Модель Атрибуции Александра Игнатенко

Я годами называл бесплатную работу помощью Теперь понимаю: просто боялся выставить счёт. Недавно сделал для друга исследование: собрал данные, нашёл идеи для роста, всё упаковал и отправил. В ответ — почти тишина. Сначала обиделся: ну как так? Почему нельзя хотя бы обсудить результат? А потом понял: мы заранее ни о чём не договорились. Я сам выбрал работать в тумане. На что надеялся? Ну типа докажу ценность, он увидит качество, а деньги и проект появятся сами. Наивно? Мне кайфово несколько дней копаться в данных и сложно написать: «Такая работа стоит столько-то». В моей голове после этой фразы я превращаюсь из профессионала в меркантильного хапугу. Пока просто помогаешь, отказа вроде бы нет. Ты щедрый и полезный. А потом щедрость превращается в обиду: ждёшь благодарности и сделки, хотя друг об этих ожиданиях не знает. Теперь учусь договариваться заранее. Иначе пытаюсь купить расположение работой, а потом злюсь на весь свет. Бывало у вас такое? @marketing_analysis

Good newz, everyone! 21-22 августа буду выступать на конференции WEARECRM в Рязани. Расписание следующее: - панельные дискуссии об аналитике - воркшоп про атрибуцию - борьба на поясах прочие неформальности Билеты тута - https://www.wearecrm.ru/#tickets Промокод: marketinganalysis - 15% на любой тариф Если есть желание встретиться в Москве - можно попробовать 19-20-го. @marketing_analysis

Самый простой способ заработать первые $10,000 на вайб-кодинге Пришёл тут фаундер с очень заряженной идеей: давай делать отдельное веб-приложение. Уже был прототип, интерфейс для менеджеров, интерфейс для клиентов, всё как положено. Мы сели разбирать ситуацию, и довольно быстро стало понятно: приложение сейчас вообще не главное. Проблемы были очень земные. Где-то долго обрабатываются лиды. Где-то вручную слушают звонки. Где-то менеджеры не успевают дожимать. Где-то никто толком не понимает, почему проседает конверсия и не случается вторая покупка. И вот здесь, если честно, сейчас и лежат самые близкие деньги. Не в том, чтобы сделать ещё один Lovable-прототип и потом искать, кому бы его продать. А в том, чтобы зайти в уже существующий бизнес и быстро расшить узкие места в воронке простыми агентами. Я вообще скептически смотрю на истории в духе “давайте навайбкодим приложение”, если у компании РОП до сих пор сам слушает звонки и руками вытаскивает выводы. Тут больше поможет агент, который прямо сейчас поможет разобрать звонки, подсветить потери, ускорить реакцию менеджеров и поднять конверсию в продажу или во вторую покупку. Короче: продакшн больше не узкое место. Собрать инструмент стало дёшевым и быстрым. Я прямо сейчас помогаю бизнесам сетапить таких агентов и вижу это своими глазами. Узкое место теперь в другом: заметить, где уже теряются деньги, и быстро это починить. Это обычно и есть шаг номер ноль. Самые близкие $10,000 на вайб-кодинге часто лежат у вас уже внутри бизнеса. Присмотритесь или напишите в личку - посмотрим вместе. @marketing_analysis

Как фаундеру не стать тестировщиком? Есть особый жанр БДСМ: ты платишь за SaaS, а по факту работаешь у него багрепортером. Фаундер делился со мной фидбеком по поводу аналитического SaaS. Заходит утром - данных за вчера нет. Спенд не подтянулся. Смотреть нечего. Что он делает? Верно. Пишет в поддержку. Потом ещё раз. Потом ещё. Три раза в неделю, каждую неделю. Мы говорили спустя две недели. И мне запала его нервная шутка: «Я уже работаю тестировщиком за свои деньги». Кстати, да. Подписку он платил с первого дня. Первых стабильных решений ждал три месяца. Три месяца, Карл! Есть ли шанс не попасть в эту ловушку? Конечно: • с самого начала включить зануду - знать SLA по поломкам; • прописать, кто, что и когда делает в случае неадекватных цифр в интерфейсе; • иметь личный Телеграм фаундера этого SaaS (о это очень важно!); • иметь под рукой экспертизу,к которой можно довериться. Короче. Аналитика должна снимать работу, а не добавлять новую. Поэтому всегда ищите соломку на случай больных падений. С несколькими командами я работаю как внешний Head Of Marketing Analytics. Все, что я даю - это уверенность. Но оно дорого стоит - со всем остальным может справиться коробочный SaaS. Если хотите заранее понимать, где сервисы ломаются и какие вопросы задавать до оплаты, пишите в ЛС, обсудим. @marketing_analysis

