Модели атрибуции в Яндекс Директе 2026: как настроить кампании

Что меняется в моделях атрибуции Яндекс Директа с 20 мая 2026

Реформа затрагивает две сущности - модели атрибуции в рекламных кампаниях Директа и модели в отчетах Метрики. Меняется и набор доступных моделей, и логика их работы. Реформа разделена на два этапа.

21 апреля 2026 - первый этап

С этой даты в новых рекламных кампаниях нельзя выбрать устаревшие модели атрибуции. В уже работающих кампаниях блокируется откат назад - если маркетолог переключится на новую модель и захочет вернуть старую настройку, система этого не позволит. Мосты сжигаются: переход в одну сторону.

20 мая 2026 - принудительный переход

В этот день все существующие кампании автоматически переключаются на новые алгоритмы. Без исключений. Старые модели не только отключаются - они исчезают из отчетов Метрики и из всей статистики Директа, стираются из интерфейса. Это касается миллионов работающих кампаний.

Что важно про переход

При принудительной миграции 20 мая Яндекс гарантирует: автостратегии работают по той же математической логике, что и до. Меняется только качество входных данных. Раньше алгоритм видел мир через узкую щель одного устройства, теперь получает полные cross-device цепочки. Формулы те же, цифры точнее.

Это важная оговорка. Сам факт принудительной смены модели атрибуции у миллионов кампаний одновременно беспрецедентен. Подробный разбор того, как это отразится на показателях в первые недели, ниже в разделе про обучение автостратегий.

Какие модели атрибуции отключаются полностью

Под нож идут 4 классические модели.

Первый переход

Базовая модель, где вся заслуга за конверсию отдается первому источнику, через который пользователь попал на сайт. Работала для длинного цикла сделки: недвижимость, автомобили, B2B. Удаляется.

Последний значимый переход

Самая популярная модель по умолчанию в Метрике. Игнорировала прямые заходы и заходы из закладок, отдавая заслугу последнему рекламному или органическому источнику. Удаляется.

Последний переход из Яндекс Директа

Специальная модель для рекламодателей, которая фокусировалась исключительно на цепочках с участием Директа. Удаляется.

Cross-device версия последнего перехода из Директа

Это самое неочевидное решение. Модель уже умела работать с cross-device данными, склеивала смартфоны и десктопы одного пользователя. Но она тоже удаляется. Яндекс посчитал ее недостаточной и заменил автоматической атрибуцией, которая работает шире.

Что остается после реформы

В Директе для рекламных кампаний остается одна основная модель - автоматическая атрибуция, которую Яндекс рекомендует для большинства стратегий.

В отчетах Метрики для аналитика остаются cross-device версии старых моделей: первый переход cross-device, последний значимый переход cross-device. Они нужны для понимания этапов воронки, но не для управления кампаниями.

Какие модели атрибуции существовали до реформы

До 20 мая 2026 рынок 10 с лишним лет работал с несколькими классическими моделями атрибуции. Каждая по-своему распределяла заслугу за конверсию между касаниями пользователя. Понимание этих моделей пригодится даже после реформы - на их базе строится логика новой автоматической атрибуции.

Линейная модель

Самая простая по логике. Если у пользователя было 3 касания до покупки - реклама в соцсети, рассылка по email, баннер в РСЯ, - линейная модель распределяет заслугу математически поровну: по 33,3% каждому каналу.

Плюс: справедливо для ниш, где невозможно выделить главный канал. Минус: не отражает фактический вклад каждого касания. Если первое касание сформировало интерес, а последнее закрыло сделку, размазывать заслугу поровну по всем промежуточным шагам - значит игнорировать структуру воронки.

U-образная модель

Логика построена на том, что самые ценные касания в воронке - первое (знакомство с брендом) и последнее (закрытие сделки). Модель отдает по 40% заслуги первому и последнему касанию, оставшиеся 20% размазывает по всем промежуточным шагам подогрева.

U-образная модель работала в нишах со средним циклом сделки, где важен и охват, и финальная конверсия. Минус: вес середины воронки занижен, и кампании на этапе подогрева недополучают данные для обучения.

Модель по времени (time decay)

В этой модели чем ближе касание к моменту конверсии, тем больший вес оно получает. Первый клик может забрать 10%, рассылка в середине воронки - 30%, финальный баннер - 60%. Логика: влияние ранних касаний угасает со временем, и решение о покупке принимается под влиянием последних впечатлений.

