Черный ящик с дашбордом: как измеряют рекламу в Китае - и почему бренды все равно платят "вслепую"
Китайский рекламный рынок выглядит как мечта аналитика: контакт с рекламой и покупка чаще всего происходят в одном и том же приложении. Пользователь листает ленту Douyin, видит товар, нажимает, оформляет заказ - и весь путь остается внутри платформы. Рекламные инструменты вроде Alimama фиксируют цепочку целиком: показ, клик, просмотр карточки, добавление в корзину, оплату, возврат. Данных действительно много, а дашборды обновляются почти в реальном времени. Логично было бы ожидать, что именно здесь измерение эффективности должно быть самым честным и точным.
Но на практике Китай стал территорией самого болезненного спора: что считать результатом, каким цифрам доверять и можно ли доверять вообще. Причина парадокса проста: замкнутая экосистема делает внешнюю проверку почти невозможной. Платформа видит пользователя, транзакцию и рекламу - и одновременно выступает "судьей", который оценивает собственную работу. Независимый игрок не может полноценно перепроверить большую часть метрик, а значит бренд, который "видит все", фактически видит то, что ему разрешили увидеть.
Война метрик: GMV против бренда
Долгие годы рынок жил под диктатурой GMV - общего оборота заказов, прошедших через площадку за период. Логика была грубой, но удобной: больше GMV - значит, реклама сработала. Охват, частота, узнаваемость, лояльность и "здоровье" бренда считались вторичными, а порой и лишними: если касса растет, то зачем усложнять.
Перелом обозначился в 2023-2024 годах, когда государственный сигнал прозвучал предельно ясно: бизнесу рекомендовали уходить от "гонки за объемами" и заниматься долгосрочным построением брендов. Alibaba отреагировала публично, сместив фокус с валового GMV на "качество роста": маржинальность, повторные покупки, NPS и другие показатели устойчивости. Это стало не косметической сменой KPI, а указателем для всего рынка: "продать сейчас" больше не единственная цель, и одной платформенной выручки недостаточно, чтобы объяснить эффективность.
Почему замкнутая воронка не равна прозрачной аналитике
Ключевой миф китайского digital в том, что раз платформа контролирует путь от показа до оплаты, то и атрибуция "идеальная". На деле контроль означает не только полноту данных, но и монополию на интерпретацию. Платформенные модели атрибуции, правила дедупликации, учет возвратов, логика "новый/старый покупатель", даже то, что считается конверсией, - все это определяется площадкой. Для бренда дашборд превращается в "черный ящик": красиво, быстро, детально - но без возможности подтвердить.
Отсюда вытекает слабость независимой верификации. Даже специализированные китайские верификаторы, которые занимаются проверкой размещений и качества трафика, нередко ограничены тем, что им готова отдать платформа. Их реальная сила - в контроле отдельных технических параметров и выявлении явных аномалий, но не в полноценной реконструкции эффекта рекламы "с нуля".
Инкрементальность по-китайски: когда тестируют не баннеры, а города
На западных рынках инкрементальность часто измеряют классическими A/B-тестами: часть аудитории видит рекламу, часть - нет, затем сравнивают поведение. В Китае такая схема регулярно упирается в ограничения данных, пересечения аудиторий и платформенные барьеры. Поэтому на практике закрепился иной подход - city-level experiments, эксперименты на уровне городов.
Механика выглядит прагматично: выбирают пул городов, сопоставимых по масштабу, уровню дохода, структуре потребления и проникновению интернета. Одни города получают активную рекламную поддержку, другие - минимальную или нулевую. Через 4-8 недель сравнивают динамику продаж, поисковый спрос и прирост новых покупателей. Это не идеальная лаборатория, зато способ приблизиться к ответу на главный вопрос: реклама дала дополнительный эффект или просто "перераспределила" спрос, который возник бы и так.
