Сувенірка для Вас!

Ілюзія рекламної атрибуції виникає тоді, коли рекламні платформи демонструють зростання ROAS, кількості конверсій та ефективності кампаній, але ці показники дедалі слабше пов’язані з реальним приростом продажів. Через обмеження на відстеження користувачів, падіння коефіцієнтів збігу даних і фрагментацію цифрової поведінки маркетингові системи бачать лише частину шляху споживача, а потім намагаються видати її за повну картину.

Засновниця та CEO американської агенції Idea Peddler Сімін Ахмаді Коен в інтерв’ю AdExchanger описує ситуацію, знайому багатьом рекламодавцям: звітний ROAS зростає, тоді як фактичні показники бізнесу погіршуються. На її думку, ринок занадто довго покладався на інструменти, які не стільки доводять вплив реклами, скільки розподіляють заслуги між доступними для спостереження рекламними контактами.

Для брендів це означає необхідність відмовитися від пошуку одного «правильного» показника. Атрибуція залишається корисною для оперативного керування кампаніями, але стратегічні рішення дедалі частіше доведеться перевіряти через моделювання маркетингового комплексу, дослідження приросту бренду, контрольовані експерименти та прямі бізнес-показники — продажі, маржу, частку ринку й приріст нових клієнтів.

Інтерв’ю, яке ставить під сумнів головну обіцянку цифрової реклами

Цифрова реклама десятиліттями продавала бізнесу не лише охоплення чи можливість звернутися до потрібної аудиторії. Її головною обіцянкою була вимірюваність. Телебачення, радіо, зовнішню рекламу та пресу часто критикували за те, що їхній внесок у продажі складно точно визначити. Цифрові платформи натомість запропонували майже математичну картину: показ, клік, перехід, конверсія, дохід і підсумковий ROAS.

Ця модель була переконливою не тільки тому, що давала більше даних. Вона полегшувала управлінську комунікацію. Маркетинговий директор міг прийти до керівництва не з розповіддю про впізнаваність, контекст чи довгострокове формування попиту, а з конкретним числом: на кожен вкладений долар реклама нібито принесла чотири, п’ять або сім доларів доходу.

В інтерв’ю AdExchanger Сімін Ахмаді Коен описує момент, коли ця логіка почала працювати проти самого бізнесу. Один із клієнтів Idea Peddler настільки прив’язався до ROAS, що керівництво поставило перед командою майже механічну мету: показник має зростати щороку незалежно від макроекономічної ситуації, стану галузі чи реальної динаміки компанії.

Агенція виконала завдання. ROAS підвищився. Проте бізнесові результати виявилися слабкими.

Ця суперечність стала відправною точкою для дослідження The Attribution Illusion: Inside the $1 Trillion Crisis Transforming the Future of Digital Advertising, яке Idea Peddler підготувала разом із PJX Media, Share Local Media та Locality. Його центральна теза полягає в тому, що рекламна індустрія дедалі частіше оптимізує не реальний вплив маркетингу, а цифри, створені неповними системами спостереження.

Хто така Сімін Ахмаді Коен

Сімін Ахмаді Коен — засновниця та CEO Idea Peddler, незалежної креативної й медійної агенції з Остіна, штат Техас. Агенція працює з туристичними напрямками, готельним бізнесом, фінансовими послугами та суспільними кампаніями, поєднуючи медіапланування, закупівлю реклами, стратегію та креатив. Idea Peddler була заснована у 2014 році як альтернатива великим агентським структурам із численними управлінськими рівнями та повільними процесами.

До запуску власної компанії Коен працювала як на агентському, так і на видавничому боці рекламної індустрії. Вона займалася міжканальним медіаплануванням для Best Buy, Microsoft, Intel, Zurich Insurance і Kraft Foods, працювала у Starcom, MediaVest та Mindshare. Її досвід охоплює традиційні медіа, цифрову рекламу та програматик-закупівлі; зокрема, вона брала участь у запуску першої B2B-програматик-кампанії Microsoft.

Цей професійний контекст важливий для розуміння її критики. Йдеться не про людину, яка виступає проти цифрової реклами з позиції традиційного медіабізнесу. Коен сама будувала кампанії на основі цифрових даних, працювала з програматиком і використовувала атрибуцію як частину агентської практики. Її аргумент виник не з теоретичної незгоди, а з розриву між тим, що показували рекламні панелі, і тим, що відбувалося з клієнтським бізнесом.

Коен також викладає курс Advanced Media у Texas State University. У червні 2026 року вона обговорювала дослідження The Attribution Illusion у подкасті Deconstructing Data, де окремо наголошувала на необхідності відрізняти орієнтовні дані, придатні для щоденної оптимізації, від даних, на основі яких можна ухвалювати управлінські рішення.

