Модели атрибуции Google Ads 2026: DDA против last click

К осени 2026 года в Google Ads остались всего две модели атрибуции: data-driven attribution (DDA) и last click. Четыре остальные — first click, линейная, с учётом давности взаимодействий и на основе позиции — выведены из системы, а конверсионные действия, которые на них работали, переведены автоматически. В большинстве аккаунтов это произошло молча: без уведомления в интерфейсе, без изменения кампаний и бюджетов.

Проблема в том, что атрибуция — не отчётная формальность. На атрибутированном кредите учится Smart Bidding. Смена модели меняет не цифры в таблице, а поведение ставок — и это отложенный, а не мгновенный эффект. Ниже: что осталось, что сломалось в сравнениях, где смотреть текущие настройки и как провести аудит за двадцать минут.

Атрибуция определяет, что попадёт в колонку «Конверсии». Колонка «Конверсии» определяет, чему учится автостратегия. Значит, модель атрибуции — это настройка ставок, которая притворяется настройкой отчёта.

Какие модели атрибуции остались в Google Ads к 2026 году

Модель	Статус	Логика распределения кредита
Data-driven attribution (DDA)	работает, модель по умолчанию	Распределяет кредит на основе ваших исторических данных по этому конверсионному действию
Last click	работает	Весь кредит последнему клику и соответствующему ключевому слову
First click	удалена	—
Линейная	удалена	—
С учётом давности взаимодействий	удалена	—
На основе позиции	удалена	—

Формулировка справки прямая: конверсионные действия, использовавшие удалённые модели, были обновлены до data-driven attribution. Практический смысл — выбора между шестью подходами больше нет, остался выбор между «машинное распределение по вашим данным» и «всё последнему клику».

Хронология: когда именно это произошло

Середина июля 2026. Четыре модели стали недоступны для новых конверсионных действий.
Сентябрь 2026. Остававшиеся на этих моделях конверсионные действия переведены принудительно — в аккаунтах с достаточным объёмом на DDA, в остальных фактически на поведение last click.

Переход происходил на уровне конверсионного действия, без изменений в кампаниях, бюджетах и дашбордах. Именно поэтому многие аккаунты обнаружили это не по уведомлению, а по необъяснимому перелому на графике: кампании верхней воронки «потеряли» конверсии, брендовые — «нашли». Ничего в рынке при этом не менялось.

Если вы видели на своих графиках непонятный сдвиг в июле–сентябре 2026 года и не нашли объяснения в истории изменений и диагностике просадок, первым делом проверьте не кампании, а атрибуцию конверсионных действий.

Как работает DDA: на чём она учится

DDA отличается от остальных моделей тем, что не применяет универсальное правило, а считает фактический вклад каждого взаимодействия на пути к конверсии по данным именно вашего аккаунта. Модель обучается на исторических данных конкретного конверсионного действия и распределяет кредит между точками контакта пропорционально их измеренному влиянию.

Что важно понимать про охват модели:

Атрибуция применяется к конверсионным действиям типа «сайт» и конверсиям из Google Analytics. Конверсии в приложении могут атрибутироваться App-кампаниям для отчётности.
В расчёт попадают платные и органические каналы Google — то есть DDA видит больше, чем просто ваши кампании.
Аккаунты, которые лишь недавно стали подходить под кросс-сетевую атрибуцию, могут видеть задержку в появлении полных данных.
Наборы данных с недостаточным объёмом отфильтровываются автоматически.

Последний пункт — ключ к следующему разделу.

Порог данных: почему малому аккаунту DDA показывает почти last click

DDA нужен объём: чтобы различать вклад точек контакта, модели надо видеть достаточно разных путей к конверсии. Отраслевая оценка порога, при котором DDA работает надёжно, — около 300 конверсий за 30 дней на конверсионное действие. Это ориентир, а не официально опубликованный Google порог, но он полезен как рабочая граница.

Что происходит ниже этого порога:

Данных на путь мало, модель не может уверенно выделить вклад промежуточных касаний.
Распределение кредита смещается к последнему клику — потому что именно он наблюдается всегда и однозначно.
В отчёте вы видите «DDA», а поведение почти совпадает с last click.
Вклад верхней воронки в отчётности исчезает, и решения по бюджету принимаются в пользу нижней.

Это самый неприятный сценарий, потому что он тихий. Модель не пишет «мне не хватает данных» — она просто отдаёт результат, похожий на last click, а вы читаете его как машинное обучение. Отсюда практическое правило: если конверсионное действие даёт меньше нескольких сотен конверсий в месяц, не строьте на DDA-отчёте выводы о ценности охватных форматов. Для таких решений нужны либо гео-эксперименты и оценка инкрементальности, либо агрегированные подходы вроде MMM и Meridian.

