Я долго не хотел об этом писать. Тема вроде бы избитая - все только и говорят, что «куки умерли». Но чем больше изучаю тему, общаюсь с коллегами, тем чаще вижу одну и ту же картину: люди понимают про смерть third-party трекинга, но продолжают считать эффективность по-старому. А потом удивляются, почему бюджет слит, а продаж нет.
Давайте спокойно разберём, что теперь реально работает, а что превратилось в опасную иллюзию.
Короткая предыстория
Раньше пиксель собирал всё: где был пользователь, что смотрел, на что кликал. Потом этот же пиксель догонял его на другом сайте и показывал рекламу той самой банковской карты, которую он оформил неделю назад. Удобно. И жутковато.
Google и Apple решили: хватит. Safari и Firefox давно блокируют third-party cookies по умолчанию. В Chrome Google несколько раз переносил дедлайн, а в апреле 2025 официально отказался от полного запрета. Вместо этого ввели user choice: пользователь сам решает в настройках Privacy and Security, разрешать ли third-party cookies. На практике 70-90 % людей либо блокируют, либо оставляют по умолчанию заблокированными. Итог: cross-site трекинг и ретаргетинг по пикселям стали почти бесполезными - охват упал драматично. Рекламные платформы подготовились лучше, чем мы.
Что изменилось на самом деле
Главная иллюзия: «куки нет - данных нет». Это не так, потому что платформы (Google, Яндекс, VK) теперь знают о пользователе даже больше - через поиск, приложения, карты, офлайн-конверсии. Просто они не отдают вам эти данные в чистом виде. Вы получаете обезличенные сегменты, look-alike, ретаргетинг по своим посетителям и отчёты. Рынок стал чёрным ящиком: закидываешь бюджет - на выходе общая выручка. Как в такой системе считать эффективность?
Вот что работает по состоянию на сегодня.
Модель 1. Атрибуция на стороне площадки
Самый надёжный способ сегодня - довериться тем, кто показывает рекламу. Яндекс и Google видят всю цепочку внутри своей экосистемы. В 2025-2026 они серьёзно прокачали data-driven атрибуцию: Google сделал её дефолтной (при 300+ конверсиях в месяц), Яндекс усилил модели в Метрике и Директе (лучшее распределение ценности, интеграция оффлайн, поведенческие сигналы).
Я сейчас считаю нужным в первую очередь смотрю отчёты внутри кабинетов. Если канал показывает ROMI выше цели - лью туда, не пытаясь «перепроверить» внешней аналитикой. Платформы ошибаются реже, чем наши самодельные модели.
Модель 2. Макро-результаты вместо микро-шагов
Раньше смотрели конверсию по дням - сегодня это бессмысленно. Пользователь увидел рекламу сегодня, пришёл через неделю, купил через месяц после второго касания.
Переходим на когортный анализ по неделям/месяцам. Собираем когорту: все, кто впервые пришёл с рекламы в январе. Смотрим, сколько они принесли за январь-март. Сравниваем с другими каналами. Это не отвечает, какое объявление сработало вчера, зато быстро показывает: какой канал приносит долгосрочно ценных клиентов?
Модель 3. CRM - главная аналитическая система
Без своей базы ничего не посчитаешь. В 2026 CRM - это не просто список контактов, а единое пространство данных.
Собираем всё: обезличенные ID из кабинетов (gclid, yclid, fbclid и т.д.), факт покупки, время между касаниями, источник первого входа (даже если прямой заход - через UTM видно, откуда узнал). Интегрируем Enhanced Conversions / CAPI / оффлайн-загрузки.
Потом сводим в таблицу и строим рабочую модель атрибуции. Например: первый и последний источник - по 40 %, промежуточные делят 20 %. Грубая модель? Да, но она позволяет принимать решения, а не угадывать.
Модель 4. Эксперименты - единственный источник правды
Самый чистый способ понять, работает ли канал - отключить его и посмотреть, что будет. Geo-тесты и holdout-тесты стали золотым стандартом проверки эффективности.
Пример: в январе льём на Москву и Питер. В феврале оставляем только Москву, Питер отключаем на 4-6 недель. Сравниваем динамику продаж в Питере (учитываем сезонность, новости, конкурентов). Если падает - канал работал, а если нет - деньги можно было не тратить. Требует дисциплины и чистоты эксперимента, но даёт причинно-следственную связь там, где корреляция больше не видна.
На что нужно ориентироваться сейчас
Нет одной волшебной модели, но есть набор, который даёт цельную картину:
- Доверять data-driven отчётам в кабинетах (нет причин не верить прокачанным ML-моделям платформ).
- Считать когорты по неделям/месяцам - для понимания долгосрочной ценности.
- Строить свою грубую модель в CRM, связывая касания и покупки через ID.
- Регулярно проводить geo-тесты (минимум 1-2 в квартал).
Главный вывод за последние 2 года: не нужно пытаться восстановить старую 100 %-ную точность - её больше нет. Учимся принимать решения в условиях неполноты данных. Это сложнее, но это единственный рабочий способ выжить и расти в 2026.
Если тема была интересна, вот ещё 2 поста про данные и стратегии:
Модель LTV-потенциала: ранжируем новые рынки без рекламы
Фреймворки приоритизации: выбираем правильно, когда хочется всё