Модель работает в e-com и услугах с циклом сделки от нескольких дней до 2-3 недель: ремонты, услуги стилистов, страховки, бытовая электроника. В длинных воронках (недвижимость, B2B) модель по времени занижает вклад начальных касаний и искажает картину.

Модель по позиции

Похожа на U-образную, но дает гибкость в настройке весов. Маркетолог сам задает процентное распределение между первым касанием, промежуточными и последним. Например, 30% первому, 40% последнему, 30% размазать по середине.

В Метрике эта модель в чистом виде не была доступна, но похожая логика реализована в Google Analytics 4 для пользовательских моделей атрибуции.

Первый переход и последний значимый переход

Это две модели, которые применяются дольше всего и были основными в Метрике до 20 мая.

Первый переход отдает 100% заслуги первому источнику, через который пользователь попал на сайт. Модель важна для длинных циклов сделки: квартиры, автомобили, корпоративный софт. Понимание, откуда пользователь впервые узнал про продукт, ценнее точки последнего клика.

Последний значимый переход отдает 100% заслуги последнему рекламному или органическому источнику, но игнорирует прямые заходы и заходы из закладок. Это попытка показать, какой канал «дожал» клиента до покупки, не приписывая заслугу пользовательской лояльности.

Обе модели после 20 мая 2026 удаляются из Директа и Метрики в обычной версии, остаются только в cross-device версиях для аналитических отчетов.

Что общего у всех старых моделей

Все классические модели атрибуции работают по одной фундаментальной слабости: они оценивают касания на одном устройстве. Если пользователь утром кликнул на смартфоне, а вечером купил с ноутбука - все эти модели либо приписывают покупку случайному прямому заходу, либо считают первый клик пустой тратой бюджета.

Когда современная аудитория ежедневно перемещается между 3-4 устройствами (смартфон, рабочий ноутбук, домашний ноутбук, планшет, иногда smart TV), плоская атрибуция на одном устройстве систематически приводит к ложным выводам. Именно поэтому Яндекс убирает классические модели целиком и заменяет их на cross-device логику.

Что такое автоматическая атрибуция и cross-device

Автоматическая атрибуция - это другой уровень понимания пути пользователя по сравнению со старыми моделями.

Как работает обычный cross-device

Cross-device - технология склейки разных устройств одного человека. Когда пользователь утром посмотрел рекламу с iPhone в метро, а вечером купил с домашнего MacBook, обычная аналитика видит два разных пользователя: один кликнувший, второй купивший. Cross-device через идентификатор Яндекс ID, поведенческие сигналы и пересечения по геолокации связывает оба устройства в один профиль и приписывает заслугу первому касанию.

В Яндексе эта технология называется Крипта, в Google - Google Signals. Логика одинаковая: один пользователь, разные устройства, единая цепочка касаний.

Что добавляет автоматическая атрибуция

Автоматическая атрибуция идет дальше обычного cross-device. Она связывает не только устройства одного человека, но и устройства разных людей внутри одного домохозяйства.

Логика работы: алгоритм видит несколько устройств, которые регулярно подключаются к одному IP-адресу домашнего Wi-Fi по вечерам, проводят ночи в одной геолокации, перемещаются вместе по выходным, транслируют видео на один умный телевизор. По этим сигналам система делает вывод, что устройства принадлежат людям, которые делят общий семейный бюджет.

Зачем это нужно бизнесу

Без атрибуции по домохозяйствам типичный сценарий выглядит так. Жена увидела на планшете рекламу дорогого робота-пылесоса, показала мужу. Они обсудили, жена ушла на кухню. Муж со своего смартфона нашел магазин и оформил заказ. Для старой аналитики клик жены - пустая трата бюджета на отказ, покупка мужа - органическая сделка из ниоткуда.

С автоматической атрибуцией система связывает оба устройства как часть одного домохозяйства, приписывает покупку мужа к рекламному клику жены и отдает заслугу за продажу первоначальной рекламе.

В типичной семье такой паттерн воспроизводится ежедневно: один человек проводит первичный поиск, другой завершает покупку. Без cross-device атрибуции вы фактически платите за работу одного канала, а заслугу видите у другого - и принимаете решения по фальшивым данным.

Как работает учет домохозяйств в новой модели атрибуции

Технология анализа домохозяйств строится на нескольких группах сигналов.

Сетевые сигналы

Несколько устройств систематически подключаются к одному и тому же IP-адресу в одно и то же время суток. Это домашний Wi-Fi роутер: ноутбук, два смартфона, планшет, smart TV - все цепляются за один IP с 19:00 до 23:00 каждый вечер.

