Сегодня показатели больше не равны реальности напрямую. В мире автоматизации и неполных данных они все чаще являются интерпретацией, а не фактом. Именно с этого сдвига начинается новое понимание того, что такое метрики в 2026 году.
Рекламодателя больше не спасают «хорошие цифры»
2025 год принес новую норму. Отчеты выглядят идеально, а результат в бизнесе не очень. Зеленые показатели, ровные графики, «все ок» в кабинетах и одновременно ощущение, что что-то работает не так, как должно. И дело не в плохих настройках или неправильном подрядчике. Просто цифры перестали напрямую отражать реальность.
Маркетинговые метрики все чаще означают «хорошо посчитано», а не «так и было». Значительная доля результатов — это не факт, а оценка, восстановление или моделирование. Рекламодатель оказывается между двумя реальностями:
- Платформа: конверсии частично смоделированы или оценены, оптимизация автоматизирована, отчетность выглядит более ровной и «чистой».
- Бизнес: продажи, маржа, повторные покупки, возвраты, LTV и реальное качество лидов не обязаны идеально совпадать с тем, как система склеила картину.
В 2025 году крупные рекламные экосистемы перестали притворяться, что видят все напрямую. Цепочка взаимодействий рвется, но реклама все равно должна оптимизироваться, а отчеты — избавиться от «дыр». Ответом становится моделирование: часть конверсий не измеряется, а досчитывается статистически. Meta прямо говорит о моделировании конверсий, когда данные неполные. Google формулирует это осторожнее: в отчетах становится меньше «Unknown», потому что система лучше понимает, кто есть кто.
Когда сигналов становится меньше, подход меняется не частично, а системно. Нужно одновременно сохранить управляемость рекламы и стабильность отчетности, даже если прямая измеримость просела. В результате происходит две вещи:
- Закрытие черного ящика — усилить автоматизацию оптимизации и распределения трафика, перенеся больше решений внутрь платформы.
- Подчистка отчетов — компенсировать потери измерения через моделирование и оценку, сглаживая провалы и «Unknown».
TikTok в 2025 году активно продвигает automation + measurement как один пакет. Это уже не об инструментах, а о контроле. В Meta логика та же: когда конверсии исчезают из поля зрения, система не ждет и дорисовывает результат через модели.
Метрики, от которых отказываются рекламодатели
Большинство классических digital-подходов родились в мире, где пользователь был прозрачен для трекинга, путь — линейный, а сигнал передавался без разрывов. Тогда рекламные метрики управляли решениями напрямую:
- посмотрел → подкрутил → получил результат.
В 2025 году эта база дала сбои. Видимость становится фрагментарной, неровной и зависимой от контекста. В такой среде цифры, предсказывающие полную картину, теряют способность управлять реальностью. Когда путь пользователя больше не замыкается, last-click атрибуция, точный conversion rate или «чистый» CPA могут выглядеть убедительно в документах, но уже не имеют той опоры, на которой держались раньше.
Attribution vs. MMM: What Really Works? | Stefan Hock (About You)
Метрики прямой атрибуции как источник иллюзий
Все, что жестко привязано к последнему клику, каналу или фиксированному attribution-окну, все чаще перестает объяснять реальность. Такие цифры больше не отвечают на вопрос «почему это произошло» — они только назначают ответственного.
В среде с моделируемыми конверсиями, просмотрами, кросс-девайс переходами и неполными сигналами эта логика дает ложное ощущение контроля. Рекламодатель видит результат в отчете, но не может быть уверен, что именно этот путь, канал или клик реально принесли результат. Контроль выглядит четким только на бумаге.
Метрики эффективности без контекста бизнеса
Сегодня легко увидеть кампании с «нормальным» CPA, стабильным ROAS и аккуратным CR, которые при этом не тянут бизнес. Маркетинговые метрики выглядят красиво в кабинетах, послушно оптимизируются системами и уверенно смотрятся в отчетах. А вот маржа, LTV и качество клиента — совсем другая история.
При такой логике эффективность — это то, что нравится платформе. ROAS в коротком окне растет, CPA падает, алгоритм доволен, но повторные покупки и долгосрочная ценность клиентов стоят на месте. Кампания формально «работает», а вопрос «зачем?» висит в воздухе.
Метрики, которые потеряли роль командных рычагов
В привычной digital-модели цифры не обсуждали — ими управляли. Они четко показывали, что масштабировать, что подрезать и куда давить дальше. Все в команде смотрели на одни и те же сигналы и двигались синхронно, без «что это значит?».
В 2025 году эта функция постепенно исчезает. Когда оптимизация автоматизирована, распределение трафика скрыто, а значительная часть результатов смоделирована, цифры перестают быть инструментом управления. Привычные ориентиры теряют силу: они еще выглядят знакомо, но больше не говорят, что делать дальше. Именно здесь рекламодатели начинают от них отказываться — не из идеологии, а из практики.