Що таке match rate і чому його падіння руйнує атрибуцію

Коефіцієнт збігу, або match rate, показує, яку частину аудиторії рекламна система змогла співвіднести з відомими ідентифікаторами, клієнтськими записами чи даними іншої платформи. Наприклад, бренд може завантажити базу електронних адрес, а рекламний сервіс спробує знайти відповідних користувачів у власному середовищі. Що вищий відсоток збігів, то більшу частину початкової аудиторії можна розпізнати, активувати або включити в подальше вимірювання.

Падіння цього показника створює дві різні проблеми. Перша стосується таргетингу: рекламодавець фізично втрачає можливість знайти значну частину бажаної аудиторії. Друга ще серйозніша — система втрачає здатність побачити, що відбувається після контакту з рекламою. Вона може не розпізнати користувача на іншому пристрої, в іншому браузері, у застосунку чи під час офлайн-покупки.

В Idea Peddler, за словами Коен, коефіцієнти збігу в окремих випадках впали нижче 10%. Це означало, що так звана адресна аудиторія — люди, яких платформа могла впевнено ідентифікувати та пов’язати з рекламним впливом, — стала неприродно малою. Водночас рекламні системи не припинили розраховувати ефективність. Вони продовжили створювати показники на основі тієї частини поведінки, яку ще могли спостерігати.

У цьому полягає методологічний ризик. Коли система бачить лише 10–20% реального шляху споживача, вона не обов’язково повідомляє рекламодавцю, що її висновки стосуються лише цього фрагмента. Замість цього платформа формує завершену картину з доступних сигналів. Вона може впевнено повідомляти, який канал «приніс» продаж, хоча насправді визначила лише останній контакт, який їй вдалося розпізнати.

Конфіденційність не знищила вимірювання — вона показала його слабкі місця

Зміни, про які говорить Коен, накопичувалися поступово. Європейський GDPR посилив вимоги до обробки персональних даних. Американські штати, серед яких Каліфорнія, Техас і Колорадо, розвивали власне законодавство у сфері приватності. Apple запровадила App Tracking Transparency, вимагаючи від застосунків отримувати згоду користувача на відстеження його активності в продуктах інших компаній.

Починаючи з iOS 14.5, без такої згоди застосунок не отримує доступу до рекламного ідентифікатора пристрою і не може відстежувати користувача у звичний для попередньої рекламної моделі спосіб. Apple прямо визначає це як механізм, що дає людям вибір і контроль над використанням їхніх даних.

Для рекламного ринку це стало серйозним обмеженням, але було б спрощенням вважати приватність причиною всіх проблем атрибуції. Швидше вона позбавила індустрію надлишку даних, який довгий час приховував слабкість методів вимірювання. Навіть у часи майже безперешкодного відстеження рекламні платформи не могли надійно відповісти на головне запитання: чи здійснила людина покупку завдяки рекламі, чи реклама просто опинилася поруч із покупкою, яка відбулася б у будь-якому разі.

Це різниця між кореляцією та додатковим ефектом. Користувач міг давно знати бренд, шукати конкретний товар, отримати рекомендацію від знайомого, побачити зовнішню рекламу, прочитати огляд, а перед покупкою натиснути на платне оголошення у пошуку. Атрибуційна система часто зараховує продаж пошуковій рекламі. Проте оголошення могло лише перехопити вже сформований попит, а не створити його.

Обмеження даних зробили такі помилки помітнішими. Коли кількість доступних ідентифікаторів скорочується, платформи частіше використовують моделювання, статистичні припущення та агреговані сигнали. Це не робить їхні оцінки автоматично хибними, але змінює природу результату. Рекламодавець отримує вже не повний облік індивідуальних дій, а модельовану оцінку, точність якої залежить від якості вхідних даних і припущень самої системи.

Google скасував «Cookiepocalypse», але проблема нікуди не зникла

Кілька років рекламний ринок готувався до того, що Chrome повністю відмовиться від сторонніх cookie. Індустрія назвала цей процес Cookiepocalypse, перетворивши технічну зміну на символ завершення епохи індивідуального вебвідстеження. Google розвивав Privacy Sandbox як набір технологій, покликаних поєднати приватність користувачів із потребами рекламодавців і видавців.

Коли компанія відмовилася від початкового сценарію примусового повного вилучення сторонніх cookie, частина ринку сприйняла це як відтермінування кризи. Коен вважає таке полегшення оманливим. За її логікою, навіть збереження cookie не повертає цифровій рекламі колишньої повноти даних, оскільки користувачі переходять між платформами, браузерами, застосунками, пристроями та закритими медійними середовищами.

