Как правильно считать ROMI контекстной рекламы: атрибуция и учет ассистирующих конверсий

Введение: почему ROMI важен для контекстной рекламы

ROMI — ключевой показатель эффективности маркетинга, отражающий возврат на инвестиции в рекламу. В контекстной рекламе (поисковой и рекламных сетях) его правильный расчет помогает принять решения о бюджете, ставках и распределении каналов. Однако простая формула «доход минус расходы, разделить на расходы» часто даёт искажённую картину, если не учитывать атрибуцию и ассистирующие конверсии.

Основные понятия

ROMI: базовая формула

В классическом виде ROMI рассчитывают так:

• ROMI = (Доход от кампании — Стоимость кампании) / Стоимость кампании
• Иногда умножают на 100%, чтобы получить процентный ROMI.

Атрибуция

Атрибуция — это метод присвоения «заслуженной» ценности конкретному рекламному касанию (ad touch) на пути пользователя к конверсии. Существуют разные модели: last click, first click, linear, time decay, position-based, data-driven и т.д.

Ассистирующие конверсии

Ассистирующие (вспомогательные) конверсии — это взаимодействия с рекламой, которые не привели к последнему клику, но повлияли на решение клиента. Их учёт критичен для справедливой оценки вкладов разных кампаний и площадок.

Типичные ошибки при расчёте ROMI в контекстной рекламе

• Использование только last click-атрибуции — недооценка вспомогательных каналов.
• Игнорирование многоканальных путей (search → соцсети → direct).
• Неучёт времени жизни клиента (LTV) — акцент только на первой покупке.
• Неправильное распределение расходов (например, общие расходы агентства не распределены по кампаниям).

Модели атрибуции: преимущества и недостатки

Last click

Преимущество: простота. Недостаток: полностью игнорирует вклад предыдущих касаний.

First click

Преимущество: хорошо для оценки каналов привлечения. Недостаток: не показывает, какой канал превратил интерес в покупку.

Linear

Равномерно распределяет ценность между всеми касаниями. Полезно при длинных циклах принятия решения, но может переоценить менее важные касания.

Position-based (U-shaped)

Дает повышенный вес первому и последнему касаниям. Баланс между awareness и conversion.

Time decay

Ближайшие к конверсии касания получают больший вес. Подходит для кампаний с быстрыми решениями.

Data-driven (аналитическая)

Использует машинное обучение на основе собственных данных рекламодателя. Самый точный, но требует объёма данных и технической реализации.

Практический пример: как атрибуция меняет ROMI

Представим гипотетическую ситуацию: интернет-магазин электроники вложил 100 000 руб. в три типа кампаний: поисковая реклама (Search), баннеры в РСЯ (Display), ремаркетинг (Remarketing). За месяц поступило 200 конверсий на сумму дохода 600 000 руб. Аналитика показала следующую картину касаний для 10 выбранных путей (упрощённо):

Если посчитать по last click, то весь доход будет приписан последним каналам (Search, Direct, Remarketing и т.д.). Это может привести к выводу, что Display даёт мало или вообще ничего, хотя во многих путях display был в роли первого касания.

Распределение дохода по моделям (упрощённо)

Вывод: в зависимости от модели ROMI по каналам будет отличаться. Например, при last click Display может выглядеть убыточным, а при first click — одним из главных драйверов привлечения.

Как учитывать ассистирующие конверсии в расчёте ROMI

Чтобы корректно учитывать вспомогательные касания, рекомендуется:

1. Собрать мультиканальные пути пользователей (MCA — multi-channel attribution) с помощью аналитики (сквозная аналитика, системный сбор UTM, CRM).
2. Выбрать модель атрибуции, соответствующую бизнес-целям (awareness vs direct sales) или внедрить data-driven.
3. Пересчитать доходы, распределив ценность конверсий по касаниям в соответствии с моделью.
4. Учесть пожизненную ценность клиента (LTV), если бизнес ориентируется на повторные покупки.
5. Добавить корректировки на задержки (latency) — вклад канала проявляется не всегда сразу.

Формула ROMI с учётом ассистирующих конверсий

Оптимизированная формула выглядит так:

ROMI_channel = (Приписанный доход_channel — Затраты_channel) / Затраты_channel

Где приписанный доход_channel — сумма частей транзакций, отнесённых к каналу по выбранной модели атрибуции.

