Revenue attribution в B2B: почему одна модель всегда врёт и как собрать трёхслойную правду

Август 2023-го. Большой b2b-производитель в Москве. Сидим с CMO в переговорке. Она показывает отчёт по каналам: SEO даёт 43% сделок, контекст 22%, вебинары 14%, холодные звонки 6%, остальное разное. Рекламный бюджет под это распределён.

Я спрашиваю: а какая модель атрибуции? Она смотрит в стол. Last-touch. Я спрашиваю: а сделки в среднем сколько касаний? 11. Я говорю: значит, вы платите SEO за 43% сделок, потому что именно SEO оказывается последним касанием перед заявкой. А как туда попадают - вы не знаете.

Она очень долго молчит. Потом говорит: «ну мы же как-то должны считать».

Этот текст - про то, как считать, не обманывая себя. И про то, почему в b2b чистой атрибуции не будет никогда.

Где рынок врёт себе про атрибуцию

Есть три популярных иллюзии.

Первая: «у нас настроена сквозная аналитика, значит, атрибуция работает». Нет. Сквозная аналитика показывает цепочку касаний. Атрибуция - это решение, кому из касаний «отдать заслугу». Эти вещи разные.

Вторая: «last-touch проще и честнее». Не честнее. В b2b, где цикл 3–9 месяцев и 8–15 касаний, last-touch систематически переоценивает дно воронки и недооценивает начало. Вы не платите за то, что работает. Вы платите за то, что ближе к заявке.

Третья, противоположная: «data-driven модель - истина». Нет. Data-driven - это просто одна из моделей, с хитрой матмоделью внутри, которая требует объёма данных, которого в b2b почти никогда нет.

Атрибуция в b2b - это не поиск правды. Это выбор полезного мифа.

Моя рабочая гипотеза

В b2b нет одной правильной модели атрибуции. Есть матрица: какой вопрос вы задаёте, такой моделью и отвечаете. Если выбрать одну модель на всё - систематически будете ошибаться в половине вопросов.

Ниже - когда какая модель уместна. Не для красоты. Для реальных управленческих решений.

Матрица моделей атрибуции

First-touch: где вы начинаете

Отдаёт 100% первому касанию. Остальное игнорируется.

Когда уместно: оценка каналов спроса и бренд-активности. Если вы хотите понять, какие каналы заводят новых компаний в поле зрения - это first-touch.

Когда вредно: когда нужно оценить закрывающие активности. First-touch вам скажет, что выставки - это 70% сделок, а вебинары - 2%. Это неправда. Просто выставки - часто первое касание, а вебинары - предпоследнее.

В BrandMaker я использовал first-touch исключительно для разговора с CEO про brand awareness. И ни для чего больше.

Last-touch: где закрывается

Отдаёт 100% последнему касанию перед заявкой или сделкой.

Когда уместно: коротких циклов (до 30 дней), transactional-покупки, простые сделки без комитета. В SOHO-сегменте b2b - вполне живая модель.

Когда вредно: всё, что длиннее 60 дней и шире одного ЛПР. Тогда last-touch превращается в премию за удачу.

Linear: демократия без оснований

Делит 100% поровну между всеми касаниями.

Когда уместно: когда нужно честно показать маркетингу, что у него много работы, и не наказывать за каналы верха воронки. Хороший диагностический инструмент.

Когда вредно: когда каналы реально неравноценны по усилию и стоимости. Linear скажет, что ретаргетинговое письмо и большая выставка - равнозначны. Это управленческая ложь.

Time-decay: близость решает

Отдаёт больше веса касаниям, которые ближе к сделке. Чем ближе - тем дороже.

Когда уместно: длинные сделки с разогревом. Когда вам важно увидеть, что сработало в момент принятия решения, но не обнулять всё остальное.

Когда вредно: когда у вас мало данных о пути. Time-decay требует хорошей телеметрии пути - если её нет, модель выдумывает.

Data-driven: матмодель без матстатистики

Модель строит вероятностный вклад каждого касания на основе больших данных. Теоретически - самая честная.

Когда уместно: крупный b2b с 2000+ сделок в год и полной телеметрией. В России таких компаний очень мало.

Когда вредно: почти везде. Если у вас 200 сделок в год - модель будет выдумывать веса из случайного шума. Это будет не атрибуция, а иллюзия атрибуции с красивой цифрой.

Google в 2023-м убрали data-driven из GA4-дефолтов именно потому, что их атрибуционная математика требовала объёмов, которых у 90% клиентов не было. Это была честная капитуляция.

Почему в b2b чистая атрибуция - утопия

Четыре причины.