До цього додається зміна пошукової поведінки. Генеративний штучний інтелект і відповіді без переходу на сайт скорочують частку маршрутів, які можна відстежити через класичний ланцюг «пошуковий запит — клік — сайт — конверсія». Людина може дізнатися про продукт із відповіді пошукової системи, обговорення у соціальній мережі, відеоогляду або ШІ-помічника, а придбати його пізніше через маркетплейс чи фізичний магазин.

У такій системі cookie перестає бути універсальним доказом споживчого шляху, навіть якщо технічно продовжує існувати. Він бачить окрему сесію, а маркетинг впливає на людину протягом тижнів або місяців. Технологічне збереження старого ідентифікатора не усуває фрагментації поведінки.

Для брендів це означає, що чекати нового технічного стандарту, який нібито відновить повну картину, немає сенсу. Ідеальної заміни cookie не буде, тому що проблема вже ширша за cookie. Споживчий шлях став розподіленим, а велика частина медійного впливу відбувається в середовищах, до яких рекламодавець не має прямого доступу.

Чому ROAS може зростати одночасно з погіршенням бізнесу

ROAS обчислюється як дохід, який рекламна система приписує кампанії, поділений на рекламні витрати. На рівні формули показник виглядає об’єктивно. Слабке місце міститься не в арифметиці, а в слові «приписує».

Платформа не знає природного сценарію, за якого реклама не була б показана. Вона бачить, що користувач контактував з оголошенням, а потім здійснив покупку, і зараховує певну частину доходу рекламі. Проте частина цих людей могла купити товар без додаткового рекламного контакту. Особливо це характерно для брендового пошуку, ретаргетингу, акцій для наявних клієнтів і кампаній, спрямованих на аудиторію з уже високим наміром придбати продукт.

Оптимізація під ROAS природно підштовхує алгоритми до користувачів, яких легше конвертувати. Це можуть бути постійні клієнти, відвідувачі кошика, люди, які вже шукали бренд, або споживачі, що перебувають на фінальному етапі вибору. Такі кампанії часто показують чудову звітну ефективність, але не обов’язково створюють новий попит.

Бренд поступово може опинитися у парадоксальній ситуації: показники стають кращими, тому що реклама дедалі точніше знаходить людей, які вже готові купити. Водночас приплив нових клієнтів слабшає, впізнаваність не зростає, продажі залежать від промоакцій, а частка ринку стагнує. Рекламна система успішно збирає врожай, але майже не бере участі у його вирощуванні.

З погляду фінансової звітності ситуація може виглядати ще гірше. ROAS зазвичай оцінює дохід, а не прибуток. Він може не враховувати знижки, повернення товарів, логістичні витрати, комісії, собівартість, канібалізацію органічних продажів та довічну цінність клієнта. Кампанія з високим ROAS іноді створює менше прибутку, ніж кампанія зі скромнішим показником, але кращою структурою нових покупців.

Атрибуція стала не лише технологією, а й корпоративним ритуалом

Одна з найсильніших тез інтерв’ю Коен стосується не методів вимірювання, а управлінської культури. Клієнти, яким вона презентує The Attribution Illusion, нерідко визнають: вони розуміють, що реклама привласнює заслугу за продажі, які могли б відбутися без неї. Проте їм усе одно потрібна цифра для ради директорів.

Це пояснює стійкість недосконалих моделей краще, ніж будь-яка технологічна аргументація. Компанії продовжують використовувати показник не лише тому, що вважають його точним, а тому, що він виконує організаційну функцію. ROAS дозволяє порівнювати канали, захищати бюджети, визначати премії, звітувати перед фінансовим директором і демонструвати контроль над складною системою.

У цьому сенсі атрибуція стала корпоративною мовою. Проблема виникає, коли зручна мова перетворюється на картину реальності. Число, створене для оперативної навігації, починають сприймати як доказ причинно-наслідкового зв’язку. Потім на ньому будують бюджет, структуру команди, систему винагород і довгострокову стратегію.

Відмовитися від такого показника важко, оскільки його альтернатива виглядає менш комфортною. Чесна розмова про маркетинговий вплив містить інтервали невизначеності, статистичні припущення, зовнішні фактори й результати, які не можна оновлювати щогодини. Для керівництва це складніше, ніж зелена стрілка біля ROAS у рекламному кабінеті.

Тому трансформація вимірювання буде не лише технічною. Маркетинговим командам доведеться навчити керівництво працювати з кількома джерелами доказів і приймати рішення за відсутності абсолютної точності. Це не відмова від відповідальності, а зріліше розуміння того, що складний ринок не можна надійно описати одним числом.

Чому Idea Peddler майже відмовилася від звичайної програматик-реклами

Коен говорить, що її агенція тепер дуже рідко використовує чисту програматик-медійну рекламу. Вона пояснює це слабкою якістю інвентарю, значними втратами бюджету та показами в середовищах, яких клієнт не планував охоплювати.

