Моделі атрибуції в GA4: Data-Driven проти Last Click

Ігор Івіцький

Ігор Івіцький

  • №6 у рейтингу The Top 50 Most Influential PPC Experts
Про автора ↓

Опубліковано 9 хв читання

У цій статті
  1. Чому канали сперечаються за одну угоду: конфлікт атрибуції
  2. Як працює атрибуція на основі даних (Data-Driven) в GA4
  3. Чому Last Non-Direct Click це не окрема модель GA4
  4. Звіт порівняння моделей: практичний аналіз
  5. Вікно ретроспективного аналізу: 30 проти 90 днів
  6. Як не відключити прибуткові кампанії першого кліку: 3 правила для власника
  7. Коли це НЕ працює
  8. Питання й відповіді
  9. Як зміна моделі атрибуції в GA4 впливає на оптимізацію ставок у Google Ads?
  10. Чи можна повернути лінійну модель або модель з урахуванням давності взаємодії?
  11. Чому в звітах з'явилися дробові значення кількості конверсій?

Моделі атрибуції в GA4 визначають математичне правило, за яким система розподіляє цінність конверсії між різними рекламними та органічними каналами на шляху до покупки. За замовчуванням Google Analytics 4 використовує модель на основі даних (Data-Driven), яка оцінює внесок кожного переходу та запобігає знеціненню початкових взаємодій. На відміну від неї, модель останнього кліку в GA4 називається Paid and organic last click (друга назва Last non-direct click, українською «Останній непрямий клік») і віддає 100% останньому каналу, який не є прямим заходом. Через це холодний пошук, відеореклама та соціальні мережі виглядають збитковими. Розуміння цих відмінностей захищає підприємця від помилкового скорочення прибуткових кампаній першого контакту.

Коротко: Модель атрибуції визначає розподіл цінності замовлення між маркетинговими каналами. Модель Data-Driven застосовує машинне навчання для оцінки кожного переходу, тоді як Last Click враховує лише фінальний візит перед покупкою. Зіставлення даних у звіті порівняння моделей GA4 допомагає зберегти верхньоворонкові кампанії від хибного закриття та розподіляти бюджет на основі повного маршруту клієнта.

Чому канали сперечаються за одну угоду: конфлікт атрибуції

У сучасному маркетингу шлях покупця майже ніколи не є прямолінійним. Користувач бачить відео на YouTube, через кілька днів шукає інформацію через пошук, згодом клікає на ремаркетинг у соцмережах, а купує після брендового пошуку. Якщо оцінювати ефективність лише за фінальним переходом, брендовий пошук забирає весь результат, а початкові канали отримують нуль.

За даними дослідження Google і Measure Protocol 2025 року в США (вибірка з понад 22 тисяч онлайн-покупок), 8 з 10 шляхів до покупки включають кілька точок контакту. Оцінка маркетингу за останнім кліком створює ілюзію, ніби верхні рівні воронки витрачають бюджет даремно. Підприємець вимикає відеорекламу чи холодні кампанії і ризикує пізніше втратити приплив нових користувачів. Спад не гарантований: його перевіряють на своєму акаунті до і після.

Коли ви тільки вивчаєте, як користуватися Google Analytics 4 для контролю бізнесу, розуміння ролі кожного контакту стає головним захистом від помилкового перерозподілу грошей.

Розглянемо типовий шлях із 4 послідовних взаємодій та порівняємо розподіл цінності замовлення в різних підходах:

Точка контакту на шляху покупцяОцінка за Last ClickОцінка за Data-Driven
Перший візит: реклама на YouTube0% цінностіЧастка цінності за залучення аудиторії
Другий візит: органічний пошук у Google0% цінностіЧастка цінності за підтримку інтересу
Третій візит: ремаркетинг у соцмережах0% цінностіЧастка цінності за повернення на сайт
Четвертий візит: брендовий пошук Google100% цінностіЧастка цінності за завершення угоди

Як працює атрибуція на основі даних (Data-Driven) в GA4

Модель Data-Driven використовує алгоритми машинного навчання Google для аналізу всього масиву дій користувачів на вашому сайті. Система аналізує як успішні ланцюжки візитів, так і сеанси, де користувачі пішли без покупки. Порівнюючи тисячі комбінацій, штучний інтелект визначає, які саме точки контакту статистично підвищують ймовірність конверсії.

