Коротко: проблема last-click не в ошибке, а в подмене вопроса. Модель показывает последний переход, а бизнесу нужен тот, кто создал спрос.
Last-click не врёт — он отвечает на другой вопрос
Модель последнего клика не ошибается. Она честно отвечает на вопрос «куда был последний переход перед заказом». Проблема в том, что бизнес спрашивает другое: «какой канал создал этот заказ». Это разные вопросы, и один ответ на них не работает.
В e-commerce с длинным циклом выбора разница огромна. Человек видит медийную кампанию, потом ищет категорию, сравнивает на маркетплейсе и в конце вводит название бренда. По last-click всё получает брендовый поиск — самый дешёвый и «эффективный» канал, который на самом деле лишь завершает чужую работу.
Как выглядит искажение
Если после внедрения сквозной аналитики брендовый поиск внезапно стал худшим каналом — вы не ошиблись. Вы просто впервые увидели реальность.
Из чего состоит сквозная аналитика
| Элемент | Зачем | Минимум | Типичная ошибка |
|---|---|---|---|
| Сквозная метка | Связывает визит и заказ | client_id + utm на всех посадочных | Метка теряется при переходе в мобильное приложение |
| Заказы из CRM | Только реальные продажи | Выгрузка с отменами и возвратами | Считать транзакции из счётчика как продажи |
| Полные расходы | Честный CAC | Медиа + комиссии + продакшн + ФОТ | Учитывать только медийный бюджет |
| Единая витрина | Одна версия правды | Одно хранилище и правила расчёта | Два дашборда с разными цифрами |
| Маржа, а не выручка | Решение о бюджете | Маржа после COGS, логистики и возвратов | Сравнивать каналы по ROAS |
| Когортный отчёт | Повторные покупки | LTV и payback по когорте месяца | Считать LTV по всей базе |
Сквозная аналитика не обязана быть идеальной. Она обязана быть единой и одинаковой от месяца к месяцу.
Как проверить, что цифрам можно верить
Сверка заказов
Количество и сумма заказов в отчёте совпадают с CRM и 1С. Расхождение больше 2% — разбирается до использования данных.
Проверка дублей
Один заказ не должен попадать в отчёт дважды из разных источников. Дубли — частая причина «внезапного» роста конверсии.
Тест на брендовый трафик
Брендовые запросы вынесены в отдельную строку и не улучшают статистику performance-каналов.
Инкрементальная проверка
Раз в квартал канал отключается на 7–14 дней: сравнивается общая выручка, а не заказы по модели атрибуции.
Пять ошибок внедрения
- Строить «идеальную» модель полгода. За это время бизнес продолжит принимать решения без данных.
- Считать маржу вручную в Excel. Ручной расчёт живёт до первой ошибки и до первого отпуска автора.
- Держать два источника правды. Разные цифры в разных отчётах — это не аналитика, а повод для спора.
- Смешивать брендовый и небрендовый трафик. Искажение в 1,5–2 раза по CAC.
- Не учитывать возвраты. Возвращённый заказ не создаёт маржу, но создаёт расходы.
FAQ: сквозная аналитика
Сколько времени занимает внедрение сквозной аналитики?
Минимально рабочая версия — 4–8 недель при наличии CRM и доступа к рекламным кабинетам. Полгода уходит на те проекты, где сначала нужно навести порядок в учёте заказов.
Можно ли обойтись без собственного хранилища?
Да, на старте достаточно связки выгрузок и BI-инструмента. Собственное хранилище нужно, когда появляются десятки источников и требования к истории данных.
Как считать, если часть продаж идёт через маркетплейсы?
Отдельно. У площадок своя атрибуция и свои данные: считайте экономику SKU и не смешивайте её с сайтом, иначе вы получите несопоставимые цифры.
Что делать с офлайн-продажами?
Подключать call-tracking и данные из CRM с привязкой к рекламному источнику по номеру и времени. Без этого часть выручки останется «неизвестно откуда».
Почему данные в Метрике и во внутреннем отчёте расходятся?
Потому что это разные модели: счётчик считает визиты и транзакции, отчёт — реальные заказы и полные расходы. Расхождение 10–20% нормально, но должно быть стабильным.
Нужна ли атрибуция, если есть сквозная аналитика?
Да: сквозная аналитика даёт данные, модель атрибуции — правило распределения ценности между касаниями. Одно без другого не работает.