Це не означає, що будь-яка автоматизована закупівля реклами є неефективною. Програматик залишається базовою інфраструктурою цифрового медіаринку. Проте між автоматизацією купівлі та якістю придбаного контакту немає прямого зв’язку. Система може ефективно виграти аукціон, але не гарантує, що людина справді помітила рекламу, перебувала у відповідному контексті чи належала до заявленої аудиторії.

Падіння match rates посилює цю проблему. Коли ідентифікація слабшає, частина сегментів стає результатом імовірнісного моделювання. Аудиторія «зацікавлених у подорожах» може включати людей, які випадково прочитали одну статтю, використовували спільний пристрій або були віднесені до категорії через непрямий сигнал. Формально кампанія залишається таргетованою, але реальна точність сегмента стає невідомою.

Рекламодавець платить за технологічну обіцянку точності, не маючи можливості незалежно перевірити більшість ланцюга. Між брендом і показом розташовані платформа закупівлі, біржа, постачальники даних, продавці інвентарю, інструменти перевірки та інші посередники. Кожен із них додає власні дані, моделі й комісії.

Коли кампанія не дає бізнесового результату, система рідко визнає фундаментальну проблему якості інвентарю. Частіше вона пропонує змінити ставки, креатив, частоту, сегмент або модель оптимізації. Рекламодавець продовжує налаштовувати механізм, хоча слабкість може бути закладена в самому середовищі закупівлі.

Повернення контекстуального таргетингу

На тлі ускладнення ідентифікації ринок знову звертається до контекстуального таргетингу — розміщення реклами відповідно до змісту медіа, а не профілю конкретного користувача. Для CTV це може означати рекламу туристичного бренду поруч із програмою про подорожі або спортивного напою під час спортивної трансляції.

Коен позитивно оцінює повернення контексту, але застерігає від перебільшених очікувань. Преміальний інвентар із сильним контекстом не лежить на ринку необмеженими мільярдами показів. Якщо бренд пива хоче гарантовано з’явитися перед спортивними вболівальниками під час релевантного контенту, йому часто потрібна пряма угода з правовласником або медіакомпанією. Програматик може дати частину потрібних показів, але разом із ними до закупівлі потрапить менш передбачуваний інвентар.

Це важливе уточнення для брендів, які шукають просту заміну персональному таргетингу. Контекст не є дешевою копією ідентифікації. Він працює за іншою логікою: не обіцяє знайти конкретну людину, зате створює більш природне середовище для сприйняття повідомлення.

Його сила особливо помітна у верхній і середній частинах воронки, де важливі увага, пам’ять і формування асоціацій. Людина може не бути готовою купити продукт зараз, але релевантне медійне середовище підвищує ймовірність, що бренд згадають пізніше. Такий ефект важко приписати окремому показу, проте він може бути важливішим для довгострокового зростання, ніж миттєвий клік.

Контекстуальний підхід також повертає цінність самим медіа. У моделі надточного таргетингу зміст часто сприймався лише як контейнер для доступу до користувача. Якщо ідентифікація слабшає, якість контенту, довіра до видавця, формат споживання та рівень уваги знову стають частиною рекламної цінності.

CTV не є автоматичним порятунком від кризи вимірювання

Connected TV приваблює рекламодавців поєднанням телевізійного формату з цифровими механізмами закупівлі та вимірювання. Бренди отримують великий екран, завершений перегляд, домашнє середовище і можливість працювати з більш вузькими аудиторіями, ніж у традиційному телебаченні.

Коен наголошує на цінності преміального CTV-середовища, де реклама має шанс отримати достатню увагу й залишитися в пам’яті. Проте це не означає, що CTV автоматично розв’язує проблему атрибуції. У домогосподарстві один телевізор можуть дивитися кілька людей. Дані платформи, виробника пристрою, оператора та рекламодавця не завжди легко узгодити. Перегляд реклами й купівля можуть відбуватися на різних пристроях і в різний час.

Спроба виміряти CTV винятково за допомогою цифрової атрибуції може знову звести великий медійний формат до тих дій, які платформа здатна побачити. Наприклад, кампанію оцінюватимуть за відвідуваннями сайту протягом короткого вікна після показу, хоча її головний ефект полягав у зміні впізнаваності чи майбутньої переваги бренду.

Тому CTV потребує змішаного підходу. Атрибуція може показати частину короткострокових реакцій, дослідження brand lift — зміни у знанні та ставленні до бренду, а моделювання продажів — ширший економічний ефект. Жоден метод окремо не дає повної картини.

Дані першої сторони теж не є універсальним рішенням

Після посилення приватності маркетингова індустрія проголосила дані першої сторони новою стратегічною валютою. Йдеться про інформацію, яку бренд збирає безпосередньо у своїх клієнтів: покупки, реєстрації, використання програми лояльності, звернення до підтримки, поведінку на власному сайті чи в застосунку.