Геолокационные сигналы

Устройства проводят ночи по одному адресу, перемещаются вместе по выходным, оказываются вместе в торговых центрах, ресторанах, на даче. Геолокация смартфонов раскрывает паттерн совместного проживания.

Сигналы взаимодействия

Несколько устройств управляют одной умной колонкой, транслируют видео на один телевизор, заходят в один сервис под одним аккаунтом, расплачиваются картами одного банка из общего домашнего бюджета.

Поведенческие пересечения

Устройства смотрят похожий контент, заходят на родственные сайты, реагируют на одни и те же рекламные кампании. Это не основной сигнал, но дополнительная проверка для нейросети.

Из совокупности этих триллионов микросигналов алгоритм строит вероятностный вывод: эти устройства принадлежат людям, которые живут вместе. Точность повышается с каждым новым сигналом.

Что это значит для рекламодателя

Вы перестаете платить за «отказы», которые на самом деле были рабочими первыми касаниями. Вы видите полную картину взаимодействия аудитории с рекламой, а не плоскую проекцию на одно устройство. Бюджет распределяется по тем каналам, которые фактически генерируют продажи, даже если конверсия закрылась на другом устройстве и в другой день.

Главное: алгоритм Директа получает в разы больше качественных сигналов для обучения. Чем точнее данные, тем эффективнее автостратегии.

Что такое 90-дневное окно атрибуции и как оно ограничивает данные

У новой автоматической атрибуции есть лимит. Память алгоритма ограничена 90 днями.

Как работает окно

С момента первого клика пользователя запускается невидимый таймер. Если конверсия произошла на 89-й день, система помнит первое касание, выстраивает полную цепочку и распределяет заслуги между каналами.

Если конверсия произошла на 91-й день, система ничего не помнит. Возвращающийся посетитель регистрируется как новый. Все рекламные касания до этого, за которые бизнес платил живые деньги, стираются из памяти. Заслуга приписывается случайному источнику, который оказался последним.

В каких нишах окно создает проблемы

90 дней покрывают большинство массовых сценариев: e-com покупки, услуги, B2C с коротким циклом. Для них окно атрибуции не создает проблем.

Проблема возникает в длинных воронках:

• Недвижимость: цикл от первого касания до сделки часто 4-6 месяцев.
• Автомобили премиум-класса: 3-5 месяцев.
• B2B-софт с дорогими лицензиями: 4-8 месяцев.
• Корпоративное оборудование: 3-9 месяцев.
• Услуги с обучением (юридические, медицинские, образовательные): 3-6 месяцев.

Во всех этих сегментах часть заявок физически выпадет за 90-дневный лимит, и алгоритм припишет их случайному последнему касанию. Это не баг - это архитектурное ограничение, с которым работают и Google Ads, и Meta Ads, и большинство других рекламных платформ.

Как обходить лимит

Обойти 90-дневное окно атрибуции в самом Директе нельзя. Но можно подстраивать стратегию:

1. Использовать промежуточные цели для длинных воронок: подача заявки на консультацию, скачивание материалов, переход в мессенджер. Они закрываются раньше 90 дней и дают алгоритму данные для обучения.
2. Вести аналитику в CRM с собственной атрибуцией: импортировать туда события из Метрики через API и строить отчеты с окном до 365 дней или дольше.
3. Сегментировать когорты: смотреть конверсии не «на 90-й день», а по неделям/месяцам с момента первого касания.

Какая модель атрибуции в кампании, какая в отчетах Метрики

После реформы 20 мая в кампаниях Директа и в отчетах Метрики работают разные модели атрибуции. Это самое частое место путаницы у маркетологов. Разделение по назначению такое.

В рекламных кампаниях - автоматическая атрибуция

Для всех кампаний в Директе, которые используют автостратегии, Яндекс рекомендует именно автоматическую атрибуцию. Логика проста: чем больше связей видит алгоритм, тем точнее он обучается и тем дешевле приводит новых клиентов.

Алгоритму нужна пища для ума. Cross-device цепочки, домохозяйства, скрытые паттерны - все это работает на обучение. Сужать данные через старые модели первого или последнего перехода означает резать обучение алгоритма и платить за это упущенной эффективностью.

В отчетах Метрики - последний значимый переход cross-device

Когда аналитик готовит отчеты для руководства и нужно понять, какой именно канал стал финальным триггером для закрытия сделки, рекомендуется смотреть данные через последний значимый переход в cross-device версии. Эта модель показывает нижний этап воронки - что именно дожало клиента до покупки.

