В большинстве команд TikTok до сих пор оценивают слишком примитивно. Если last click не показывает красивую прямую продажу, канал быстро получает ярлык “дорогой”, “шумный” или “не до конца понятный”. Проблема в том, что TikTok редко работает как классический нижний перехват спроса. Он чаще двигает пользователя к следующему действию: подталкивает к поиску бренда, к прямому заходу на сайт, к сравнению, к возвращению позже с другого устройства или из другого канала. И если считать его только последним кликом, картина почти неизбежно будет искажённой.
Именно под эту проблему TikTok 7 октября 2025 года представил Attribution Portfolio — набор инструментов, который собирает в одном месте first-touch и last-touch сигналы, assisted conversion, performance comparison, time to conversion и другие способы читать вклад платформы. Для медиабайера это ценно не как “новая красивая аналитика”, а как способ перестать рубить работающий канал просто потому, что он не выглядит героем в старом отчёте.
В материале TikTok есть несколько цифр, на которые стоит обратить внимание. Во-первых, компания пишет, что больше чем одна из четырёх конверсий, атрибутированных TikTok, происходит после просмотра рекламы, когда человек в тот же день самостоятельно заходит на сайт. Во-вторых, в early testing рекламодатели, увидевшие улучшение performance, получили в Google Analytics в среднем на 54% больше конверсий при снижении CPA на 27%. Это не гарантия чудес, но хороший сигнал: если считать канал шире, чем через один последний клик, можно перестать недооценивать его реальную роль в воронке.
Почему last click особенно плохо читает TikTok
Last click удобен тем, что он простой. Но именно в TikTok эта простота особенно часто превращается в самообман. Пользователь видит видео, запоминает бренд, идею, боль, механику оффера, а затем уходит делать то, что для него естественно: искать бренд в Google, идти на сайт напрямую, спрашивать знакомых, возвращаться позже с другого устройства. В отчёте по last click канал, который запустил это движение, часто исчезает из кассы или выглядит слабее, чем есть на самом деле.
Это не означает, что TikTok нужно объявить неприкасаемым и приписывать ему все продажи. Означает другое: TikTok слишком часто работает как инициатор и ускоритель, а не как финальный кассир. Если не видеть эту роль, бюджет начинает перетекать в каналы, которые просто подхватывают уже прогретого пользователя. На коротком отрезке это может выглядеть красиво. На длинной дистанции это ломает всю экономику роста.
Именно поэтому любые выводы по TikTok надо проверять не только по финальному клику, но и по вспомогательному вкладу: как меняется branded search, сколько пользователей приходит напрямую, как растёт доля assisted conversions, насколько сокращается время до сделки, как распределяются касания по устройствам. Без этого любое “TikTok не работает” слишком часто означает только одно: отчёт не умеет читать путь пользователя.
Что именно даёт Attribution Portfolio
По описанию TikTok, Portfolio собирает несколько уровней чтения эффективности. В части first-touch туда входят, например, Post Purchase Survey и Attribution Analytics. В части last-touch — Attribution Analytics, Third-Party Optimization и Assisted Conversion. Для оператора важно не то, как это красиво называется, а что это позволяет сравнить разные версии правды о канале и посмотреть, где именно он участвует в продаже.
Assisted Conversion полезен тем, что помогает увидеть, сколько конверсий TikTok не “закрыл”, но реально подтолкнул. Performance Comparison нужен, чтобы сравнить, как выглядит результат по разным моделям чтения и не принимать управленческое решение по одной-единственной версии отчёта. Time to Conversion показывает, через какое время после контакта пользователь реально конвертируется. А Touchpoints to Conversion помогает понять, сколько касаний вообще нужно до сделки. Для платформы, которая работает через контент и внимание, это не косметика. Это базовая аналитика.
Отдельно важен Third-Party Optimization с Google Analytics. Он полезен как раз тем командам, которые не хотят жить в одном источнике правды и предпочитают проверять платформенный отчёт внешними данными. В реальной работе это спокойнее: TikTok даёт своё объяснение вклада, а внешняя система помогает проверить, не дорисовывает ли платформа себе лишнего.
