Определение
Multi-Touch Attribution (MTA) — это модель атрибуции, при которой ценность конверсии распределяется между несколькими касаниями (touchpoints) на пути клиента, а не отдаётся одному каналу. В отличие от last-click, MTA учитывает весь путь: первое знакомство с брендом, промежуточные взаимодействия и финальный триггер к покупке.
В российском DTC-контексте это критично: клиент видит рекламу в Яндекс.Директ, потом ретаргетинг в VK, получает email от бренда, читает отзывы на Ozon и только затем оформляет заказ на сайте. Last-click отдал бы всю заслугу, например, брендовому запросу — и вы бы недооценили верх воронки.
Аналогия
Представьте футбольную команду. Гол забил нападающий — но без паса полузащитника и отбора защитника этот гол был бы невозможен. Last-click — это статистика, где весь гол записывают нападающему. MTA — это xG-модель, где вклад каждого игрока взвешен по его роли в атаке.
В e-commerce: клиент впервые узнал о вас из Reels блогера, затем кликнул по поисковой рекламе, бросил корзину, вернулся через промо-письмо. MTA покажет реальный вклад каждого этапа.
Формула
Базовая линейная модель:
Вклад канала_i = (Количество касаний канала_i / Общее число касаний) × Стоимость конверсии
Взвешенная (позиционная) модель для пути из 5 касаний:
Вклад = 0.4 × Первое касание + 0.4 × Последнее касание + 0.2 × (Промежуточные / 3)
Пример расчёта для заказа 8 000 ₽:
| Канал | Касания | Линейная модель | Позиционная (40/40/20) |
|---|---|---|---|
| Яндекс.Директ | 1 | 2 000 ₽ | 3 200 ₽ |
| VK Ретаргетинг | 2 | 4 000 ₽ | 1 600 ₽ |
| 1 | 2 000 ₽ | 3 200 ₽ | |
| **Итого** | **4** | **8 000 ₽** | **8 000 ₽** |
Сравнение моделей атрибуции
| Модель | Принцип | Плюсы | Минусы | Когда использовать |
|---|---|---|---|---|
| Last-Click | 100% последнему касанию | Простота, совпадает с аналитикой | Недооценка верха воронки | Короткий цикл, импульсные покупки |
| First-Click | 100% первому касанию | Видно источник трафика | Игнорирует прогрев | Запуск нового продукта |
| Linear | Равно между всеми | Честно по касаниям | Уравнивает слабые и сильные | Длинный цикл, B2B |
| Time-Decay | Больше — ближе к конверсии | Учитывает свежесть | Сложно настроить окно | Сезонные акции |
| Position-Based (U-shaped) | 40/20/40 | Баланс старта и финиша | Произвольные веса | DTC с воронкой |
| Data-Driven (MTA) | ML-модель по данным | Точность, адаптивность | Нужны данные и ресурсы | Оборот от 5 млн ₽/мес |
Применение в DTC/ритейле
1. Оптимизация бюджета. Если MTA показывает, что Reels-блогеры дают 35% вклада в первый контакт, а last-click их «съедает», вы перестанете отключать верх воронки.
2. Работа с LTV. Клиент с первым касанием через инфлюенсера может иметь LTV на 22% выше — MTA это выявит.
3. Сквозная аналитика. В российских реалиях MTA строится через связку: Метрика + сквозная аналитика (Roistat, Calltouch, Mindbox) + CRM. Важно корректно склеивать user_id между устройствами.
4. Пример из практики. Бренд косметики с оборотом 12 млн ₽/мес внедрил позиционную MTA. Выяснилось: 40% заказов имели ≥3 касания, а средний чек таких клиентов — 6 400 ₽ против 4 100 ₽ у одно-касательных. Бюджет перераспределили на ретаргетинг и email — ROAS вырос с 3.1 до 4.4.
Частые ошибки
- Слишком короткое окно атрибуции. В DTC цикл сделки часто 7–30 дней. Окно 24 часа «убьёт» верх воронки.
- Игнорирование офлайн-касаний. Звонок в колл-центр, самовывоз, упоминание в Telegram-канале — всё это touchpoints.
- Слепая вера в ML без данных. Data-driven MTA требует минимум 300–500 конверсий в месяц на канал, иначе модель переобучается.
- Двойной учёт. Если Метрика и CRM считают одну конверсию дважды, вклады суммируются больше 100%.
- Забыли про brand-трафик. Брендовые запросы часто получают «незаслуженный» вес — их нужно выносить отдельно.
Связанные термины
- Last-Click Attribution — базовая модель для сравнения
- First-Click Attribution — фокус на источнике
- Data-Driven Attribution (DDA) — эволюция MTA на ML
- Marketing Mix Modeling (MMM) — макро-уровень, дополняет MTA
- Сквозная аналитика — инфраструктура для MTA в РФ
- Customer Journey Map — визуализация пути клиента
- ROAS / ДРР — метрики, которые MTA делает точнее
- Incrementality Testing — проверка причинности поверх MTA