Головна перевага полягає в динамічному нарахуванні дробової цінності. Згідно з офіційною документацією Google Analytics, замість штучного визначення єдиного переможця система присвоює кожному кліку коефіцієнт від 0 до 1, сума яких для однієї події дорівнює одиниці. Наприклад, якщо клієнт перейшов за пошуковим оголошенням, а завершив замовлення через ремаркетинг, пошук може отримати 0,4 конверсії, а ремаркетинг 0,6.

Атрибуція на основі даних є моделлю за умовчанням у Google Ads і в GA4. Мінімальний обсяг даних довідка не публікує. Якщо власних даних мало, модель може спиратися на зведені дані з налаштувань спільного доступу. Статичні моделі (перший клік, лінійна, з урахуванням давності взаємодії та на основі позиції) недоступні з листопада 2023 року. Менше ніж 3% веб-конверсій у Google Ads використовували їх у лютому і березні 2023 року, про це пише довідка Google Ads.

Чому Last Non-Direct Click це не окрема модель GA4

У звітах атрибуції GA4 три моделі: Data-driven, Paid and organic last click і Google paid channels last click. Last non-direct click це друга назва Paid and organic last click, а не окремий пункт меню. Прямий трафік не отримує цінність, якщо шлях не складається лише з прямих заходів. Прямий візит отримує 100% лише тоді, коли весь маршрут складався з прямих входів.

Також важливо розрізняти аналітику сайту та звіти всередині рекламних кабінетів. На відміну від специфічних інструментів, де діють внутрішні моделі атрибуції в Google Ads, система GA4 оцінює перехресні шляхи за участю всіх доступних джерел. Щоб коректно синхронізувати дані між платформами, необхідно правильно зв’язати Google Ads і Google Analytics.

Налаштування моделі атрибуції в GA4 впливає виключно на параметри трафіку на рівні події (Source, Medium, Campaign, Default channel group). Показники на рівні сеансу чи першого залучення користувача фіксують джерело за власними правилами та не змінюються. Для інтернет-магазинів налаштування електронної комерції в GA4 забезпечує передачу реальної вартості кошика, дозволяючи алгоритмам розподіляти між кліками конкретний дохід.

Звіт порівняння моделей: практичний аналіз

Для аудиту кампаній відкрийте звіт «Порівняння моделей»: меню «Реклама», далі «Атрибуція», далі «Порівняння моделей». Англійська довідка називає його Key event attribution models і веде через Advertising, Attribution, Attribution models. Згідно з довідкою Google Analytics, звіт зіставляє моделі і показує відсоткову зміну ключових подій та доходу. Готових порогів у відсотках там немає.

Практичний аналіз будується на порівнянні Data-Driven із Paid and organic last click. Дивіться напрям зсуву доходу, а не кругле число:

  1. Канали з помітним приростом за Data-Driven: Це генератори попиту у верхній частині воронки. За останнім кліком вони здаються дорогими, бо ця модель віддає їм нуль. Різниця в розподілі цінності не показує, що вимкнення зменшує потік нових клієнтів. Звірте на своєму акаунті до і після.
  2. Канали з помітним спадом за Data-Driven: Зазвичай це брендовий пошук і прямі заходи, які фіксують інтерес, сформований іншими джерелами.
  3. Канали майже без зсуву: Кампанії з коротким циклом, де перший і фінальний кліки збігаються.

Додатково аналізують звіт шляхів атрибуції (Attribution paths). Якщо у звіті шляхів атрибуції половина конверсій припадає на перший день, а решта розподілені на тиждень, ремаркетинг включають негайно. Якщо другий пік виникає через 12-30 днів, рішення приймається довго, і сценарії повернення налаштовують на довший термін. Саме так формується прозора аналітика реклами для власника, яка відображає реальну віддачу маркетингу.

Вікно ретроспективного аналізу: 30 проти 90 днів

Вікно ретроспективного аналізу (Lookback Window) визначає інтервал у минулому, протягом якого взаємодії з рекламою можуть отримати частку цінності. Якщо клік відбувся раніше цього терміну, система не враховує його. Налаштування розташоване в меню Адміністратор > Відображення даних > Події > Налаштування атрибуції. Там же задають період ретроспективного аналізу ключових подій.

За правилами платформи, для подій першого залучення (first_open та first_visit) стандартне вікно становить 30 днів із можливістю перемикання на 7 днів. Для інших ключових подій за замовчуванням встановлено 90 днів (можна обрати 30 або 60 днів). Зміна застосовується тільки до нових даних і не перераховує історію.

