В Яндекс Директе легко попасть в странную ситуацию: вчера кампания выглядела прибыльной, сегодня в отчёте конверсий меньше, хотя трафик почти не изменился. Первое желание – искать проблему в стратегии, ставках или счётчике.
Но иногда причина проще: вы смотрите на те же визиты через другую модель атрибуции. История пользователя одна, а правило, кому засчитать конверсию, другое.
В 2026 году Яндекс заметно почистил набор моделей атрибуции. С 20 мая отключены Первый переход, Последний значимый переход, Последний переход из Директа и Последний переход из Директа кросс-девайс в их старых вариантах. В работе остались актуальные кросс-девайсные модели, Последний переход и автоматическая атрибуция. Поэтому сейчас особенно полезно понимать не названия моделей, а то, как они меняют выводы по кампании.
Атрибуция – это не просто настройка отчёта
Модель атрибуции отвечает на довольно приземлённый вопрос: какой источник считать причастным к визиту или конверсии.
Человек редко действует по схеме увидел объявление – сразу купил. Он может сначала прийти из поиска, потом кликнуть рекламу, через пару дней вернуться из соцсети, а заказ оформить вообще с другого устройства. Все эти контакты были в реальности. Но в отчёте нужно решить, кому отдать конверсию.
Отсюда и разница в цифрах. Одна модель отдаст результат первому источнику, другая последнему значимому, автоматическая попробует определить вклад Директа алгоритмически.
Самое опасное здесь – воспринимать цифру конверсий как абсолютную истину. Это не фотография реальности. Это реальность, пропущенная через выбранное правило учёта.
Что изменилось в 2026 году
С 20 мая 2026 года Яндекс отключил несколько старых моделей атрибуции в Метрике и Директе. Если они использовались в сохранённых отчётах, система заменяет их актуальными вариантами.
Сейчас в рабочих отчётах встречаются:
- Автоматическая атрибуция;
- Последний значимый переход кросс-девайс;
- Первый переход кросс-девайс;
- Последний переход;
- отдельные модели по показам Директа для медийной рекламы.
Уже по этому списку видно направление: Яндекс всё сильнее учитывает путь пользователя между устройствами. Сценарий, где реклама была на телефоне, а покупка произошла вечером с ноутбука, больше нельзя нормально анализировать только в рамках одного браузера.
Автоматическая атрибуция
В автоматической модели Яндекс использует алгоритмы машинного обучения. Учитываются не только прямые переходы, но и кросс-девайсные связи, время между взаимодействиями, интерес пользователя и другие сигналы.
Для рекламодателя это удобно: не нужно самостоятельно решать, какой именно контакт считать главным. Но есть обратная сторона. Результат становится менее прозрачным. Нельзя открыть один визит и всегда пальцем показать: вот именно этот переход получил конверсию по простому фиксированному правилу.
Поэтому автоматическую атрибуцию я бы не воспринимал как способ получить единственно правильное число. Это скорее рабочая модель Яндекса для оценки вклада рекламы в цепочку взаимодействий.
Для автоматической атрибуции кросс-девайс включён по умолчанию. Окно атрибуции составляет 180 дней. То есть путь пользователя может оказаться заметно длиннее, чем обычно представляют, когда смотрят только последние несколько визитов.
Последний значимый переход кросс-девайс
Эта модель хорошо показывает логику, с которой многие привыкли работать годами. Прямой заход не обязательно забирает себе конверсию, если до него был более содержательный источник.
Например, человек пришёл из Директа, ушёл, а через день набрал адрес сайта вручную и оформил заказ. Последний переход скажет, что источник прямой. Последний значимый переход может отнести результат к предыдущему значимому источнику.
Сейчас модель работает с учётом устройств. Окно атрибуции для неё составляет 90 дней.
Она полезна там, где между первым интересом и покупкой проходит время и пользователь несколько раз возвращается на сайт. Но сравнивать её цифры с отчётом по Последнему переходу напрямую бессмысленно. Это два разных способа разложить одну историю по каналам.
Первый переход кросс-девайс
Здесь логика обратная. Модель пытается сохранить за первым источником роль того, кто привёл пользователя.
Такой взгляд полезен, когда нужно понять, откуда вообще появляются новые потенциальные покупатели. Особенно при длинном цикле принятия решения, где до конверсии человек успевает много раз вернуться.
Но и тут есть ловушка. Если смотреть только эту модель, канал, который реально дожимает пользователя перед покупкой, может выглядеть слабее. Поэтому я бы не пытался выбирать модель по принципу какая показывает больше конверсий. Сначала вопрос, который мы хотим задать данным, потом модель.
Последний переход
Это самая простая логика: источником считается конкретный переход в текущем визите, без попытки восстановить длинную историю.