Ці дані справді мають велику цінність. Вони допомагають краще розуміти наявних клієнтів, персоналізувати комунікацію, будувати програми утримання та оцінювати життєву цінність покупця. Бренд також краще контролює походження інформації та умови її збору.

Коен, однак, застерігає від перетворення first-party data на новий абсолют. Дані першої сторони описують насамперед людей, які вже взаємодіяли з компанією. Вони слабше відповідають на питання, як знайти тих, хто ще не відвідував сайт, не купував товар і не залишав контактів.

Якщо бренд надмірно покладається на власну базу та схожі аудиторії, він може нескінченно обертатися навколо вже відомого попиту. Алгоритми знаходять людей, максимально подібних до наявних клієнтів, але поступово звужують ринок до найочевидніших профілів. Це підвищує короткострокову конверсію й одночасно обмежує можливості майбутнього зростання.

Дані першої сторони мають бути одним із рівнів стратегії, а не заміною широкому медійному охопленню, контексту, дослідженням і творчій роботі з новими групами споживачів. Інакше бренд отримує детальну карту власного двору, але майже нічого не знає про територію за його межами.

Атрибуція не помирає — змінюється її статус

Було б надто категорично оголошувати атрибуцію непотрібною. Вона залишається корисним операційним інструментом. За її допомогою можна порівнювати креативи, посадкові сторінки, пропозиції, аудиторні сегменти та короткострокову реакцію на кампанії. У межах однієї платформи атрибуція допомагає зрозуміти, які налаштування працюють краще за інші.

Помилка починається тоді, коли відносний показник перетворюють на абсолютний доказ. Те, що кампанія A має вищий платформний ROAS за кампанію B, не означає, що вона створила більший додатковий прибуток для компанії. Можливо, вона просто працювала ближче до моменту покупки або отримала доступ до аудиторії з вищою початковою готовністю.

У зрілій системі вимірювання атрибуція відповідає на вузьке питання: які спостережувані рекламні контакти система пов’язує з конверсією? Вона не повинна самостійно відповідати на ширше питання: що стало причиною зростання бізнесу?

Цю різницю можна описати як перехід від «джерела істини» до «одного зі свідків». Атрибуція дає важливі показання, але її версію потрібно зіставляти з іншими доказами.

Що прийде на зміну єдиному ROAS

Коен очікує, що дослідження приросту бренду та моделі маркетингового комплексу поступово замінюватимуть частину нинішніх атрибуційних моделей. Водночас вона не прогнозує повної відмови від performance-інструментів. У деяких категоріях можливість знайти людину з високим наміром і конвертувати її раніше за конкурента залишатиметься критично важливою.

Більш реалістичним сценарієм є багаторівнева система вимірювання. Атрибуція використовуватиметься для швидкої тактичної оптимізації. Контрольовані експерименти показуватимуть додатковий ефект реклами — тобто скільки конверсій не відбулося б без кампанії. Моделювання маркетингового комплексу оцінюватиме внесок різних каналів у продажі з урахуванням сезонності, цін, промоакцій, економіки та інших зовнішніх чинників.

Google у власних рекомендаціях уже описує сучасне вимірювання як поєднання атрибуції, перевірки додаткового ефекту та MMM, а не як вибір одного універсального методу. Контрольований тест порівнює групу, яка зазнала рекламного впливу, з групою без такого впливу, щоб оцінити реальний приріст результату.

Brand lift studies додають ще один рівень: вони вимірюють зміни у впізнаваності, запам’ятовуванні реклами, намірі придбати товар чи перевазі бренду. Ці показники не завжди негайно перетворюються на продажі, але дозволяють побачити, чи кампанія створює передумови для майбутнього попиту.

Окремо необхідно повернути прямі бізнес-метрики: валовий прибуток, кількість нових клієнтів, повторні покупки, частку продажів без знижок, географічне зростання та частку ринку. Реклама може показувати високий ROAS і водночас залучати низькомаржинальних покупців, які ніколи не повернуться. Без зіставлення з фінансовими показниками рекламна ефективність залишається відірваною від економіки компанії.

Маркетологам доведеться відмовитися від удаваної точності

Цифрова індустрія довго ототожнювала велику кількість даних із точністю. Проте мільйони записів не усувають систематичної помилки. Якщо метод постійно зараховує рекламі продажі, що відбулися б без неї, збільшення масиву даних лише робить хибний висновок статистично впевненішим.

Наступний етап рекламного вимірювання вимагатиме визнання меж кожного інструменту. Атрибуція добре працює з видимими контактами й короткими часовими вікнами. MMM краще бачить загальну картину, але залежить від історичних даних і якості моделі. Експерименти наближаються до причинного доказу, проте можуть бути дорогими, складними або обмеженими конкретними умовами. Brand lift показує зміни у сприйнятті, але не гарантує майбутніх продажів.