Для недорогих товарів повсякденного попиту 30-денного вікна зазвичай достатньо. Проте для секторів B2B, нерухомості чи дорогих послуг звуження терміну спотворює реальність. У двоступеневій воронці первинна заявка надходить швидко, але оплата чи підписання договору відбуваються через кілька тижнів. Коротке вікно аналітики фіксує лише швидкий первинний сигнал і втрачає підсумковий дохід, тому початкові канали виглядають суттєво слабшими за їхній реальний результат.

Як не відключити прибуткові кампанії першого кліку: 3 правила для власника

За 19 років у рекламі Google (з 2006 року) я регулярно бачу, як підприємці скорочують витрати суто за вартістю останнього кліку і в результаті втрачають стабільний прибуток. Щоб уникнути цієї помилки, дотримуйтеся трьох правил:

  1. Зіставляйте дві моделі перед вимкненням: У звіті порівняння оберіть діапазон дат і ключові події з доходом, поставте Data-Driven поруч із Paid and organic last click і читайте зміну подій та доходу. Не вирішуйте за вікно, коротше за цикл угоди. Якщо канал дає помітний плюс до доходу, він живить усю систему.
  2. Враховуйте повний цикл угоди: Не оцінюйте холодний пошук чи відеорекламу за підсумками перших кількох днів. Якщо від першого кліку до оплати минає 20 днів, віддача перших торкань відобразиться у фінансах лише за місяць.
  3. Контролюйте дохід бізнесу загалом: Слідкуйте за загальною окупністю маркетингу. Якщо після відключення першого контакту брендовий трафік дешевший, але загальний прибуток падає, ви знищили приплив нової аудиторії.

Власнику варто залишити Data-Driven: це модель за умовчанням у Google Ads і в GA4. Paid and organic last click дивіться поруч, коли шлях короткий і однотипний або даних мало. При довгому циклі лишіть вікно 90 днів і вирішуйте за доходом.

Коли це НЕ працює

Попри аналітичну перевагу Data-Driven моделі, існують ситуації, коли перемикання атрибуції не дає бізнесу практичної користі:

  • Миттєві послуги та імпульсивні замовлення: У нішах термінового ремонту замків, виклику евакуатора чи доставки піци клієнт зазвичай діє одразу і не будує довгий ланцюжок. Тоді обидві моделі близькі, і Paid and organic last click достатній як консервативний орієнтир.
  • Мало конверсій або обірваний трекінг: Мінімальний обсяг Google не публікує. Коли даних мало або згода користувачів рве зв’язок сеансів, я не вимикаю кампанію за коротким періодом: це мій висновок, а не правило платформи. Спочатку накопичуйте ключові події.
  • Немає суми замовлення: Стовпець доходу у звіті порівняння рахується як дохід від покупок. Без суми ви бачите конверсії, але не гроші. Спочатку передайте виручку.
  • Угоди з офлайн-оплатою без інтеграції з CRM: Коли заявка оформлюється онлайн, а переговори та оплата відбуваються офлайн без повернення даних у GA4, аналітика бачить лише факт ліда. Не ранжуйте канали за таким лідом.

Опанувати професійну роботу зі звітами допоможе курс «Google Analytics 4 для бізнесу», де ви навчитеся проводити точний аналіз джерел трафіку та сформуєте глибоке розуміння реального внеску кожного рекламного долара у розвиток вашої компанії.

Хочете систему, а не розрізнені поради?

На безкоштовному майстер-класі показую покроково, як перетворити рекламу на передбачуваний потік клієнтів.

Дивитися майстер-клас →

Питання й відповіді

Як зміна моделі атрибуції в GA4 впливає на оптимізацію ставок у Google Ads?

Зміна моделі для звітів усередині GA4 не змінює алгоритми призначення ставок у кабінеті Google Ads автоматично. Щоб реклама оптимізувалася за новою логікою, необхідно імпортувати відповідні ключові події з GA4 та вибрати модель безпосередньо в налаштуваннях кожної конверсії Google Ads.

Чи можна повернути лінійну модель або модель з урахуванням давності взаємодії?

Ні, повернути лінійну модель або модель з урахуванням давності взаємодії неможливо. Google остаточно вилучив статичні моделі на основі правил із інтерфейсу GA4 та Google Ads у листопаді 2023 року через їхню низьку ефективність у сучасних багатоканальних послідовностях.

Чому в звітах з’явилися дробові значення кількості конверсій?

Дробові значення виникають через те, що алгоритм Data-Driven ділить одиницю конверсії між кількома учасниками ланцюжка пропорційно до їхнього внеску, тому в стовпчику з’являються числа з десятими частками.