Бесплатный совет, который стоит $10K+ Не экономьте на консультации с экспертом. Был у меня недавно звонок - компания хотела построить CDP-платформу in-house и искала экспертизу по работе с данными. Давайте раскроем карты. CDP - это, в общем, такой «Боинг» в мире аналитики. Внутри источники данных, идентификация пользователей, профили, сегменты, интеграции, активации, разработчики, маркетологи и всё такое. Скорее даже несколько «Боингов». Я не Илон Макс в мире CDP, но кое-что понимаю. Первая ознакомительная консультация у меня всегда бесплатная. Я рад послушать задачу, поделиться первыми мыслями и подсказать направление. Такие дела. В этом случае нужно было уже нормально так погружаться: разбираться в архитектуре, смотреть потоки данных, разговаривать с разработчиками и, возможно, подключать кого-то из коллег с нужной экспертизой. Я предложил продолжить вечеринку в рамках отдельного созвона с моим партнером, который сталкивался с подобными задачами изнутри - часовая консультация с ценником $500. По-божески ИМХО. Моему собеседнику показалось дорого. Ну такое... Тут важный момент. Любой серьёзный проект по аналитике - SaaS, кастомный, какой угодно - не может стоить дешевле нескольких тысяч долларов. Есть цена сервисов. Есть ваши собственные трудозатраты. Есть разработчики, подрядчики, встречи, интеграции, поддержка и неизбежные переделки. Нy короче... На этом фоне $500 за правильные решения в начале - ой-какие копейки. Даже с учетом того, что у вас всегда под рукой всезнайка Клод. И вот почему - мелкая ошибка в самом старте быстро начинает накапливаться. Неправильная архитектура портит данные. Эти данные попадают в сегменты и отчёты. Потом к ним приходят стекхолдеры и говорят, что работать с этим невозможно. Занавес. И вот вы уже сэкономили $500, чтобы потом потратить десятки тысяч. Делаете большой проект и у вас есть возможность купить чужие ошибки за $500? Убейте своего внутреннего Плюшкина немедленно. Экономия на этом - худший способ экономить. Мой календарь если что всегда тут. @marketing_analysis

Я думал, что рынок оценит мой ум. Рынку было все равно. Короче. Во что я долго верил: если я реально хорошо в чем-то разбираюсь, люди это заметят. Ну камон. Я могу объяснить атрибуцию. Могу залезть в базу данных. Могу найти, почему разные системы показывают разную правду. Могу собрать модель, которую половина команды не поймет с первого раза. И я реально думал: как же круто! Нифига. Никто не просыпается с мыслью: “где бы мне найти умного аналитика”. У CMO горит план. Подрядчик показывает красивые цифры. В CRM бардак. Фаундер спрашивает, почему денег стало меньше. Маркетинг, продажи и продукт смотрят на три разные воронки. И так далее. Что делал я? Приходил и показывал, какой сложный мир. Инкрементальность, атрибуция, управленческая воронка, единый источник правды. Все было нормально. Все по делу. Только люди меня после этого избегали. Им нужно было понять простую штуку: где мы теряем деньги, каким цифрам верить, что делать в понедельник и почему с этим стоит прийти ко мне. А я тупил и обижался! Путал экспертизу с сключительностью. Типа если я достаточно умный, рынок должен остановиться и похлопать. Рынок не хлопает. Ему пофиг, насколько я умный. Его вопрос: а ты можешь убрать мой конкретный геморрой? Сейчас? Дешево? Без регистрации и СМС? Неприятно, но полезно - я просто прятался за сложностью и называл это глубиной. Как будто хороший эксперт обязан звучать сложно. Теперь я инвестирую в то, чтобы быть понятным. Рынку все равно на интеллект. Ему было важно, могу ли я превратить свой интеллект в его деньги. Бывали у вас такие заблуждения? @marketing_analysis

