В последние годы маркетинговая аналитика была одержима атрибуцией. Компании пытались точно определить, какой канал или касание привело к конверсии, тратя миллионы на модели Last Click, First Click, линейные и мультитач-атрибуции. Но в 2026 году этот подход начинает устаревать. По данным Salesforce, традиционные модели атрибуции не справляются с многоканальностью, сложностью клиентского пути и растущей ролью ИИ. Авторы блога Salesforce утверждают: пора переходить от атрибуции к агентной оптимизации (agentic optimization) — когда не просто анализируют прошлое, а в реальном времени корректируют действия с помощью AI-агентов.
В этой статье разберём, почему атрибуция больше не работает, что такое агентная оптимизация и как маркетологи могут использовать её на практике — без выдуманных курсов и фантастических обещаний.
Кризис традиционной атрибуции
Атрибуция строилась на линейной модели: клиент увидел рекламу → перешёл по ссылке → купил. Каждому касанию присваивался процент «заслуги». Однако реальный путь покупателя сегодня выглядит иначе:
- Он может увидеть пост в соцсети, потом прочитать обзор на YouTube, подписаться на email-рассылку, перейти по баннеру и купить через неделю в приложении.
- Часть взаимодействий вообще не отслеживается (например, офлайн-поиск бренда).
- ИИ-ассистенты совершают заказы без участия человека.
В статье Salesforce подчёркивается, что попытки «вручную» назначить ценность каждому шагу становятся неэффективными. Агентная оптимизация предлагает другой путь: вместо ретроспективного анализа — проактивное управление с помощью AI-агентов, которые принимают решения в реальном времени.
Что такое agentic optimization (агентная оптимизация)
Если кратко — это подход, при котором AI-агенты самостоятельно настраивают маркетинговые кампании, таргетинг, контент и бюджет, опираясь на текущие данные и цели. Агент не ждёт отчёта — он действует. Например, видит, что CTR на одном креативе падает, и сам запускает другой вариант, меняет ставку или перенаправляет трафик.
Авторы Salesforce выделяют три ключевых отличия от классической атрибуции:
1. От истории к прогнозу — агент не просто смотрит назад, а предсказывает, какой шаг наиболее вероятно приведёт к конверсии.
2. От статики к динамике — атрибуция — это «фото» прошлого, агентная оптимизация — «видео» в реальном времени.
3. От человека к автомату — часть решений делегируется AI, а маркетолог задаёт стратегию и контролирует результаты.
В материале приводится пример: компания использовала AI-агентов для управления контекстной рекламой. За месяц количество лидов выросло на 25% при снижении CPA на 18% – без вмешательства человека. Агенты сами перераспределяли бюджет между кампаниями в зависимости от времени суток, погоды и даже курса валют.
Как это работает на практике: сценарии из новости
Salesforce описывает несколько практических сценариев, которые уже реализованы на платформе Marketing Cloud и других инструментах компании.
1. Персонализация контента в реальном времени
Агент анализирует поведение пользователя на сайте: какие страницы смотрел, что скроллил, где остановился. На основе этого он подбирает следующий баннер, блок рекомендаций или оффер. Если пользователь прочитал статью про AI-маркетинг, агент покажет ему похожие материалы или предложит демо-версию инструмента.
2. Автоматическое управление частотой показов
Классическая атрибуция не скажет, когда человеку надоело видеть вашу рекламу. AI-агент отслеживает поведенческие сигналы (снижение CTR, рост отказов, негативные комментарии) и автоматически снижает частоту показов для этого пользователя, перенаправляя бюджет на тех, кто ещё не конвертировался.
3. Кросс-канальная оптимизация бюджета
Агент смотрит на стоимость привлечения (CAC) в каждом канале в текущий момент — Google Ads, Facebook (признана экстремистской и запрещена в РФ), TikTok, email, push-уведомления. Если в Telegram-рекламе резко упала цена за клик, агент перемещает туда часть бюджета из более дорогого канала. И всё это без участия маркетолога.
В статье Salesforce отмечается, что такие сценарии уже приносят результаты. Например, один из клиентов после внедрения agentic optimization увеличил ROI на 40% за три месяца, сократив при этом время на ручную настройку кампаний на 70%.
Почему это важно для маркетологов сейчас
Многие опасаются, что AI-агенты «отнимут работу». На деле наоборот: маркетолог перестаёт быть операционным менеджером и становится стратегом. Он задаёт цели (например, «увеличить конверсию на 20% при бюджете Х») и следит за тем, как агенты их достигают. Вместо того чтобы часами копаться в таблицах Excel и настраивать A/B-тесты вручную, он может сфокусироваться на креативе, стратегии продукта и понимании клиентов.
Авторы Salesforce подчёркивают: те, кто продолжит цепляться за старую атрибуцию, проиграют в скорости. Конкуренты, использующие агентную оптимизацию, будут принимать решения за секунды, а не за недели.
Какие навыки понадобятся?
- Понимание принципов работы AI-агентов — не обязательно быть дата-сайентистом, но нужно уметь ставить задачи и интерпретировать результаты.
- Навыки работы с платформами, поддерживающими agentic optimization — например, Salesforce Marketing Cloud, Google Ads с AI-агентами или другие инструменты.
- Умение формулировать бизнес-цели — если маркетолог скажет агенту «сделай хорошо», результат будет случайным. Нужно чётко: «увеличь конверсию не менее чем на 15%, не увеличивая CPA выше 500 рублей».
Ограничения и риски
Статья Salesforce не обходит стороной и сложности:
- Прозрачность: AI-агент иногда принимает решения, которые сложно объяснить. Маркетолог должен понимать логику, иначе можно получить неожиданные результаты.
- Контроль: важно настроить «предохранители» — например, максимальный бюджет в день, чёрный список площадок, минимальные пороги метрик.
- Данные: агент работает только качественно на чистом и достаточном объёме данных. Если у компании маленькая аудитория или плохая трекинговая система, результаты могут быть плохими.
Авторы рекомендуют начинать с пилотного проекта — например, выбрать одну кампанию и делегировать её управление агенту, а потом сравнивать с контрольной группой.
Выводы: готовы ли вы к агентному будущему?
Маркетинговая атрибуция была полезна, когда клиентский путь был прямым и предсказуемым. Но в мире, где AI-ассистенты делают заказы, а пользователь может взаимодействовать с брендом через десятки каналов за день, ретроспективный взгляд недостаточен. Агентная оптимизация — это не отказ от данных, а их использование по-новому: не для отчётов, а для действий.
Если вы всё ещё строите отчёты по Last Click — самое время задуматься. Источник в Salesforce предлагает начать с изучения возможностей вашей текущей платформы: многие уже поддерживают AI-агентов. ASI Biont помогает специалистам разобраться в современных подходах к автоматизации маркетинга — подробнее на asibiont.com/courses.
В 2026 году выиграет не тот, кто точнее знает, откуда пришёл лид вчера, а тот, кто быстрее реагирует на то, что происходит сегодня. Агентная оптимизация даёт этот выигрыш в скорости и эффективности.
Комментарии