Главное правило

Компания должна выбрать одну модель атрибуции для сквозных отчетов и придерживаться ее во всех документах. Смешивать разные модели в разных отчетах нельзя - цифры поплывут, появятся нестыковки между дашбордами, руководство примет ложные решения.

В большинстве случаев рабочая связка такая:

• В кампаниях Директа - автоматическая атрибуция (для обучения).
• В Мастере отчетов Директа - тот же первый или последний значимый cross-device, что и в Метрике (для согласованности).
• В отчетах Метрики - последний значимый переход cross-device (для управленческих решений).
• В сквозной аналитике (Roistat, CallTouch, собственный BI) - та же модель, что в Метрике.

Что произойдет с обучением автостратегий 20 мая

Главный страх индустрии перед 20 мая: одновременная смена настроек у миллионов кампаний должна сбить обучение алгоритмов. Что произойдет на самом деле.

Что Яндекс обещает официально

В разъяснениях от 3 апреля 2026 явно прописано: переобучения стратегий не произойдет. Математическая логика работы автостратегий не меняется. Меняется только качество входных данных.

Раньше алгоритм видел один смартфон без связи с домашним ноутбуком. После 20 мая он видит полную cross-device цепочку с учетом домохозяйства. Формула оптимизации та же, но в нее подаются другие, более полные цифры. Это расширение поля зрения - алгоритм продолжает считать по той же логике, но на более полных данных.

Чего ждать на практике

Несмотря на официальные гарантии, в первые 7-14 дней после 20 мая возможны колебания в отчетах:

• Конверсий по cross-device моделям может стать больше (видны цепочки, которые раньше были невидимы).
• Стоимость заявки по новой атрибуции может выглядеть ниже (на ту же покупку теперь приходится больше «увиденных» касаний).
• Метрики некоторых каналов могут перераспределиться: то, что выглядело как органика, может оказаться рекламной заслугой; то, что выглядело как клик без конверсии, может стать первым касанием в цепочке.

Это не сбой алгоритма. Это смещение в восприятии данных. Стоимость заявки в долларах или рублях физически не меняется - меняется то, как Метрика ее атрибутирует.

Что делать в первую неделю после 20 мая

Не трогать настройки автостратегий. Не править ставки. Не перезапускать кампании. Дать алгоритмам собрать первую неделю данных в новой системе координат и сравнить с прошлой неделей.

Если конверсии физически идут - это значит, что бизнес-показатели не пострадали. Если отчеты выглядят непривычно - это проблема интерпретации, а не работы кампаний. Сначала наблюдение, потом действия. Дополнительный контекст по тому, как автостратегии вообще обучаются и какой минимум конверсий им нужен - в статье про выбор типа кампании в Яндекс Директе под задачу и бюджет.

План действий до 20 мая: чек-лист

Если до 20 мая 2026 осталась неделя или меньше, вот список действий по приоритету.

До 17 мая 2026 (за 3 дня)

Открыть все активные кампании в Директе и зафиксировать текущие настройки атрибуции для каждой. Сохранить скриншоты или выгрузку - это нужно, чтобы после перехода понимать, во что именно сконвертировалась каждая старая модель.

Проверить настройку UTM-меток для согласованной атрибуции каналов. Если разметка хромает, новая cross-device атрибуция будет работать хуже на тех каналах, где параметры utm_source и utm_medium заполнены вразнобой.

Проверить все цели в Метрике. Цели не должны быть микроконверсиями (клик по телефону, скролл, время на странице). Для автостратегий нужны конкретные конверсионные действия: отправка формы, страница «Спасибо», подтвержденный звонок.

До 19 мая 2026 (за 1 день)

Убедиться, что в каждой кампании, использующей автостратегию, выбрана одна конкретная конверсионная цель, на которой система обучается. Если целей несколько и они отличаются по природе (звонок vs форма), разделить кампании.

Проверить настройки Метрики. На сайте должен стоять актуальный счетчик. Цели должны срабатывать корректно. Тестовая заявка должна доходить и до CRM, и до Метрики.

20 мая 2026

Не трогать кампании в этот день. Зафиксировать дату перехода в рабочих заметках, чтобы потом было понятно, с какого момента начинать сравнительный анализ.

21-27 мая 2026 (первая неделя)

Наблюдать за метриками, но не реагировать импульсивно. Колебания в первые 7 дней - это нормально. Записывать факты в журнал: что изменилось, какие конверсии стали видны, что пропало из отчетов.