Как читать эти данные глазами медиабайера, а не презентации
Первая задача — не спорить о религии атрибуции, а понять роль канала в конкретной связке. Если TikTok у тебя отвечает за открытие угла, за демонстрацию кейса, за эмоциональный триггер и за ранний прогрев, не стоит ждать, что он всегда будет героем в последнем касании. Его надо оценивать по тому, увеличивает ли он число качественных переходов в середину и низ воронки, меняет ли брендовый спрос, уменьшает ли стоимость последующего дожима и не ухудшает ли approval и реальное post-click качество.
Вторая задача — сравнивать несколько моделей, а не выбирать самую приятную. Если TikTok сильно выигрывает только в собственной платформенной модели, а в GA4 и в CRM картина совсем другая, это повод копать глубже. Но если канал стабильно даёт вспомогательные конверсии, ускоряет поиск бренда и помогает другим каналам закрывать сделку дешевле, резать его просто потому, что last click поставил ноль, — плохое решение.
Третья задача — не отрывать атрибуцию от экономики. Канал может красиво выглядеть по Assisted Conversion, но если после него идут слабые лиды, дешёвые регистрации без выручки или проседающий approval, радоваться рано. Поэтому TikTok нужно сверять не только с платформенной аналитикой, но и с тем, что происходит дальше в воронке. В этом смысле полезно держать рядом наши материалы про custom insights в GA4 и Funnel Exploration без самообмана, чтобы сводить together platform data и реальные этапы воронки.
Где TikTok чаще всего недооценивают в практике
Чаще всего проблема возникает в связках, где TikTok открывает спрос, а закрытие происходит где-то ещё. Например, пользователь увидел видео, потом позже ввёл бренд в поиск, перешёл на сайт напрямую или уже после этого попал в ремаркетинг и сконвертировался через другой канал. Если смотреть только на последнюю точку, TikTok выглядит слабым. Но если убрать его из микса, вся цепочка часто проседает.
Вторая типичная история — длинный путь к покупке. Чем больше времени нужно на решение, тем хуже last click передаёт вклад верхних и средних касаний. TikTok как раз часто работает на этой стадии: он делает оффер заметным, переводит его из состояния “никогда не слышал” в состояние “надо посмотреть подробнее”. Это особенно заметно в офферах со сравнением, с визуальной демонстрацией, с контентной подачей и в категориях, где цена ошибки для пользователя выше обычного.
Третья история — креативы, которые формируют сильный ранний импульс, но не обязаны сразу закрывать продажу. В этом месте TikTok особенно часто недооценивают, потому что команда сравнивает его с каналами нижнего спроса на равных условиях, хотя они выполняют разные работы.
Ошибки, которые ломают чтение TikTok performance
- Считать TikTok только по last click и не смотреть на assisted conversions и прямые заходы после просмотра.
- Принимать решение по одной модели атрибуции и не сверять её с GA4, CRM и реальным approval.
- Резать верх воронки сразу после просадки прямых продаж, не проверив влияние на поиск бренда и последующие касания.
- Игнорировать время до конверсии и судить о канале в слишком коротком окне.
- Путать красивый рост platform-attributed conversions с реальным ростом прибыли после всех фильтров качества.
Вывод
Attribution Portfolio полезен не потому, что даёт TikTok ещё один красивый дашборд. Он полезен потому, что возвращает в разговор о TikTok контекст. Эта платформа редко живёт в логике “увидел объявление и тут же купил”. Намного чаще она запускает движение: интерес, поиск бренда, прямой визит, возвращение к офферу, вспомогательное касание перед сделкой. Если этого не видеть, канал почти неизбежно окажется недооценённым.
Нормальная управленческая логика здесь такая: не верить одной цифре, сравнивать модели, проверять вклад TikTok по внешним системам и связывать атрибуцию с реальной экономикой — качеством лида, approval, CPA после проверки и вкладом в выручку. Тогда TikTok можно оценивать без романтики и без несправедливого обнуления. А это уже намного ближе к нормальному управлению ROI, чем привычный спор о том, “работает платформа или нет”.