Как понять, что проблема не в креативах? И при чем здесь AI? Экономист Чарльз Гудхарт в 1975 году сформулировал: любая статистическая закономерность разрушается, как только на неё начинают давить в управленческих целях. Проще: оптимизируешь на метрику – метрика растёт, результат нет. В маркетинге его нарушают при каждом запуске рекламы, когда оптимизируют на клики, заявки или "инициированные оформления заказа" вместо реальных оплат. Давайте еще раз. Алгоритм делает ровно то, о чём его просят. Попросишь найти людей, которые кликают – он найдёт кликальщиков. Попросишь тех, кто оставляет заявки – найдёт таких. К деньгам это может не иметь отношения. Один из самых частых диагнозов, когда захожу в новый проект: реклама крутится на левые прокси события, цикл покупки – три недели. Алгоритм давно выучил любопытных, а не платящих. Именно это объясняет сочетание падающего CPL и стагнирующей выручки одновременно. Пять признаков, что оптимизируете на неправильное событие: 1. ROAS в кабинете 6-8x, но выручка не растёт пропорционально расходам. 2. CPL падает месяц за месяцем, а количество реальных клиентов остаётся прежним. 3. Событие оптимизации – "оставил заявку" или "добавил в корзину", а не "оплатил". 4. Окно атрибуции 1-3 дня для продукта с циклом принятия решения 2-3 недели. 5. Алгоритм обучился на микроконверсиях или тестовых покупках и теперь оптимизируется на них. Как найти разрыв: выгрузи из CRM клиентов за последние три месяца с нужным источником привлечения. Отдай Клоду - пусть сравнит с тем, на что и как оптимизируется кампания. Неудобная правда всплывет очень быстро. Гудхарт описал это в 1975-м про макроэкономику. В перфоманс-маркетинге нарушают каждый день. Алгоритм не виноват – он честно оптимизирует то, что ему задали. Помогаю делать так, что кампании оптимизировались как надо. Подробнее тут. @marketing_analysis

5 вещей, которые я проверяю, прежде чем верить AI-выводам Знаете, в чем главная проблема аналитики с чатом? Уверенность. Нейросеть уверенно считает CAC, ROAS и лиды. Есть проблема - цифры при этом не бьются с реальностью. Есть дашборд, AI-агент, артефакт. Все вроде красиво и под контролем. Пока не понимаешь, что это тотальный буллшит. Знаете, что самое стремное? Модель не скажет: “слушай, данные грязные, я бы на твоем месте не спешила”. Она посчитает то, что ей дали, и напишет уверенный вывод. А уверенный вывод на битых данных хуже пустого отчета. Потому что по нему уже начинают двигать настоящие бюджеты. В валюте, не в токенах. Так что первое, что я делаю в новом проекте: открываю исходные выгрузки скиллом В семи случаях из десяти там находится что-нибудь скучное и неприятное: UTM-хаос, дубли в CRM, странные статусы лидов или расхождение между кабинетом и оплатами. Перед тем как нести AI-вывод на совещание, я бы проверил пять вещей. 1. Direct / None. Если direct больше 50%, я бы даже не отдавал это агенту. 2. Адекватность. Наш ли проект, сайт? 3. Cверки с реальностью. А в нашей вселенной количество продаж такое же, как в выгрузке? 4. Аномалии. Есть ли гиперактивные пользователи? Не забыли ли отправить нужное событие? 5. Параметры и свойства - есть там что нужно или нет? Тут AI реально полезен: не красиво пересказать грязные цифры, а быстрее найти, где они сломались. Например, можно за пару часов собрать простого проверочного агента. Он сравнит лиды в рекламном кабинете и CRM по источникам и сразу покажет расхождения. Плохие данные в маркетинге редко выглядят как катастрофа. Чаще это одно уверенное решение, один сдвинутый бюджет и месяц денег в трубу. А у вас есть свой скилл для такого? Делаю агентов для маркетинг-аналитики, тут записал бесплатный курс про это. @marketing_analysis