28 мая - 3 июня 2026 (вторая неделя)

Анализировать. К концу второй недели появится достаточно данных, чтобы понять, как новая атрибуция отразилась на показателях бизнеса. Только сейчас можно принимать решения о корректировках бюджетов, ставок и распределения по каналам.

До 30 июня 2026

Перенастроить сквозную аналитику. Если в вашей CRM или BI-системе была настроена интеграция со старыми моделями атрибуции, обновить ее под новую логику. Договориться с командой об одной модели для всех отчетов.

Как читать отчеты Мастера отчетов после перехода

В Мастере отчетов Директа в выпадающем списке атрибуции после 20 мая будут доступны только cross-device модели.

Что изменится визуально

Старые названия моделей исчезнут. Вместо «Последний переход из Директа» появится «Автоматическая». Вместо «Первый переход» - «Первый переход cross-device». Списки и фильтры в Мастере отчетов обновятся автоматически.

Как выбрать модель в Мастере отчетов

При первом открытии Мастера отчетов после 20 мая выбрать модель атрибуции вручную. Не оставлять «по умолчанию», потому что значение по умолчанию может измениться, и сравнение с прошлыми периодами окажется некорректным.

Для управленческих отчетов выбирать ту же модель, что используется в Метрике для отчетов руководства. Если в Метрике это последний значимый переход cross-device, в Мастере отчетов выбирать его же.

Сравнение с прошлыми периодами

Сравнение «месяц к месяцу» через 20 мая - технически возможно, но методологически некорректно. До 20 мая данные собирались по одной модели, после - по другой. Любые сравнения нужно делать либо целиком до 20 мая, либо целиком после.

Для корректного сравнения с предыдущим годом лучше дождаться накопления хотя бы 4-6 недель данных в новой модели и только тогда строить агрегированные отчеты.

Связка Метрика - CRM

Если в CRM настроена выгрузка атрибуции из Метрики через API, проверить что код выгрузки использует ту же модель атрибуции, что и руководство в отчетах. После 20 мая нужно сменить параметр в запросе на cross-device версию модели.

Если через несколько недель новой атрибуции выяснится, что в кампаниях не хватает объема конверсий для устойчивого обучения автостратегий - вернуться к выбору типа кампании в Яндекс Директе под задачу и бюджет. На малых объемах данных разнесенные поиск и РСЯ часто работают точнее, чем ЕПК.

Типичные ошибки при работе с моделями атрибуции

За время работы с моделями атрибуции в Метрике и Директе я регулярно вижу одни и те же ошибки. Они ломают данные и приводят к ложным управленческим решениям. Шесть самых частых.

Смешивание моделей в отчетах одной компании

Маркетинг использует автоматическую атрибуцию, финансы смотрят через последний переход, продакт-команда - через первый переход. Цифры в разных отчетах не сходятся, начинается разбирательство, причина - разные модели. Решение: договориться о единой модели для управленческих отчетов в компании на этапе настройки аналитики.

Игнорирование 90-дневного окна

Бизнес с циклом сделки 6 месяцев сравнивает себя по атрибуции с бизнесом с циклом 2 недели. В первом случае значительная часть конверсий выпадает за окно атрибуции и теряется, во втором - все видно. Сравнение некорректно. Решение: учитывать длину воронки при интерпретации данных.

Частая смена моделей атрибуции

Маркетолог пробует разные модели каждую неделю, ищет ту, по которой цифры лучше. Алгоритмы автостратегий каждый раз получают новые сигналы и сбиваются. Эффективность падает. Решение: выбрать одну модель и не менять ее хотя бы 4-6 недель.

Использование микроконверсий как основной цели

В кампании выбрана цель «клик по номеру телефона» как основная для автостратегии. Алгоритм оптимизируется на клики, а не на звонки. Стоимость клика низкая, но звонков от этих кликов нет - это случайные касания экрана на смартфонах. Решение: основная цель должна быть полноценным конверсионным действием, а не микроконверсией.

Сравнение моделей в один и тот же период

Открыть отчет через первый переход, потом тот же период через последний переход, и сравнить. Это бесполезное упражнение - модели по природе показывают разные данные. Полезно сравнивать одну модель в разные периоды, а не разные модели в один период.

Слепая вера в автоматическую атрибуцию

Автоматическая атрибуция качественнее предыдущих моделей, но она не идеальна. Алгоритм может ошибочно склеить устройства соседей по подъезду (один Wi-Fi) или коллег в офисе (один IP). Эти случаи редки, но в нишах с высокой ценой ошибки (B2B, премиум) периодически проверять качество атрибуции на конкретных сделках.

Частые вопросы