Сильна система виникає не тоді, коли один метод оголошують переможцем, а коли різні методи перевіряють один одного. Якщо платформа показує високий ROAS, але експеримент не виявляє приросту, бюджети треба переглядати. Якщо MMM демонструє довгостроковий внесок телебачення, а цифрова атрибуція його не бачить, це не робить телебачення неефективним. Якщо brand lift зростає без негайної реакції продажів, потрібно враховувати тривалість циклу покупки.

Для маркетингових команд це складніша робота, ніж щотижневе сортування каналів за ROAS. Проте вона ближча до реальної економіки бренду.

Штучний інтелект може масштабувати не ефективність, а помилку

В індустрії дедалі частіше припускають, що ШІ допоможе відновити втрачені сигнали, об’єднати фрагментовані дані та автоматично знайти найкращий розподіл бюджету. Частково це можливо: моделі здатні швидше аналізувати великі масиви інформації, будувати прогнози та виявляти закономірності, які складно помітити вручну.

Коен, однак, звертає увагу на фундаментальне обмеження: автоматизація не виправляє слабкі вхідні дані. Якщо модель навчається на конверсіях, які платформа помилково приписала рекламі, ШІ оптимізуватиме кампанії під цю помилку. Він швидше й точніше знаходитиме людей, які й так готові купити, скорочуючи інвестиції у створення нового попиту.

У такій ситуації agentic media buying — автоматизовані системи, що самостійно планують і закуповують рекламу, — можуть поглибити проблему. Людина принаймні здатна помітити, що продажі стагнують попри красивий звіт. Автоматизований агент, якому поставили мету підвищувати ROAS, виконуватиме її буквально, доки не отримає інший критерій успіху.

Тому головне питання майбутньої автоматизації полягає не в тому, наскільки розумним є алгоритм, а в тому, яку мету йому поставили. Якщо бізнес оптимізує неправильний показник, ШІ не врятує систему. Він зробить її помилку дешевшою, швидшою та масштабнішою.

Що це означає для агенцій

Криза атрибуції змінює роль агенцій. Протягом попереднього десятиліття значна частина їхньої цінності будувалася навколо доступу до технологій, аудиторних сегментів і здатності оптимізувати кампанії у рекламних кабінетах. Коли платформи автоматизують більшість цих операцій, агенція має довести, що здатна робити більше, ніж керувати ставками.

Одним із ключових завдань стає незалежна інтерпретація даних. Агенція не повинна оцінювати платформу лише за цифрами, які генерує сама платформа. Їй необхідно порівнювати рекламні звіти з продажами, географією попиту, даними CRM, результатами експериментів і поведінкою категорії.

Друге завдання — захищати клієнта від оптимізації, яка покращує звітність за рахунок майбутнього зростання. Це може означати свідому інвестицію у медіа з нижчим короткостроковим ROAS, але сильнішим охопленням нових споживачів. Така позиція потребує довіри, оскільки агенція фактично пропонує відмовитися від красивішої цифри на користь складнішого стратегічного пояснення.

Третій напрям — повернення уваги до якості медійного контакту. Якщо точність ідентифікації зменшується, агенції знову мають оцінювати контекст, видимість, завершеність перегляду, редакційне середовище, частоту та здатність креативу залишитися у пам’яті. Це не ностальгія за традиційною рекламою, а реакція на межі технічного таргетингу.

Що це означає для брендів

Брендам варто переглянути не лише панель показників, а й саму постановку маркетингових завдань. Вимога «підвищити ROAS на 20%» не визначає, звідки має взятися зростання. Команда може виконати її, скоротивши охоплення, посиливши ретаргетинг і зосередившись на найтеплішій аудиторії. Звіт покращиться, але бізнес не обов’язково отримає нових покупців.

Більш здоровою системою є розподіл цілей. Кампанії залучення можуть оцінюватися за вартістю нового клієнта й додатковими продажами. Робота з наявною базою — за повторними покупками, прибутковістю та довічною цінністю. Брендові кампанії — за охопленням категорії, знанням, часткою пошуку та довгостроковим внеском у продажі.

Також потрібно розділяти показники платформи та показники бізнесу. Перші корисні для керування кампанією, другі — для оцінки її сенсу. Кількість конверсій у рекламному кабінеті не повинна автоматично прирівнюватися до кількості додаткових замовлень у фінансовій системі.

Особливо обережно треба ставитися до звітів, у яких усі канали одночасно приписують собі одну й ту саму покупку. Платформа пошуку, соціальна мережа, партнерська система та програматик-постачальник можуть кожен зарахувати конверсію на власну користь. Якщо скласти їхні звіти, рекламний вплив перевищить фактичний обсяг продажів.