Сложный B2B с высоким чеком спасут только откаты? Короче. Помогал тут другу с его B2B: тяжелые сделки, высокий чек, длинные циклы, тендеры. Искал зоны роста. Все как обычно. Честно, сначала было ощущение, что AI-агенты тут особо не помогут. Слишком человеческая история. Слишком много нюансов в переговорах. Ну вы понимаете. Начал с очевидного. Поднял звонки, транскрипты, комментарии в карточках, историю переходов по стадиям. Сотни сделок. Построил логи событий, собрал пачки признаков. Все это без особой надежды. Это ж тяжелый B2B, детка. Тут все решается в саунах. Что в итоге нашел? Ничего. Ни один из признаков нормально не отличал выигранные сделки от проигранных. Ни ЛПР. Ни глубина квалификации. Ни динамика звонков. Ни качество звонков. Вообще ничего. Кроме самого неожиданного. Скорость отправки коммерческого предложения. Не то, что в нем написано. Просто сколько часов проходит от заявки до КП. Медиана была 22 часа. Еще раз - это не жвачка, что попало не отправишь. И вот что интересно: конверсия держалась примерно на одном уровне весь первый день. Что ответили за час, что за двадцать три, разницы почти нет. А после суток она падала в ноль. Не постепенно. Обрывом. Ни одной выигранной сделки среди тех, кто получил КП позже 24 часов. Ноль. То есть буквально без шансов. Проблема оказалась на поверхности. Хотя это тяжелый B2B с длинным циклом и высоким чеком, где, казалось бы, решает совсем другое. И решение тоже на поверхности: не докручивать квалификацию до бесконечности, а не пропускать сутки. По грубой оценке, и да, это именно оценка, не гарантия, там несколько миллионов рублей в год недополученной выручки просто из-за каждого часа задержки ответа. При этом специально считал не по самой красивой цифре, а по нижней границе доверительного интервала. Мы обычно ищем сложный ответ на сложную проблему. А иногда сложная проблема - это просто часы простоя, которые никто не считал. Кстати, я кайфанул. Если хотите разобрать свои узкие места и найти, где теряются миллионы выручки - напишите в личку. @marketing_analysis

Я хотел заниматься интересными вещами. И в итоге стал заниматься всем подряд. Несколько лет назад у меня была работа в найме, консалтинг на стороне, пара недородившихся проектов, люди, которым надо ответить, идеи, которые надо проверить, и постоянное ощущение, что “настоящая жизнь” где-то рядом, просто за пределами найма. Звучало захватывающе. На практике было тревожно. Каждое утро я открывал ноутбук, и у меня сразу было пять вкладок в голове: - работа, за которую мне всё ещё платили - клиент, которого я не хотел потерять - проект, который “может во что-то вырасти” - сообщение, на которое я не ответил - чувство вины, что я везде отстаю Самое неприятное, что всё это правда было интересным. Поэтому остановиться было сложно. Это была не лень. Это была амбиция. В какой-то момент я понял, что строю не свободу. Я строю хаос с красивым названием. Нет понятного начальника. Нет понятного расписания. Нет понятного приоритета. Просто куча незакрытых задач и больная голова. Вывод простой, и мне он до сих пор не очень нравится: “Интересно” — это не стратегия. Теперь, когда я хочу сказать “да” пяти классным вещам сразу, я стараюсь спросить себя: кого я готов разочаровать ради одной из них? Потому что если я не могу выбрать, возможно, я снова просто занимаюсь всем подряд. Бывало у вас такое? @marketing_analysis

Каждый второй сейчас вайбкодит себе дашборд. Платный, бесплатный, на коленке – и выглядит круто. Но есть нюанс: дашборд сам по себе ничего не решает. Он покупает вам новую работу – открыть, понять, объяснить, превратить в задачу, проверить. О том, почему будущее аналитики не в графиках, а в решениях (и что с этим делать) – разобрал в лонгриде. Читать полностью здесь. @marketing_analysis