Инструменты и данные, необходимые для точного ROMI

• Сквозная аналитика и CRM — связывание рекламных кликов с транзакциями и LTV.
• UTM-метки и корректная настройка целей/событий.
• Системы атрибуции (встроенные в рекламные платформы или сторонние).
• Данные о стоимостях: CPC, CPM, внутренние расходы (агентства, креативы), фиксированные расходы на платформы.
• Достаточный объём данных для data-driven моделей (обычно тысячи конверсий за период).

Статистика и практические наблюдения

Реальные исследования рынка показывают, что использование last click-атрибуции может недооценивать вспомогательные каналы на 20–50% в зависимости от отрасли и длины пути. В e‑commerce с длинным циклом влияние display и контент-маркетинга особенно заметно: их вклад часто выступает в роли первого контакта в >30% конверсий.

Внедрение data-driven атрибуции позволяет повысить точность распределения бюджетов и в среднем улучшить ROMI компаний на 10–25% за счёт перераспределения средств в более эффективные точки касания.

Рекомендации по внедрению корректного учёта

• Начать с аудита текущих данных: проверить UTM, корректность событий в аналитике, синхронизацию CRM.
• Определить KPI: если фокус на привлечении новых клиентов, имеет смысл рассматривать first click/position-based; если цель — краткосрочные продажи — time decay/last click.
• По возможности внедрить data-driven модель — это требует ресурсов, но даёт лучшие результаты.
• Регулярно пересматривать модель атрибуции: поведение пользователей меняется (например, рост роли мобильных каналов).
• Учитывать LTV и маржинальность товаров при расчёте «реального» ROMI.

Практический чек-лист для маркетолога

• Проверить наличие и корректность UTM-меток.
• Выстроить сквозной учёт расходов.
• Настроить связывание рекламных кликов с транзакциями в CRM.
• Выбрать и протестировать модель атрибуции (A/B сравнение).
• Внедрить отслеживание LTV — минимум 3–6 месяцев наблюдений.
• Документировать изменения и сохранять версию модели атрибуции для прогнозирования.

Примеры из практики

Компания А (электроника) в течение года использовала last click и планировала сокращать бюджет на display. После перехода на position-based модель и учёта ассистирующих конверсий оказалось, что 28% дохода можно приписать display-кампаниям как первому касанию. В результате бюджет перераспределили: ROMI по всем кампаниям вырос на 15% через 6 месяцев.

Компания Б (SAAS) внедрила data-driven атрибуцию и учла LTV: несколько дорогостоящих первых касаний, которые ранее казались убыточными, показали долгосрочный вклад — коэффициент удержания клиентов в сегменте вырос, а ROMI через год увеличился в 1.4 раза.

Когда стоит оставить last click

Last click может быть оправдан в коротких циклах продаж (супермаркеты, flash-продажи) и при ограниченных ресурсах на аналитическую настройку. Но даже в этом случае стоит мониторить assisted conversions, чтобы не упустить возможности масштабирования.

Авторское мнение и совет

«Маркетологам нужно перестать доверять одной метрике и одной модели атрибуции — ROИ будет точнее, когда бизнес начнёт учитывать многоканальные пути и LTV. Инвестиции в правильную атрибуцию окупаются быстрее, чем многие ожидают: даже базовый переход на position-based значительно улучшает принятие решений по бюджету.»

Краткое резюме и план действий

Правильный ROMI контекстной рекламы — это не просто арифметика дохода и расходов. Это комплексный процесс, включающий сбор данных, выбор модели атрибуции, учёт ассистирующих конверсий и LTV. Маркетологи, которые внедряют мультиканальный подход и используют data-driven методы, получают более точные сигналы для распределения бюджета и чаще достигают роста прибыли.

План действий (быстрое руководство)

1. Провести аудит трекинга и расходов.
2. Настроить сбор мультиканальных путей и связать с CRM.
3. Выбрать модель атрибуции, протестировать и сравнить результаты.
4. Учитывать LTV при оценке ROMI.
5. Регулярно пересматривать модель и корректировать бюджеты по данным.

Заключение

ROMI контекстной рекламы корректно рассчитывается только при учёте реального вклада всех рекламных касаний. Ассистирующие конверсии и адекватная модель атрибуции — ключ к правдивой картине эффективности. Инвестиции в правильный сбор данных и адекватную модель атрибуции окупаются через более рациональное распределение бюджетов, повышение эффективности кампаний и рост прибыльности бизнеса в целом.