Як це може вплинути на український ринок

Український рекламний ринок має власні особливості, які роблять проблему атрибуції не менш актуальною, хоча вона не завжди обговорюється так відкрито. Значна частина малого та середнього бізнесу залежить від Meta Ads і Google Ads, а вимірювання часто обмежується даними рекламних кабінетів, Google Analytics, телефонними зверненнями та інформацією CRM різної якості.

У багатьох компаніях немає ресурсів для повноцінного MMM чи регулярних контрольованих експериментів. Через це платформні показники отримують ще більшу управлінську вагу. Якщо Meta повідомляє про високий ROAS, а Google Ads демонструє багато конверсій, маркетинг часто визнають ефективним навіть тоді, коли загальна кількість замовлень майже не змінилася.

Проблему посилюють месенджери, телефонні продажі, маркетплейси, офлайн-точки та довгі B2B-цикли. Клієнт може побачити рекламу у Facebook, перейти на сайт із робочого комп’ютера, пізніше написати в Telegram, обговорити замовлення телефоном і оплатити рахунок через кілька тижнів. Жодна стандартна платформа не бачить цей шлях повністю.

Для українських e-commerce-проєктів окремим ризиком є надмірна залежність від ретаргетингу та кампаній із каталогами. Вони часто показують переконливий ROAS, оскільки працюють із людьми, які вже відвідали сайт або переглядали товар. Проте без перевірки приросту складно визначити, скільки цих покупців повернулися б самостійно через органічний пошук, прямий перехід чи повідомлення бренду.

B2B-компаніям варто оцінювати не кількість рекламних лідів, а якість угод: частку релевантних запитів, середній чек, валову маржу, тривалість циклу продажу та повторні замовлення. Кампанія може дешево генерувати форми, але перевантажувати відділ продажів неякісними зверненнями. Платформа назве це ефективною конверсією, тоді як для бізнесу вона створює додаткові витрати.

Українські бренди можуть почати з простіших рішень, не чекаючи складної аналітичної інфраструктури. Географічні тести, тимчасове вимкнення окремих кампаній, порівняння регіонів, аналіз нових і повторних клієнтів, контроль промокодів, опитування «звідки ви про нас дізналися» та зіставлення рекламних витрат із валовим прибутком уже дають більше розуміння, ніж платформний ROAS сам по собі.

Для великих рекламодавців наступним кроком має стати розвиток власної функції маркетингового вимірювання. Не команди, яка лише збирає звіти з платформ, а незалежної аналітичної системи, здатної перевіряти рекламні заяви через фінансові й комерційні дані.

Ринок не відмовиться від цифр — йому доведеться навчитися ставити їм правильні запитання

Дискусія навколо The Attribution Illusion не означає повернення до епохи, коли ефективність реклами оцінювали інтуїтивно. Навпаки, вона вимагає більш суворого ставлення до доказів. Реклама має відповідати за результат, але відповідальність не повинна зводитися до показника, який обчислює сторона, зацікавлена у продовженні рекламних витрат.

Цифрова атрибуція була важливим етапом розвитку маркетингу. Вона навчила ринок швидко перевіряти гіпотези, працювати з даними й оптимізувати кампанії. Проблема виникла тоді, коли її практичну зручність переплутали з причинною точністю.

Інтерв’ю Сімін Ахмаді Коен цінне не тим, що пропонує остаточну заміну атрибуції. Такої заміни не існує. Воно нагадує більш незручну річ: маркетинговий вплив завжди складніший за звіт рекламної платформи, а високий ROAS ще не означає, що реклама створила високий додатковий дохід.

У наступні роки виграватимуть не компанії з найбільшою кількістю даних, а ті, що краще розуміють їхні обмеження. Здатність сказати «ми цього поки не знаємо» може виявитися більш професійною, ніж черговий звіт із точністю до другого знака після коми.

FAQ

Що таке рекламна атрибуція?

Рекламна атрибуція — це набір методів, за допомогою яких маркетинговим каналам і окремим рекламним контактам приписують внесок у конверсію. Наприклад, система може зарахувати продаж оголошенню, на яке користувач натиснув перед покупкою, або розподілити цінність між кількома контактами. Атрибуція допомагає керувати кампаніями, але не завжди доводить, що реклама стала причиною покупки. Вона працює лише з тими контактами, які система змогла побачити та пов’язати з користувачем.

Що означає «ілюзія рекламної атрибуції»?

Це ситуація, коли рекламні звіти створюють переконливе враження точного вимірювання, хоча насправді базуються на неповних даних і припущеннях. Платформа може повідомляти про високий ROAS, не відокремлюючи продажі, створені рекламою, від покупок, які відбулися б без неї. Ілюзія виникає не обов’язково через навмисне введення в оману. Частіше вона є наслідком обмежень ідентифікації, моделей атрибуції та корпоративної потреби отримати просте число.