Как фаундеру не слить бюджет, когда CPA нормальный, а ROAS внезапно падает? Обычно это полная жопа: CPA в порядке, лиды идут, а ROAS проседает в два раза. Первая мысль: «сломалась аналитика». Иногда так и есть. Но проблема может быть в другом: поехало распределение чеков. Простой пример. Обычно покупают разные тарифы: недельный, месячный, на три месяца. А потом вся неделя внезапно уходит в дешёвый недельный тариф за 7 долларов. Дорогих покупок почти нет. CPA красивый. Денег мало. То есть. Ты накупил трафик, который конвертируется в короткие дешёвые покупки и не разворачивается в долгую. Что делать: • не резать всё подряд; • спуститься с недельной картины в дневные когорты; • найти день, где ROAS начал ехать; • проверить тарифы, гео, канал, креатив; • отделить шум от сигнала. Отдельная боль - конверсия воронки. Она может прыгать день ко дню в 5 раз при одинаковом CPI. Сегодня 0,5, завтра 2,5. И 2,5 иногда хуже, чем 0,5, если дальше нет денег. Правило простое: дневное смотришь каждый день, недельное - раз в неделю, месячное - раз в месяц. Бюджет сливается не в момент падения ROAS. Бюджет сливается, когда ты реагируешь на шум как на сигнал. Я показываю, как ловить такие аномалии и не дёргать бюджет по дневным качелям, в бесплатном курсе по AI-аналитике. @marketing_analysis

Комиссии съедают до половины выручки, а покупатель по привычке идёт на маркетплейс – знакомо? Плохая новость: конкурировать с Ozon, WB и Яндекс.Маркетом за саму покупку почти нереально. Они делают эту работу быстрее, дешевле и с бездонными бюджетами на трафик. Хорошая: покупка – не единственная работа, которую можно продавать. В новом видео разбираю фреймворк Jobs to be Done и на реальных кейсах ECCO, Ascona и Flowwow показываю, как сместить фокус на работу уровнем выше – и вернуть себе маржу. Смотрите, если у вас e-commerce и надоело играть по чужим правилам 👇 YouTube VK Video Яндекс Дзен Rutube @marketing_analysis

Ищу 3 проекта для бесплатного теста AI-агента по маркетинг-аналитике С одним клиентом сейчас разрабатываю сервис AI-агентов для маркетинговой аналитики. Идея простая: агент не просто смотрит на дашборд, а работает с данными и принимает решения. Что он умеет: • проводить исследования по данным; • находить аномалии и просадки; • делать выводы по кампаниям, креативам и сегментам; • рекомендовать, что остановить, где поменять ставки или настройки; • готовить саммари для подрядчиков и маркетологов; • создавать задачи / тикеты по результатам анализа. Получается уже неплохо, и я хочу протестировать это ещё на нескольких проектах бесплатно. Ищу компании, где есть что оптимизировать: • онлайн-школы; • e-commerce; • iGaming / онлайн-казино; • от 10 кампаний в управлении; • performance-бюджет от $50k в месяц. Если хотите попробовать у себя — напишите мне в личку. Разберём ваши данные, выберем одну задачу и посмотрим, может ли агент реально сэкономить время и подсветить полезные решения.

📘 Друзья! Выложил бесплатный playbook для продуктового аналитика Этот playbook я выкладывал на английском – в LinkedIn получил потрясающий отклик, так что сделал русскую версию. Это карта пути к офферу: • Позиционирование: Tool Operator → Decision Analyst • Кто и почему нанимает аналитиков • Интервью-луп из 6 этапов: скрининг, SQL, продуктовый кейс, A/B и статистика, storytelling, зарплата • 30-дневный спринт до оффера или повышения Без оплаты, без email-стены – открывай и читай. P.S. Внутри рассказываю и про индивидуальное менторство: 6 встреч 1:1 за 3 месяца, чтобы дойти до оффера. Каждому участнику бонусы на 99 000 ₽. @marketing_analysis