Самые зрелые рекламодатели идут еще дальше и используют методы causal inference - статистический причинно‑следственный вывод, который помогает оценивать влияние кампаний, стараясь контролировать внешние факторы: сезонность, промо-конкуренцию, логистические сбои, изменения цен и другие переменные, которые в реальном мире постоянно "шумят" вокруг эксперимента.
Чем пытаются компенсировать непрозрачность: MMM и AI-атрибуция
Когда невозможно полностью довериться платформенной атрибуции, бренды начинают собирать "второй контур" измерения. В ход идут MMM (marketing mix modeling) - модели, которые связывают продажи с маркетинговыми инвестициями по каналам на уровне недель/месяцев и пытаются разложить вклад факторов. Это особенно полезно для оценки совокупного эффекта и для ситуаций, где last-click откровенно врет.
Параллельно растет популярность "AI-атрибуции", но здесь есть тонкая ирония: зачастую это опять же атрибуция, которую объясняет сама платформа. Машинное обучение может быть сильным инструментом, но если данные и правила доступа контролирует одна сторона, алгоритм становится не независимым арбитром, а еще одним слоем того же "черного ящика".
Новый фронт: live-стримы и ловушка "последнего касания"
Отдельная боль - измерение эффективности live-стримов. В прямых эфирах конверсия может быть высокой, а путь пользователя - сверхкоротким: увидел, поверил ведущему, купил. В платформенной отчетности это часто выглядит как триумф "последнего касания": будто бы именно стрим создал спрос. Но в реальности стрим нередко закрывает сделку, которую прогрели предыдущие контакты - перфоманс, короткие видео, отзывы, офлайн-присутствие, работа с ассортиментом и ценой.
Из-за этого бюджеты легко перетекают туда, где атрибуция "красивее", а не туда, где эффект действительно инкрементален. И снова бренд платит за уверенность, которую нельзя проверить.
Российская параллель: маркетплейсы как зеркало будущего
Эта история звучит особенно знакомо рынкам, где маркетплейсы становятся главной рекламной площадкой. Логика одинаковая: внутри платформы есть и показ, и покупка, и собственная аналитика; снаружи - ограниченный доступ и сложность независимой проверки. Параллель с тем, как бренды работают на крупных e-commerce площадках, очевидна: рекламодатель получает удобный дашборд, но спорит не с цифрами, а с правилами их появления.
Что это значит для бренда: практические выводы
Первое: в Китае (и в любой сверхзакрытой e-commerce среде) нельзя "покупать метрики", не покупая методологию. Перед ростом бюджета важно зафиксировать, что именно считается конверсией, как учитываются возвраты, как платформа определяет "нового покупателя" и как устроено окно атрибуции.
Второе: одной платформенной отчетности недостаточно для стратегических решений. Нужен принцип триангуляции - сопоставление нескольких источников: динамика продаж, изменения поискового спроса, повторные покупки, маржинальность, поведение по регионам, а также контроль за тем, не "съедает" ли реклама органику.
Третье: инкрементальные тесты - не роскошь, а страховка. Если классический A/B недоступен, city-level experiments становятся рабочей альтернативой. Да, это дороже и медленнее, но они отвечают на вопрос, который действительно важен финансовому директору: был ли прирост сверх базовой линии.
Четвертое: KPI стоит разделять на "короткие" и "длинные". GMV удобен для ежедневного мониторинга, но для оценки качества роста нужны показатели, которые сложнее "нарисовать" одним перераспределением трафика: доля повторных заказов, удержание, NPS, вклад в категорийный спрос, стабильность продаж после выключения кампании.
Пятое: критично управлять конфликтом интересов. Когда площадка одновременно продает трафик и измеряет его эффективность, бренд должен заранее выстраивать правила: какие проверки обязательны, какие экспериментальные дизайны допустимы, как согласуются корректировки методологии и что считается доказательством эффекта.
Китай показывает не то, что "измерять невозможно", а другое: чем более прибыльной и замкнутой становится экосистема, тем дороже обходится доверие. Дашборд может быть детальным и мгновенным, но без независимых способов подтвердить инкрементальность бренд рискует покупать не рост, а убедительную историю о росте.