Что происходит под капотом: атрибуция → колонка «Конверсии» → ставки

Цепочка выглядит так.

Шаг 1. Пользователь проходит путь из нескольких касаний: увидел Demand Gen, кликнул небрендовый запрос, через два дня пришёл по бренду и купил.

Шаг 2. Модель атрибуции решает, как разложить одну конверсию между этими касаниями. На last click вся конверсия уходит брендовой кампании. На DDA — распределяется дробно между тремя.

Шаг 3. Результат попадает в колонки «Конверсии» и «Все конверсии». Смена модели влияет на них вперёд, исторические данные не пересчитываются.

Шаг 4. Автостратегии — Target CPA, Target ROAS, оптимизированный CPC — используют эти же значения как обучающий сигнал. Изменился кредит — изменилась карта того, где алгоритм видит результат, и он начинает перераспределять ставки.

Отсюда два следствия, которые стоит выписать на видном месте:

Смена модели — это операция уровня ставок, а не отчёта. Google сам рекомендует тестировать новую модель, прежде чем внедрять её полностью.
После смены модели наступает период волатильности. Автостратегия переучивается на новый кредит, и это ведёт себя как период обучения Smart Bidding: неделя-две нестабильности, которую нельзя лечить ручными правками.

Разбор на цифрах: один аккаунт в двух моделях

Возьмём 100 конверсий и три кампании, участвовавшие в путях. Цифры условные, для демонстрации механики.

Кампания	Конверсии, last click	Конверсии, DDA	Расход	CPA last click	CPA DDA
Search — бренд	58	34	900	15,5	26,5
Search — небренд	34	43	2 600	76,5	60,5
Demand Gen — охват	8	23	1 500	187,5	65,2
Итого	100	100	5 000	50,0	50,0

Что видно на этих цифрах:

Общее число конверсий и общий CPA не изменились. Атрибуция не создаёт и не уничтожает конверсии — она их перекладывает. Любой разговор «после смены модели конверсий стало меньше» на уровне аккаунта означает, что сравнивали не то.
Приоритеты переворачиваются. На last click Demand Gen — худшая кампания аккаунта и первый кандидат на отключение. На DDA он сопоставим с небрендовым поиском. Одни и те же деньги, один и тот же результат, противоположные решения.
Брендовая кампания дешевеет искусственно. На last click она забирает кредит за спрос, который создали другие. Это главная причина, по которой бренд всегда выглядит лучшей кампанией в аккаунте — и почему любой инструмент распределения бюджета тянет деньги туда.

Практический вывод: прежде чем делать выводы из Recommended Investment Strategy и режимов Holistic и Growth, проверьте, в какой модели атрибуции построены цифры, на которых инструмент считает. Перераспределение бюджета на last-click-данных систематически убивает верхнюю воронку.

Почему сравнения через дату миграции врут

Смена модели действует вперёд и не пересчитывает историю. Значит, в вашей таблице по месяцам до даты перехода лежат данные одной системы кредита, после — другой.

Что из этого следует:

Сравнение «сентябрь к августу» по кампаниям бессмысленно, если между ними прошла миграция.
Годовые сравнения «год к году» тоже искажены, если год назад модель была другой.
Отчёты клиенту нужно снабдить пометкой о дате миграции, иначе вы будете объяснять «просадку», которой не было.

Минимальная гигиена: поставьте аннотацию с датой миграции на всех дашбордах и в кастомных столбцах и Редакторе отчётов, а в сравнительных таблицах отделяйте периоды визуально. Это две минуты работы, которые экономят часы объяснений.

Аудит атрибуции за двадцать минут

Откройте список конверсионных действий и выведите столбец с моделью атрибуции. Если столбца нет — добавьте его в настройках отображения.
Выпишите модель по каждому действию. Смешанная картина (часть на DDA, часть на last click) — норма после автоматического перевода, но вы должны знать, где что.
Проверьте объём по каждому действию. Конверсии за 30 дней. Всё, что сильно ниже нескольких сотен, читайте как «DDA работает как last click».
Сделайте скриншоты настроек и отчёта за 30 дней. Это ваша базовая точка, которую потом невозможно восстановить.
Поставьте аннотации с датой миграции во всех дашбордах и отчётах.
Найдите кампании на Target CPA и Target ROAS, которые оптимизируются на затронутые конверсионные действия. Это те, чьё поведение изменилось.
Проверьте окно конверсии у тех же действий — это отдельная настройка, которую часто путают с атрибуцией.