1. Комитет. Решение принимают 3–7 человек. Каждый в своей телеметрии. Половина - не оставили следов.
2. Dark social. Ключевые касания - это разговор в курилке, LinkedIn-переписка, рекомендация на ужине. Аналитика их не видит.
3. Длительность. Цикл 6–9 месяцев. За это время кто-то уходит, кто-то приходит, бюджеты меняются, приоритеты смещаются.
4. Малые числа. У b2b-компании 50–500 сделок в год, а не 50 000. Матстатистика отказывается работать.

Из этого НЕ следует «значит, атрибуцией не надо заниматься». Из этого следует: атрибуция в b2b - это управленческий инструмент, а не научная истина.

Что с этим делать

Мой рабочий подход - три слоя одновременно.

И ключевое дополнение - структурированный опрос 10–20 закрытых клиентов в год. Простой вопрос: «как вы нас нашли, что запомнилось, что повлияло на решение». Данные из CRM врут. Разговор - нет.

Я это делал и в Pharmznanie, и в MangoOffice, и в СберЗдоровье. Каждый раз вылезала дикая дыра: 30–40% сделок приходили через канал, которого в аналитике вообще не было. Обычно это был кто-то из знакомых или выступление на конференции три месяца назад.

Границы применимости

Если у вас меньше 50 сделок в год - любая модель атрибуции будет выдумкой. Честнее считать вручную каждую сделку: откуда пришла, кто привёл, что сработало.

Если у вас SOHO-b2b с циклом 2–4 недели - хватит last-touch. Не усложняйте.

Если вы продаёте госсектору - забудьте про атрибуцию цифровую, у вас 80% решения вне вашей телеметрии. Только интервью и ABM-трекинг.

Что забрать

Перестаньте искать единственно правильную модель. Её нет. Есть матрица: какая модель на какой вопрос. Её можно собрать за неделю, если договориться с маркетингом и коммерцией, чего именно вы хотите узнать.

И каждый квартал делайте 10–15 клиентских интервью. Это тот вид атрибуции, который CRM никогда не даст. Зато даст правду.

Как собрать трёхслойную атрибуцию практически

Не теоретически, а руками. Шесть шагов. Один квартал.

1. Шаг 1. Перечислить каналы. Выпишите все каналы, через которые к вам приходят компании. Обычно их 15–25. SEO, контекст, органический social, посевы, вебинары, конференции, outbound, партнёры, рекомендации, PR - всё.
2. Шаг 2. Определить роли каналов. Каждый канал отмечаете: открывает спрос (awareness), поддерживает (nurture), закрывает (conversion). Некоторые - всё сразу, и это нормально.
3. Шаг 3. Выбрать модели по слоям. Для awareness - first-touch. Для nurture - linear или time-decay. Для conversion - last-touch. Это уже трёхслойная картина.
4. Шаг 4. Запустить интервью. 10 закрытых клиентов в квартал. 30 минут. Три вопроса: как нашли, что запомнилось, что повлияло на решение.
5. Шаг 5. Сверить данные. Сравните то, что говорит CRM, с тем, что говорят клиенты. Расхождения 20–40% - нормально. Это и есть dark social и то, что аналитика не видит.
6. Шаг 6. Принимать решения по трём слоям, а не по одной цифре. «SEO даёт 40% сделок по last-touch» → не значит, что надо всё в SEO. Значит, что SEO - сильный closer, но что-то должно открывать спрос до него.

Атрибуция в эпоху комитета: как учитывать 3–7 ЛПР

Главная сложность b2b - решение принимает не один человек. Атрибуционные модели в основном спроектированы под один контакт. Что делать?

Рабочий подход - account-based атрибуция. Вы считаете касания не с контактом, а с компанией. Это меняет картину драматически.

Пример. Сделка с Pharmznanie в 2024: ключевой контакт (HR-директор) пришёл через вебинар. Last-touch - вебинар. Но в account-based картине было видно: за шесть месяцев до этого четыре человека из той же компании читали наш блог. Коммерческий директор был подписан на наш Telegram. Двое маркетологов скачивали гайд. Вебинар был не «первым касанием» с компанией, а седьмым - шестое было с другим человеком.

В CRM это видно только если вы трекаете на уровне компании, а не только контакта. 80% российских b2b-компаний так не делают. Поэтому 80% б2б-атрибуций врут системно.

Кейс: как интервью вскрыли 35% «невидимого» канала

В одном digital health контуре мы отдельно разговаривали с клиентами, которые уже купили, и разбирали реальную цепочку влияния. Быстро выяснилось: в CRM виден последний шаг, а не весь путь решения. Для attribution это неприятная, но очень полезная правда.