Половина SEO-статей - мусор. AI просто сделал так, что Google перестал их терпеть. Смотрите. После стрима с Ваней Буявцом про SEO и AI у меня в голове осталась одна неприятная мысль: мы годами называли “пользователями” людей, которые на самом деле просто забегали за справкой. Пример. Человек зашёл по запросу “что такое ROAS”, прочитал определение, закрыл вкладку и ушёл. Всё нормально: ему просто нужна была справка, а не ваш продукт, не ваша экспертиза и не разговор с вами. Раньше он брал эту справку на вашем сайте. Теперь он берёт её у ChatGPT, Google AI Overview, Perplexity или Алисы. И это, если честно, довольно логично. AI в первую очередь забирает такие запросы: • быстрое определение; • короткая инструкция; • справка без выбора; • вопрос без покупки; • тема, где не очень важно, кто именно ответил. “Что такое когортный анализ”, “как поставить UTM”, “чем GA4 отличается от Метрики” - вот это всё. Такие запросы могут приносить трафик. Но часто это всё, что они приносят. Если бизнес живёт на рекламе, окей: просмотры можно монетизировать. Но если вы продаёте B2B-услуги, консультации, SaaS или сложный продукт, справочный трафик легко становится красивой цифрой без денег. И вот что получается. Многие SEO-страницы жили именно на таких запросах. Визиты были, поведенческие могли быть нормальными. А смысла для бизнеса - мало. AI не убил этот контент. Он просто показал, что пользователю и правда хватало одного абзаца. Если человеку нужно определение, он всё чаще не пойдёт на сайт. А если ему надо выбрать, сравнить, поверить, рискнуть деньгами - сайт всё ещё важен. Так что да, половина SEO-статей может оказаться мусором. Попробуйте сейчас найти старые ссылки на Stack Overflow или сайты с рецептами. Их польза не исчезла совсем, но стала гораздо менее заметной: короткий ответ теперь живёт прямо в поиске или в чате. Вопрос: что есть в вашем контенте такого, чего нельзя вытащить одним абзацем? @marketing_analysis

Меня уволили. И правильно сделали. 4 года назад я лидировал продуктовую аналитику в большом онлайн-проекте: огромный трафик, сильная команда, сложные задачи. Я кайфовал от масштаба. Но потихоньку выгорал. Проект требовал много внимания, а я уже жил одной ногой в другом мире: консультировал, делал свои проекты, пробовал продавать и всё чаще думал, что вне найма может быть больше денег, свободы и удовольствия. Проблема? Уйти было страшно. Найм - это зарплата, статус и безопасность. Свои проекты - это когда никто не обязан тебе платить просто потому, что ты такой умный. В итоге меня уволили за плохой перформанс. В начале было стыдно и обидно. Потом понял: правильно сделали. Я плохо делал работу, за которую мне платили. Зато после этого перестал мучаться и начал жить. А это оказалось кайфовее любой зарплаты. Иногда неприятный пинок честнее любой рефлексии. Бывало у вас такое? @marketing_analysis

Как основателю выбрать между SaaS-аналитикой и кастомной аналитикой? Смотрите. Вопрос звучит технически. На практике он про деньги, ответственность и горизонт планирования. SaaS - это подписка на коробку. Ты платишь каждый месяц, а сервис следит за интеграциями, чинит поломки, обновляется под новые кабинеты и каналы. Удобно. Включил и пользуешься. Кастомная AI-аналитика - это своя система. Сейчас её реально завайбкодить дешевле подписки, если есть понятная задача и техническое плечо. Под капотом многих «AI-агентов» всё равно модель поверх базы данных. Магии меньше, чем кажется. Такие дела. Но! Ваша вайб-кодинг аналитика в опасности, если рядом нет человека, который понимает, как это работает. Представьте - у вас 2000 строк кода, сгенерированных моделью, и никто в команде их не понимает. Любая поломка превращается в тупик. Выбор такой: • нет технического плеча, желания разбираться и стоимость ошибки небольшая - бери SaaS и плати за спокойствие; • есть человек, который поможет чинить, и горизонт в годы - кастом будет выгоднее; Главный критерий выбора: не сколько стоит, а кто будет чинить, когда сломается? Почему? Потому что сломается обязательно. Обещаю. Кстати, есть курс, где я показываю, как собирается кастомная AI-аналитика и где у неё слабые места. @marketing_analysis