Результат аудита — не «правильная модель», а понимание, на каких данных вы сейчас принимаете решения. Этого достаточно, чтобы не сделать дорогую ошибку.

Атрибуция и окно конверсии: две настройки, которые путают

Это разные вещи, и их постоянно смешивают.

	Окно конверсии	Модель атрибуции
Отвечает на вопрос	Как долго после клика конверсия ещё считается вашей	Как разложить конверсию между касаниями внутри окна
Влияет на	Сколько конверсий попадёт в отчёт вообще	Какой кампании достанется кредит
Изменение действует	Может пересчитать данные	Только вперёд

Практически: если конверсий стало меньше в сумме по аккаунту — смотрите окно конверсии и трекинг. Если сумма та же, но перераспределилась по кампаниям — смотрите атрибуцию. Подробный разбор первой настройки — в материале про окно конверсии и лаг.

Атрибуция в PMax, Demand Gen и AI Max: что вы не увидите

В кампаниях с автоматическим размещением атрибуция внутри кампании для вас непрозрачна. Кредит приходит на кампанию, но разбивку по каналам внутри неё вы получаете ограниченно, а по отдельным аудиториям и креативам — почти нет.

Что из этого следует для принятия решений:

Сравнивать PMax и поиск по CPA корректно только в одной модели атрибуции и с учётом каннибализации между кампаниями.
Оценка отдельных площадок внутри автоматических кампаний через атрибуцию невозможна — для этого нужны эксперименты.
Сигналы, которые вы отдаёте платформе, влияют на кредит косвенно: чем полнее данные первой стороны, тем больше путей модель видит целиком. Здесь смыкаются атрибуция и метрика Data Strength.

Атрибуция против инкрементальности: разные вопросы

Атрибуция отвечает на вопрос «кому из моих каналов записать эту конверсию». Инкрементальность отвечает на вопрос «случилась бы эта конверсия без рекламы вообще». Это не уточнение друг друга, а два независимых измерения.

Ни DDA, ни last click не отвечают на второй вопрос. Брендовый поиск может собирать 60% кредита в DDA и при этом быть почти полностью неинкрементальным: пользователь всё равно нашёл бы вас. Проверить это можно только выключением — через гео-эксперимент или холд-аут.

Отсюда рабочая связка: атрибуцию используем для внутреннего распределения бюджета между каналами, инкрементальность — для решений о том, стоит ли канал денег вообще. Подменять второе первым — самая дорогая ошибка в измерении платного трафика.

Как менять модель без просадки: план на четыре недели

Неделя 0. Фиксируем базу: экспорт по кампаниям за 28 дней, скриншоты настроек, аннотации в дашбордах.
Неделя 1. Меняем модель на одном конверсионном действии, а не на всех. Кампании не трогаем вообще — ни ставок, ни бюджетов, ни таргетинга.
Неделя 2. Наблюдаем. Автостратегии переучиваются; всплески и просадки в этот период не являются сигналом.
Неделя 3. Сверяем перераспределение кредита по кампаниям. Ищем не «стало лучше», а «куда переехал кредит».
Неделя 4. Решаем по целевым CPA и ROAS: если кредит сместился, старые цели больше не означают того же, что раньше, и их нужно пересчитать под новую карту.

Отдельно: не меняйте модель атрибуции и целевые значения ставок одновременно. Иначе через месяц вы не сможете сказать, что именно дало результат.

Как организовать это в команде

Атрибуция — редкий случай, когда одна настройка в кабинете влияет на работу сразу трёх людей: того, кто ведёт кампании, того, кто отчитывается перед клиентом, и того, кто считает экономику. Если договорённости нет, каждый смотрит на свою версию правды.

Минимальный порядок, который снимает большую часть споров:

Реестр конверсионных действий. Таблица: название действия, модель атрибуции, окно конверсии, первичное или вторичное, дата последнего изменения. Одна страница, обновляется при любой правке.
Одна модель для отчётности. Клиентские отчёты строятся в одной согласованной модели. Смена модели — событие, о котором заказчик узнаёт заранее, а не из графика.
Правило аннотаций. Любое изменение атрибуции, окна конверсии или состава конверсий помечается датой во всех дашбордах. Без этого через квартал причины перелома не восстановить.
Разделение ролей в решениях. Решение «отключить охватную кампанию» не принимается тем, кто видит только last-click-отчёт.
Квартальная сверка. Раз в квартал — сравнение кредита по кампаниям в двух моделях. Разрыв показывает, насколько ваши решения зависят от выбора модели.