Модель полезна для технического анализа и для ситуаций, когда хочется максимально буквально посмотреть, откуда пришёл визит. Но при длинной воронке она легко недооценивает предыдущие рекламные касания.
Например, Директ познакомил человека с товаром, а покупку он оформил через сохранённую вкладку. В модели Последний переход рекламный контакт не получит эту конверсию.
Почему это важно именно для стратегии Директа
Вот здесь начинается часть, которую часто пропускают. Атрибуция в Директе может влиять не только на красивый отчёт после кампании.
Автоматические стратегии используют статистику Метрики по выбранной модели атрибуции. Если изменить модель, изменится набор данных, на котором алгоритм оценивает вероятность достижения цели.
Яндекс отдельно предупреждает: после смены модели системе нужно время, чтобы построить новый прогноз и подобрать ставки.
То есть переключить атрибуцию в стратегии и через день делать вывод, что стало лучше или хуже, плохая идея. Мы поменяли не косметическую настройку. Мы поменяли правило, по которому алгоритм понимает успешные визиты.
Особенно осторожно с оплатой за конверсии
В кампаниях с оплатой за конверсии выбранная модель влияет уже буквально на то, какие визиты считаются оплачиваемыми.
При Последнем значимом переходе кросс-девайс учитывается цепочка до следующего значимого события. При автоматической модели Яндекс оценивает вклад Директа алгоритмически. При Первом переходе кросс-девайс важным становится то, что пользователь впервые попал на сайт именно из рекламы.
Поэтому менять модель только потому, что соседняя колонка в отчёте выглядит приятнее, здесь особенно рискованно.
Почему Директ и Метрика могут показывать разные цифры
Когда цифры не сходятся, обычно начинается поиск потерянных целей, проблем с UTM или с кодом счётчика. Иногда проблема действительно там. Но сначала стоит проверить более банальные вещи.
1. Одинаковая ли модель атрибуции
Если один отчёт построен по автоматической атрибуции, а второй по последнему значимому переходу, одинаковых цифр ждать странно.
2. Совпадает ли период
При длинном цикле сделки дата рекламного взаимодействия и дата конверсии могут находиться далеко друг от друга.
3. Учитывается ли кросс-девайс
Часть пути может происходить на телефоне, часть на компьютере. Современные модели Яндекса специально пытаются связать такие взаимодействия.
4. Не поменяли ли недавно атрибуцию в стратегии
После смены модели алгоритму нужно перестроить прогноз. Сравнивать короткие отрезки до и после такого изменения без поправки на это я бы не стал.
Как я бы анализировал кампанию
Для регулярного контроля лучше выбрать одну основную модель и не прыгать между ними каждую неделю. Иначе отчёт превращается в способ найти ту цифру, которая больше нравится.
Но периодически полезно открыть Мастер отчётов и посмотреть одну кампанию сразу в нескольких моделях.
Если разница небольшая, путь до конверсии, вероятно, относительно простой. Если разница огромная, это уже хороший повод изучить воронку. Возможно, люди долго выбирают, возвращаются из других каналов или активно меняют устройства.
И это, на мой взгляд, полезнее спора о том, какая атрибуция правильная. Разброс между моделями сам по себе рассказывает что-то о поведении покупателей.
Что проверить прямо сейчас
- какая модель стоит в стратегии кампании;
- какая модель выбрана в Мастере отчётов;
- какая атрибуция используется в отчётах Метрики, с которыми вы сравниваете Директ;
- менялась ли модель недавно;
- не сравниваются ли периоды до и после смены атрибуции как будто условия одинаковые;
- насколько сильно отличаются результаты при переключении между актуальными моделями.
Отдельно стоит помнить про кампании из Мастера кампаний и некоторые товарные кампании: там автоматическая атрибуция установлена по умолчанию и изменить её нельзя.
Главный вывод
Атрибуция не создаёт и не удаляет реальные заказы. Она меняет то, как эти заказы распределяются между источниками.
Но в Яндекс Директе это уже не просто вопрос аналитики. Модель может участвовать в обучении стратегии и при оплате за конверсии влиять на то, какие визиты попадут в расчёт.
Поэтому перед выводом кампания просела я бы проверил не только расходы, ставки и цели. Ещё один пункт занимает секунд десять: какая модель атрибуции сейчас выбрана и совпадает ли она с той, по которой вы привыкли смотреть результат.
Иногда после этой проверки внезапная просадка оказывается не просадкой вообще. Просто мы поменяли линейку, которой её измеряем.
Источники
Документация Яндекс Директа: модели атрибуции и их использование в стратегиях. Документация Яндекс Метрики: изменения моделей атрибуции с 20 мая 2026 года и актуальные правила кросс-девайсного учёта.