Что показала CRM: 45% сделок - контекст, 20% - SEO, 15% - прямые заходы, 10% - рекомендации, 10% - другое.

Что показали интервью: 35% клиентов сказали «я услышал про вас на конференции, потом погуглил через месяц». Конференций в отчёте по атрибуции не было вообще - потому что между конференцией и заявкой прошёл месяц, и CRM не связал эти события.

Практический вывод: вместо сокращения бюджета на конференции, который обсуждался, решили его сохранить и добавить специальный трекинг QR-кодов на выступлениях. Через квартал конференции стали видны в аналитике. Их роль подтвердилась.

AI-атрибуция: что работает, что нет

В 2024–2025 появилась волна AI-инструментов, которые обещают «настоящую атрибуцию через машинное обучение». Гугл сам от этого отказался, но энтузиасты продолжают.

Что работает:

• Кластеризация каналов по похожести поведения. Помогает увидеть синергии.
• Прогноз вероятности закрытия по трафику. Но это не атрибуция, это lead scoring.
• Автоматическая маркировка dark social через paste-ссылки (когда человек копирует URL и вставляет в мессенджер). Работает частично.

Что не работает:

• Полностью автоматическая data-driven модель без объёма данных. Всегда выдумывает веса.
• AI-атрибуция, заявленная как «решение проблемы b2b». На объёмах 200–2000 сделок в год моделька шумит.
• Обещания «100% атрибуции» - это маркетинг продавца инструмента, не реальность.

Как показывать атрибуцию руководству без красивой лжи

Частая просьба CEO: «дай мне одну цифру, сколько даёт канал X». Если вы честный CMO - это ловушка. Одной цифры нет.

Мой ответ всегда тройной:

• По first-touch канал X даёт столько-то (роль входа).
• По last-touch канал X даёт столько-то (роль закрытия).
• По интервью клиентов канал X упоминается в столько-то процентах.

Три цифры. Разные. Все три - правда. Одна цифра - всегда ложь.

CEO к этому привыкает за 2–3 квартала. После этого разговоры про «отменить маркетинг, потому что он не работает» или «удвоить бюджет, потому что он работает» становятся нормальными разговорами про фактическую динамику, а не эмоциональными.

Как использовать атрибуцию для принятия бюджетных решений

Главная практическая задача атрибуции - не «измерить, что работает», а «решить, куда вложить следующий рубль». Эти задачи разные.

Мой рабочий процесс:

1. Один раз в квартал. Собираем трёхслойную картину по всем каналам.
2. Смотрим на роли. Какой канал - awareness-driver, какой - conversion-closer, какой - и то, и другое.
3. Считаем стоимость роли. Awareness-каналы нельзя сравнивать по CPL с conversion-каналами. У них разная экономическая функция.
4. Сверяем с интервью. Что клиенты называют запомнившимся - должно быть в бюджете. Что не называют - пересматривается.
5. Принимаем решение. Бюджет распределяется не по «какой канал лучше», а по «какая функция нам нужна в следующем квартале».

Эта логика меняет разговор в совете директоров. Вместо «отменим SEO, потому что атрибуция показала только 12%» - «SEO - наш conversion-closer, его отменять не будем, но увеличим awareness-бюджет, потому что интервью показывают, что клиенты нас мало знают на входе».

Год работы над атрибуцией: реалистичный roadmap

Если у вас сейчас одна модель (чаще всего last-touch) - полный переход на зрелую атрибуцию занимает около года. Не трёх месяцев, не квартала. Год.

• Месяцы 1–2. Аудит текущей атрибуции. Что вы считаете, какими инструментами, кто принимает решения на основе этих данных.
• Месяцы 3–4. Внедрение трёхслойной модели параллельно с текущей. Обе живут рядом. Никаких решений не меняется.
• Месяцы 5–6. Первые интервью клиентов. 10–15 человек. Сверка с данными.
• Месяцы 7–9. Постепенный переход решений на трёхслойную картину. Обучение команды.
• Месяцы 10–12. Старая модель выводится. Трёхслойная становится дефолтом.

Если торопиться и попытаться сделать всё за квартал - обычно ломается доверие в команде к новой модели. И возвращаются к last-touch через полгода.

Что ещё почитать

Demand generation vs lead generation - разбор того, чем отличаются awareness и conversion. Трение между маркетингом и продажами - как плохая атрибуция порождает конфликт функций. Forecasting в b2b - атрибуция как фундамент прогноза. RevOps без магии - входной разбор. CustDev в b2b - технология клиентских интервью, без которых атрибуция всегда неполная. CRM как система - без этого фундамента атрибуция не сложится.

Частые вопросы