В агентствах с десятками аккаунтов полезно вести общий чек-лист приёмки нового аккаунта, где проверка атрибуции стоит рядом с проверкой трекинга: некорректная атрибуция портит данные тише, чем сломанный тег, и поэтому обнаруживается позже.

Семь ошибок

Считать атрибуцию отчётной настройкой. Она кормит автостратегии.
Сравнивать периоды через дату миграции. Это две разные системы кредита.
Доверять DDA на малых объёмах. Ниже нескольких сотен конверсий в месяц она ведёт себя близко к last click.
Отключать охватные кампании по last-click-CPA. Так вы отключаете источник спроса, а не убыточную кампанию.
Менять модель на всех конверсионных действиях сразу. Не останется контроля.
Реагировать на первую неделю после смены. Идёт переобучение ставок.
Путать атрибуцию с окном конверсии. Первое перекладывает кредит, второе меняет его объём.

Устойчивые заблуждения

«DDA завышает конверсии». Нет. Общее количество конверсий от модели не зависит, меняется только распределение между кампаниями.

«Last click честнее, потому что это факт». Last click — тоже модель, просто самая грубая: она приписывает весь результат последнему касанию, потому что его проще всего наблюдать.

«Раз четыре модели удалили, значит DDA лучше во всех случаях». DDA лучше при достаточном объёме данных. Ниже порога она теряет преимущество, и это не повод считать её универсальным ответом.

«Атрибуция покажет реальную ценность канала». Не покажет. Реальная ценность — это инкрементальность, и она измеряется экспериментом, а не моделью.

FAQ

Какие модели атрибуции сейчас доступны в Google Ads?

Две: data-driven attribution (модель по умолчанию) и last click. First click, линейная, с учётом давности и на основе позиции удалены.

Когда удалили четыре модели?

Они стали недоступны для новых конверсионных действий в середине июля 2026 года, а к сентябрю 2026-го остававшиеся на них конверсионные действия были переведены автоматически.

Что произошло с моими конверсионными действиями на удалённых моделях?

Они обновлены до data-driven attribution. В аккаунтах без достаточного объёма поведение модели фактически приближается к last click.

Меняются ли исторические данные при смене модели?

Нет. Изменение действует только вперёд, на колонки «Конверсии» и «Все конверсии».

Сколько данных нужно DDA?

Официального публичного порога нет; рабочий ориентир отрасли — около 300 конверсий за 30 дней на конверсионное действие. Наборы данных с недостаточным объёмом отфильтровываются автоматически.

Влияет ли модель атрибуции на Smart Bidding?

Да, напрямую: Target CPA, Target ROAS и оптимизированный CPC обучаются на атрибутированном кредите. Google рекомендует тестировать модель перед полным внедрением.

Почему после миграции брендовая кампания стала выглядеть дороже?

Потому что на DDA часть кредита ушла к касаниям, которые создали спрос. На last click бренд собирал этот кредит целиком.

К каким конверсиям применяется атрибуция?

К конверсионным действиям типа «сайт» и конверсиям из Google Analytics. Конверсии в приложении могут атрибутироваться App-кампаниям для отчётности.

Учитывает ли DDA органические каналы?

В расчёт вклада попадают платные и органические каналы Google, поэтому DDA видит больше точек контакта, чем только ваши кампании.

Стоит ли вернуться на last click?

Есть один разумный повод: объём данных слишком мал, и вам нужна простая, воспроизводимая логика для отчётности. Во всех остальных случаях last click систематически недооценивает верхнюю воронку.

Чем атрибуция отличается от окна конверсии?

Окно конверсии определяет, сколько конверсий попадёт в отчёт, атрибуция — какой кампании достанется кредит внутри этого окна.

Как измерить реальный вклад канала, если атрибуции недостаточно?

Экспериментом: гео-тест или холд-аут, где канал выключается на части рынка. Для больших бюджетов — агрегированные модели вроде MMM.

Что делать дальше

Атрибуция замыкает связку трёх решений об экономике аккаунта. Первое — куда идут деньги между кампаниями: Recommended Investment Strategy и режимы Holistic и Growth. Второе — за какое событие с вас списывают: оплата за конверсию в Google Ads. Третье — кому достаётся кредит, то есть этот материал. Решать их по отдельности бессмысленно: каждое меняет цифры, на которых принимаются два остальных.

Системный разбор измерения и настройки конверсий есть в гайде по Google Ads, а если нужна устойчивая инфраструктура для работы с несколькими аккаунтами — посмотрите агентские аккаунты Google Ads от PPC Rebels.

Модели атрибуции в Google Ads 2026: DDA против last click после принудительной миграции