. ₽/мес + BigQuery), кастом на Power BI / Looker Studio (от 60 тыс. ₽ за внедрение).
Внедрение за 6 шагов: что делать в первый месяц
Полный цикл — 6—8 недель. Бюджет: 180—450 тыс. ₽ единоразово + 32—60 тыс. ₽/мес. на лицензии. Самый ёмкий этап — внедрение агрегатора (шаг 5), на нём чаще всего срывают сроки те, кто делает самостоятельно.
Какие источники размечены, какие конверсии настроены, есть ли UTM-разметка и пиксели. У 30—40% бизнесов данные «грязные» и требуют пересборки.
Разметка всех рекламных кампаний по единому шаблону, пересборка целей в Метрике, настройка целей-микроконверсий.
Пул динамических номеров, подмена на сайте, интеграция с CRM. Подключаем, если звонков больше 20% от обращений.
Передача источника и UTM из формы и звонка в карточку сделки. Передача суммы сделки обратно в аналитику.
Внедрение агрегатора, сборка дашбордов «канал → ROMI», когортных отчётов по источникам. Самый ёмкий этап.
Анализ дашбордов, A/B-тесты моделей атрибуции, корректировка распределения бюджета. Цикл повторяется каждый месяц.
Бюджет: 180—450 тыс. ₽ единоразово на внедрение + 32—60 тыс. ₽/мес. на лицензии Roistat/коллтрекинга. Окупается за 4—6 месяцев на медианном проекте с бюджетом 500+ тыс. ₽/мес. на рекламу.
Чек-лист: 7 признаков что у вас всё плохо с атрибуцией
Это короткий диагностический тест. Прогоните себя по пунктам и подсчитайте, сколько из них — про вас.
Может ответить только «больше заявок». Это значит — конец воронки и реальные деньги не сведены с источниками трафика.
Поле «utm_source» пустое или заполнено «direct/none». Половина пайплайна не атрибутирована — любой отчёт о ROMI ненадёжен.
Если у вас больше 20% обращений по телефону без коллтрекинга — вы оптимизируете рекламу на половине данных.
Без единого шаблона разметки сборка отчётов превращается в ручной труд, а атрибуция — в случайный набор канала и кампании.
Performance меряют CPL, SEO — «охватом и трафиком». Сравнивать их в одной таблице невозможно — и решения о бюджете принимаются на ощущениях.
Если решения о деньгах не привязаны к реальному ROMI каналов — вы по факту не управляете маркетингом, а только тратите деньги по инерции.
Любое решение «контент не работает» по дефолтной Метрике с вероятностью 90% — ошибочное. Сначала перейдите на position-based, потом режьте.
Что дальше: связка с маркетингом и продажами
Сквозная аналитика — это не отчёты ради отчётов. Когда у вас в руках реальный ROMI по каналам, открываются вещи, невозможные до этого:
Roistat передаёт ROMI обратно в Директ для биддинга — алгоритм оптимизирует не на CPL, а на маржу. Это даёт +15—25% к эффективности кампаний.
Каждый источник трафика анализируется не только по первой сделке, но и по выручке за 12 месяцев. Тут SEO и контент окончательно выходят в плюс — они приводят более лояльных и часто повторяющихся клиентов.
Когда у вас исторические данные по ROMI канала на 12 месяцев — прогноз на следующий квартал укладывается в погрешность 8—12%. Это меняет разговор с финдиректором.
Отдел продаж получает в работу только те заявки, которые по модели данных имеют шанс закрыться выше N%. Без сквозной аналитики продажники работают «по всем».