Борьба за метрики, которые уже не работают
После отказа от части старых ориентиров возникает естественное желание не все перечеркивать, а что-то реанимировать. Рекламодатели пытаются удержать знакомые метрики маркетинга, подстроив их под новую реальность: изменить окно, добавить модель, посмотреть под другим углом. Другие без сожаления отпускаются и уступают место новой логике эффективности. Это и есть точка входа в 2026 год.
«Подкрутим attribution window — и все сойдется»
Это, пожалуй, самая популярная реакция на расшатанную измеримость. Как только цифры ломаются, первое, что делают, начинают крутить окна. 1 день, 7 дней, click + view, немного шире, немного мягче. Где-то добавили view-through, где-то удлинили attribution, где-то просто выбрали те настройки, где ROAS выглядит «более правдоподобно».
На вид все логично. Если пользователь дольше думает, нужно дать системе больше времени. Путь стал сложнее? Значит, нужно смотреть шире. И на уровне интерфейса это действительно работает: графики сглаживаются, CPA выравнивается, ROAS перестает скакать.
Но эти изменения почти не затрагивают того, как формируется результат. Они влияют только на способ, которым система его показывает. В этом контексте attribution window не восстанавливает причинно-следственную связь, а задает рамку, в пределах которой результат:
- раскладывается во времени так, чтобы выглядеть более стабильным;
- перераспределяется между событиями без изменения самого поведения;
- сглаживается там, где измерение дает разрывы.
Более аккуратные цифры в отчете еще не означают, что кампания начала работать иначе. Часто это лишь указывает на то, что выбранная конфигурация лучше маскирует неровности измерения. Поведение пользователей, спрос и бизнес-эффект при этом могут оставаться неизменными.
«Спасем last-click/«чистый» CPA»
Когда измеримость трещит, появляется желание откатиться к простоте. Назад в понятный мир, где все было линейно:
- последний клик → конверсия → ответственный найден.
В ход идут знакомые схемы 2018-2021 годов, где last-click подается как «объективная правда», а CPA как финальный аргумент. Логика проста: если убрать все лишнее, должен остаться чистый сигнал, без моделей, домыслов и «вероятно».
Проблема в том, что в условиях неполных данных последний клик перестает быть объяснением и начинает выполнять другую роль — назначать виновного или героя. Он объясняет не причину события, а только распределение ответственности.
Именно поэтому в GA4 появляется modeling под consent mode не как альтернатива last-click, а как признание того, что часть реальности больше невозможно увидеть напрямую. Когда сигналы исчезают, система не «ошибается», а статистически компенсирует отсутствующее. В этой модели маркетинговые метрики перестают быть фактом наблюдения и становятся результатом интерпретации, а «чистый» CPA — не истиной, а удобной проекцией.
«Держим ROAS/CPA, а бизнес пусть как-то сам»
В условиях сломанной измеримости фокус смещается туда, где система еще держит стабильность. Оптимизация сужается до короткого окна и понятных целей. В отчетах все аккуратно. Цифры ровные, резких провалов нет, система выглядит контролируемой. На практике это выглядит так:
- ROAS в коротком окне (7d или меньше);
- CPA по оптимизационному событию;
- CR по точке, которую алгоритм «видит».
Ловушка в том, что эти метрики все чаще описывают не эффективность бизнеса, а то, что платформе удобно оптимизировать. Когда измерения сглаживаются из-за моделирования, предполагаемый ROAS или CPA могут быть стабильностью модели, а не спроса. В результате кампания формально работает, но связь с маржой, повторными покупками и реальной ценностью клиента постепенно размывается.
«Пофиксим точность трекинга техничкой»
Это реакция людей, которые привыкли решать проблемы через инфраструктуру. Когда цифры перестают сходиться, первая интуиция проста: где-то недотрек. Поэтому появляется еще один пиксель, еще один тег, еще один постбек, щепотка серверной магии. Так возникает бесконечное латание в попытке собрать полную картину.
Важно зафиксировать простую, но неприятную вещь: техническая база действительно нужна, без нее система слепа. Но проблема не в «кривых настройках» — изменилась сама реальность измерения. Google и GA4 этого не маскируют: аналитика спроектирована для мира, где часть данных принципиально недоступна из-за consent, ограничений браузеров и разорванного пути пользователя. Эти потери не возвращаются и не «лечатся». Они компенсируются моделями. Именно для этого и существует modeled data.
«Вернем «канальный контроль» вручную»
Логика старая и понятная: если разложить результат по каналам и вручную подкрутить слабые места, система снова станет предсказуемой. Когда автоматизация забирает прозрачность, появляется желание снова указывать пальцем:
- остановить адсет;
- объяснить провал каналом;
- зафиксировать результат за креативом.
Ловушка в том, что с ростом автоматизации это уже не управление рычагами, а работа с интерфейсом. Распределение трафика, приоритеты сигналов и логика оптимизации все чаще происходят внутри системы, а не на уровне отдельных каналов или адсетов. Человек видит результат, но не видит механику, которая к нему привела.
