De ce atribuirea este problema numarul unu in performance marketing in 2026

Ai reclame pe Meta, pe Google, poate si pe TikTok. Trimiti si email-uri. Ai influenceri sau afiliati. La final de luna te uiti in rapoarte si fiecare canal isi revendica aceeasi vanzare. Meta spune ca a generat 500 de comenzi. Google spune 480. Email-ul mai adauga 200. Tu ai vandut, de fapt, 600.

Acesta este problema atribuirii: mai multe canale ating acelasi client inainte de cumparare, iar fiecare platforma isi atribuie tot creditul. Daca nu intelegi cum functioneaza fiecare model de atribuire, iei decizii gresite de buget, tai canale care chiar functioneaza si pompezi bani in altele care doar par profitabile.

In 2026, dupa deprecierile de date din iOS, dupa limitarile de cookies si dupa ce platformele si-au mutat tot mai mult optimizarea in cutii negre, problema atribuirii a devenit si mai acuta. Daca nu ai o perspectiva corecta asupra de unde vin comenzile tale reale, esti orb.

Last-click: simplu, rapid si profund gresit

Last-click inseamna ca toata vanzarea ii este atribuita ultimului canal pe care clientul l-a atins inainte sa cumpere. A dat click pe un anunt Google Shopping si a cumparat. Google primeste 100% din credit.

Pare logic. Este si cel mai raspandit model pentru ca e usor de implementat si de explicat unui antreprenor sau unui CFO. Problema este ca ignora complet tot ce s-a intamplat inainte de acel click final.

Clientul respectiv poate sa fi vazut un anunt pe Meta de trei ori, sa fi citit un articol de blog, sa fi primit un email, sa fi cautat brandul tau dupa ce l-a vazut pe TikTok, si abia apoi a dat click pe Google. Last-click ii da zero credit tuturor canalelor de sus de palnie si toata meritul la Google.

Consecinta practica: tai bugetul de Meta pentru ca "nu aduce comenzi", si dupa cateva saptamani constati ca si comenzile din Google au scazut. De ce? Pentru ca Meta facea munca de awareness si intent. Google recolta.

Last-click functioneaza rezonabil doar daca ai un business cu ciclu de decizie extrem de scurt, un produs cu pret mic, cumparat impulsiv, fara niciun fel de cercetare prealabila. Pentru orice altceva, este o capcana.

Am scris mai pe larg despre cum cifrele din Ads Manager pot induce in eroare in articolul ROAS din Ads Manager te minte: cum masori profitul real. Logica de acolo se aplica direct si la atribuire.

Data-driven attribution: mai inteligent, dar nu pentru toata lumea

Data-driven attribution (DDA) este modelul promovat agresiv de Google si Meta in ultimii ani. In loc sa dea tot creditul ultimului click, algoritmul analizeaza toate caile de conversie si decide ce contributie a avut fiecare punct de contact.

Suna bine. Si este mai bun decat last-click in aproape orice scenariu.

Insa are conditii clare de functionare. Google cere minim 3.000 de conversii la nivel de cont in ultimele 30 de zile pentru ca modelul sa fie suficient de precis. Meta are propriile praguri similare. Daca nu ai volumul asta, algoritmul lucreaza cu esantioane mici si poate produce rezultate la fel de distorsionate ca last-click, doar ca intr-un mod mai opac.

Al doilea risc este ca DDA ramane un model inchis. Nu stii exact cum calculeaza platforma contributia fiecarui canal. Si, mai important, modelul este construit de platforma care vrea sa iti vanda cat mai mult spatiu publicitar. Nu exista conflict de interese declarat, dar nici nu poti verifica independent logica din spate.

Al treilea risc tine de datele disponibile dupa iOS 14+ si dupa restrictiile de cookies. DDA functioneaza pe datele pe care platforma le poate colecta. Daca jumatatate din utilizatorii tai au refuzat trackingul, modelul lucreaza pe jumatate din realitate.

Citeste si despre cum afecteaza aceste limitari masurarea corecta in articolul iOS, consimtamant si ROAS real: cum masori corect in 2026.

Marketing Mix Modeling: scump, lent, dar singurul model independent

Marketing Mix Modeling (MMM) este o abordare complet diferita. Nu se bazeaza pe trackingul individual al utilizatorilor. In schimb, analizeaza date agregate: cheltuieli pe canale, vanzari totale, factori externi (sezonalitate, pretul concurentei, evenimente), si construieste un model statistic care estimeaza contributia fiecarui canal la vanzarile totale.

Avantajul major: este independent de platforme. Nu depinde de cookies, nu depinde de pixeli, nu depinde de ce iti spune Meta ca a realizat. Se uita la date reale de business.

Dezavantajul major: are nevoie de date istorice, cel putin 12-24 de luni de date granulare. Are nevoie de cineva care stie sa construiasca si sa interpreteze modelul. Si are o latenta mare, nu iti spune ce sa schimbi maine dimineata, ci ce directie strategica sa urmezi pe trimestrul urmator.

MMM este instrumentul potrivit pentru branduri cu bugete de marketing de peste 50.000-100.000 euro pe luna, unde o decizie gresita de alocare a bugetului inseamna sute de mii de euro pierdute. Pentru un business de ecommerce cu 10.000 euro pe luna in ads, costul implementarii unui MMM depaseste beneficiul.