Що таке match rate у цифровій рекламі?

Match rate — це частка записів або користувачів, яких вдалося зіставити між різними масивами даних. Наприклад, рекламна платформа може знайти лише частину людей із клієнтської бази бренду. Низький коефіцієнт збігу зменшує доступну аудиторію, ускладнює таргетинг і робить вимірювання менш повним. Якщо система розпізнає лише невелику частину клієнтів, її висновки про ефективність можуть бути нерепрезентативними.

Чому match rates падають?

На них впливають обмеження браузерів і мобільних операційних систем, законодавство про конфіденційність, відмова користувачів від відстеження, очищення cookie, використання кількох пристроїв і переміщення поведінки в закриті платформи. Людина також може використовувати різні електронні адреси, номери телефонів чи браузери. У результаті рекламні й клієнтські системи дедалі гірше розпізнають одного користувача в різних середовищах.

Чи означає високий ROAS, що кампанія прибуткова?

Не обов’язково. ROAS зазвичай оцінює приписаний рекламі дохід, але може не враховувати маржу, знижки, повернення, логістику, комісії та витрати на обслуговування клієнта. Крім того, частина зарахованих продажів могла відбутися без реклами. Для оцінки реальної прибутковості ROAS потрібно зіставляти з валовим прибутком, приростом нових клієнтів і результатами контрольних тестів.

Чим атрибуція відрізняється від перевірки додаткового ефекту?

Атрибуція визначає, з якими рекламними контактами була пов’язана конверсія. Перевірка додаткового ефекту відповідає на інше питання: скільки конверсій не відбулося б без реклами. Для цього зазвичай порівнюють групу, що бачила кампанію, з контрольною групою без рекламного впливу. Такий підхід ближчий до встановлення причинного зв’язку.

Що таке MMM?

Marketing Mix Modeling, або моделювання маркетингового комплексу, — це статистичний метод, який оцінює внесок різних каналів у загальні продажі чи інший бізнес-результат. Модель може враховувати сезонність, ціни, промоакції, економічну ситуацію, погоду та активність конкурентів. На відміну від індивідуальної атрибуції, MMM працює з агрегованими даними й може охоплювати цифрові та офлайн-канали. Його слабкі сторони — потреба в достатній історії даних і залежність від правильності моделі.

Чи потрібно брендам відмовлятися від атрибуції?

Ні. Її потрібно використовувати у відповідному масштабі. Атрибуція корисна для щоденної оптимізації, порівняння креативів, аудиторій і посадкових сторінок. Проте вона не повинна бути єдиним доказом того, що реклама створила бізнесове зростання. Стратегічні рішення бажано перевіряти через експерименти, MMM, brand lift і прямі фінансові показники.

Чому контекстуальний таргетинг знову стає популярним?

Він не потребує настільки глибокої ідентифікації окремої людини. Реклама підбирається відповідно до змісту сторінки, відео чи програми, яку споживає аудиторія. Це дозволяє поєднати повідомлення бренду з релевантним моментом і медійним середовищем. Водночас якісний контекстуальний інвентар може бути дефіцитним і дорожчим, особливо у преміальному відео та спортивному контенті.

Чи вирішують проблему дані першої сторони?

Вони покращують розуміння наявних клієнтів і допомагають у персоналізації, утриманні та оцінці довічної цінності. Проте ці дані майже нічого не повідомляють про людей, які ще не взаємодіяли з брендом. Надмірна залежність від власної бази може змусити компанію постійно рекламуватися тим самим покупцям і недоінвестувати у залучення нової аудиторії.

Як малому бізнесу перевірити реальну ефективність реклами?

Найпростіший шлях — порівнювати періоди або регіони з рекламою та без неї, аналізувати не лише замовлення, а й валовий прибуток, нових клієнтів і повторні покупки. Корисно тимчасово вимикати окремі кампанії, використовувати контрольні промокоди, фіксувати джерело звернення у CRM та запитувати клієнтів, звідки вони дізналися про бренд. Жоден із цих методів не є ідеальним, але їхнє поєднання зменшує залежність від даних однієї платформи.

Які показники варто показувати керівництву замість одного ROAS?

Доцільно створити набір показників, що охоплює різні горизонти. Для короткострокової ефективності — вартість додаткового продажу, прибуток і частку нових клієнтів. Для середньострокової — повторні покупки, довічну цінність, частку брендового пошуку та якість лідів. Для довгострокової — впізнаваність, частку ринку, цінову стійкість і внесок маркетингу в загальне зростання. Така система складніша, але значно менше стимулює оптимізацію заради красивої звітності.