Что остается, когда цифрам нельзя доверять
Когда становится понятно, что ключевые метрики — это не факт, а модель, возникает логичный вопрос: на что тогда опираться? Ответ не в том, чтобы найти «лучший» показатель или еще точнее посчитать то же самое. В 2026 году меняется точка опоры:
- «платформенные конверсии = истина» → «бизнес-эффект + инкрементальность + качество».
Когда атрибуция больше не является доказательством
В этом сдвиге логики решающим фактором становится инкрементальность — не как модное слово, а как ответ на modeled-мир. Атрибуция может оставаться удобной для отчетов, но уже не является доказательством и не принимает решения.
Классические маркетинговые метрики перестают быть арбитром истины: они показывают цифры, но не объясняют влияние. В центре внимания оказываются подходы, которые не пытаются «угадать» путь пользователя внутри платформы, а напрямую сравнивают реальность с рекламой и без нее. Здесь уже не о красивых отчетах, а о грубом сопоставлении:
- регионов, где реклама была, и где ее не было;
- аудиторий, которые видели кампанию, и тех, которые оказались в holdout;
- периодов до и после запуска с контролем внешних факторов.
Геоэксперименты, holdout-группы, pre/post с контролем, A/B на уровне аудиторий или регионов выглядят менее элегантно, чем привычные дашборды. Зато именно эти подходы выживают в мире, где измерение фрагментарно, а метрики все чаще являются результатом моделирования, а не прямого наблюдения.
Показатели после потери иллюзий
Сломанная атрибуция и смоделированные результаты дают простой эффект: кабинеты выглядят лучше, чем работает бизнес. Становится понятно, что нужна другая опора — не метрики, которые зависят от того, как платформа склеила картину, а показатели, способные пережить любой attribution-хаос.
В центре внимания оказывается blended-логика: показатели, привязанные не к отдельному каналу, а к бизнесу в целом. Они более грубые и менее удобные для оптимизации в интерфейсе, зато не исчезают при изменении модели атрибуции.
MER (Marketing Efficiency Ratio)
Это метрика, которая не интересуется тем, кто молодец. Она спрашивает проще и жестче: сколько бизнес зарабатывает на каждую гривну маркетинга в целом — без разделения на каналы, без попыток договориться с атрибуцией и без «а тут еще view-through». MER не угадывает, он смотрит на результат в целом.
Blended CAC
Это стоимость клиента без прикрас. Не «по кампании», не «по креативу» и не в красивом окне, а в реальности. Blended CAC не врёт о том, сколько на самом деле стоит рост бизнеса.
Contribution margin after marketing
Здесь заканчивается магия «хорошего ROAS». Видно только одно: остаются ли деньги после того, как реклама отработала. Все остальное — цифры.
Эти маркетинговые метрики не пытаются быть точными в микродеталях. Они не объясняют, какой креатив сработал лучше и какой канал «виноват». Зато они делают то, чего больше не могут кабинетные отчеты: напрямую соединяют рекламу с P&L — простым фактом, остаются ли деньги после того, как все отработало.
Управлять не результатом, а причинами
В мире, где часть событий смоделирована, факт «лид» или «покупка» фиксирует только взаимодействие с системой, но почти ничего не говорит о реальном бизнес-результате. Поэтому логика смещается с количества конверсий на то, что с ними происходит дальше.
В фокусе остаются только те конверсии, которые проходят проверку реальностью. Рядом появляются метрики, которые платформе сложно приукрасить:
- refund/return rate;
- неудачные платежи (failed payments);
- cancel rate;
- chargebacks.
Время становится валютой. Короткое окно ROAS все чаще превращается в косметику оптимизации. Реальная сила смещается туда, где видно, что происходит с клиентом после первого действия: LTV по когортам, retention, период окупаемости. Важно, возвращается ли клиент, сколько он приносит и когда реклама начинает реально окупаться.
Сигналы в этой логике играют важную, но ограниченную роль. First-party данные, server-side, consent mode, modeled conversions не возвращают полную измеримость и не делают трекинг «честным». Они дают минимально надежную основу для обучения систем и связи маркетинга с бизнесом. Кто имеет лучшие сигналы и более быстрый feedback loop, тот оптимизируется точнее. Но сигналы — это база, а не правда.
Управление смещается с результатов на причины. Когда outputs частично смоделированы, управлять приходится тем, что их порождает:
- качеством оффера и предложения;
- креативными гипотезами и разнообразием месседжей;
- скоростью тестирования и принятия решений;
- ценообразованием и пакетами;
- UX и трением в checkout;
- CRM-доработкой и работой с клиентом после конверсии.
Именно в этой точке меняется понимание того, что такое метрики в 2026 году. Это уже не попытка точно воспроизвести реальность и не набор «фактов из кабинета», а ориентиры, которые имеют смысл только в контексте бизнес-процессов и решений, которые реально принимаются.
Вывод
В 2026 году метрики перестают быть «фактами» и становятся навигацией в мире неполных данных. Хорошие отчеты больше не гарантируют реальный бизнес-эффект. Фокус смещается туда, где рекламу нельзя дорисовать: в инкрементальность, качество и время. Именно здесь и остается реальный контроль.