Ce model alegi in functie de marimea afacerii

Iata o grila practica, fara ezitari:

Sub 5.000 euro/luna in ads. Uita de DDA si MMM. Fa incrementality testing manual: opreste un canal pentru doua saptamani si masoara impactul real asupra vanzarilor totale. Urmareste MER-ul (Marketing Efficiency Ratio: vanzari totale impartit la cheltuieli totale de marketing). Este cel mai onest indicator la buget mic.

Intre 5.000 si 30.000 euro/luna. DDA incepe sa aiba sens daca ai volumul de conversii necesar. Completeaza-l cu MER si cu teste periodice de incrementalitate. Evita sa iei decizii bazate exclusiv pe ROAS raportat de platforma.

Peste 30.000-50.000 euro/luna. Incepe sa construiesti infrastructura pentru MMM. Nu ai nevoie de un model complet din prima zi, dar incepe sa colectezi date curate si granulare. DDA ramane util pentru optimizari tactice zilnice, dar strategia de alocare bugetara trebuie sa vina din alta parte.

Peste 100.000 euro/luna. MMM este obligatoriu. La acest nivel, distorsiunile din atribuirea bazata pe platforme iti pot costa zeci de mii de euro pe luna in decizii gresite.

Un element adesea neglijat in aceasta ecuatie este calitatea datelor de tracking. Daca ai probleme cu pixelii sau cu implementarea, niciun model de atribuire nu te salveaza. Citeste Shopify si reclame platite: greseli de tracking care ard bugetul inainte sa investesti in modele sofisticate.

Ce inseamna pentru tine, antreprenor sau marketer roman

Realitatea pietei din Romania in 2026 este ca majoritatea afacerilor de ecommerce si servicii ruleaza bugete intre 2.000 si 20.000 euro pe luna. In aceasta zona, cel mai des intalnit comportament este urmatorul: se uita in Ads Manager, vad un ROAS de 4-5, sunt multumiti, si nu pun niciodata intrebarea "dar din comenzile totale ale lunii, cate sunt cu adevarat generate de ads?".

Primul pas concret pe care il poti face azi este sa calculezi MER-ul. Imparte totalul vanzarilor lunii la totalul cheltuielilor de marketing (inclusiv agentie, tool-uri, influenceri, tot). Daca MER-ul tau este 3 si ROAS-ul raportat este 6, ai o problema de atribuire serioasa, undeva se numara de doua ori.

Al doilea pas este sa faci un test de incrementalitate simplu. Opreste complet un canal timp de 7-14 zile (alege unul cu buget mai mic, ca sa limitezi riscul). Masoara cum evolueaza vanzarile totale. Acesta este cel mai direct test al contributiei reale a unui canal.

Nu ai nevoie de un model MMM cu consultant extern ca sa incepi sa gandesti corect atribuirea. Ai nevoie de disciplina de a privi datele de business, nu datele din platforme.

Mini-FAQ: atribuire in marketing

De ce ROAS-ul din Meta este aproape intotdeauna mai mare decat realitatea? Pentru ca Meta atribuie conversia oricarui utilizator care a vazut sau a dat click pe un anunt intr-o fereastra de 7 zile pentru click si 1 zi pentru vizualizare. Daca acel utilizator ar fi cumparat si fara anunt, vanzarea tot apare in raportul Meta. Modelele bazate pe platforme supraestimeaza sistematic contributia lor.

Pot folosi MMM daca am un business mic? Nu are sens din punct de vedere al costului si al volumului de date. La bugete mici, MER-ul si testele de incrementalitate iti dau mai multa claritate cu mult mai putine resurse.

Cat de des ar trebui sa reconstruiesc un model MMM? In general, o data la 6-12 luni, sau dupa orice schimbare majora de strategie sau mix de canale. MMM nu este un raport lunar, este un instrument de directie strategica.

AI, media buyer, agentie: cum functioneaza corect in practica

Instrumentele AI pot face analiza descriptiva rapid: identifica anomalii in datele de atribuire, compara MER-ul pe perioade, detecteaza canalele cu supraatribuire evidenta. Un agent AI bun iti poate pregati datele si iti poate semnala "ceva nu se aduna" in 10 minute in loc de 3 ore.

Dar interpretarea si decizia raman la media buyer-ul uman. El stie contextul: ce promotie a rulat in saptamana respectiva, ce competitor a intrat pe piata, de ce a scazut CTR-ul organic. AI-ul nu are acest context si nu poate inlocui judecata operationala.

Pasul concret, insa, il face echipa. La ALLSoft Agency lucram cu fiecare client pentru a stabili modelul de atribuire potrivit dimensiunii lui, nu modelul care face cifrele sa arate bine in raport. Incepem cu MER si incrementalitate, construim spre DDA sau MMM pe masura ce bugetul si volumul de date o justifica. Fara hype, fara modele de 50.000 euro pentru un business de 5.000 euro pe luna.

Atribuirea corecta nu este un subiect tehnic rezervat analistilor. Este fundamentul pe care iei decizii de buget. Daca fundamentul este stramb, tot ce construiesti deasupra este nesigur.