Я сравнила результаты пяти кампаний между Россией и США и нашла систематическую ошибку в атрибуции—вот как я это исправила

Стратегии инфлюенс-маркетинга (RU)
1

Привет, сообщество. Хотел поделиться кейсом, который буквально спасил мой бюджет.

Гистория начинается просто. Я работаю в крупной компании по электронике, и нам нужна была кампания инфлюенсеров в двух маркетах—России и США. Каждый рынок запустил свою версию кампании примерно одновременно. Логично, мы получили данные, посмотрели на метрики и… они не совпадали.

В России: 12% ROI, 25k конверсий, хорошо.
В США: 8% ROI, 18k конверсий, хуже.

Вопрос был очевиден: почему Россия работает лучше? И я решил разобраться по-честному.

Полное разложение на части заняло две недели, но результат фундаментален:

Проблема 1: Разные временные окна для атрибуции
В России мы считали конверсии в течение 24 часов. В США—72 часа. Это большая разница! Почему? Потому что в США люди дольше обдумывают покупку, особенно для электроники. Когда я переложила русский процесс на 72-часовой окно—цифры изменились: 12% превратилось в 10%. Все еще лучше, но уже сравнимо.

Проблема 2: Разные платформы, разные метрики
В России основной источник трафика был Instagram/VK, в США—TikTok и YouTube. But эти платформы отслеживают разные типы событий. Instagram отслеживает клики на ссылку, TikTok—swipe-up, YouTube—нажатие на аннотацию. Все это выглядит по-разному в аналитике.

Я пересчитала все события на одну метрику: “люди, которые нажимали на что-либо, чтобы перейти на сайт в течение 24 часов после просмотра поста”. Это даже более важно.

Проблема 3: Разные типы кампаний
Это было самое интересное. В России мы работали в основном с микро-инфлюенсерами (50k-200k), в США с макро (500k+). Их аудитории разные, поведение разное. У микро—выше engagement rate, но ниже volume. У макро—ниже engagement, но больше людей видит.

Когда я посчитала ROI отдельно (микро vs. макро), картина стала ясной:

  • Микро в России: 14% ROI
  • Макро в США: 9% ROI

Это не “Россия лучше”, это “микро-инфлюенсеры лучше для конверсии, макро лучше для объема”. Совершенно разные игры.

Что я сделала:

  1. Создала единый шаблон для отчетов по обоим рынкам (все события, одно определение, один период).
  2. Разделила анализ по типам инфлюенсеров, а не по странам. Это был правильный вопрос.
  3. Добавила колонку “локальный контекст” (например, “в США праздник, поэтому выше baseline”).
  4. Начала проводить A/B тесты на одинаковых условиях—одна платформа, одна аудитория, одна атрибуция.

Результат? Теперь я не сравниваю Россию и США. Я сравниваю микро-инфлюенсеров с микро-инфлюенсерами, макро с макро. Это дает мне реальные инсайты, а не иллюзию различий.

Что вас заставило пересмотреть свой способ подсчета аналитики? Было ли у вас похожее откровение?

2

Вау, спасибо за этот детальный кейс. Это прямо то, что я вижу, когда помогаю брендам создавать коллаборации с инфлюенсерами на двух рынках.

Твоя идея с единым шаблоном—это золото. Я одно начала рекомендовать другим: перед тем как подписывать контракт с инфлюенсером, даже договорись с ним/ней о том, как вы будете измерять успех. Не после кампании, а ДО. Это спасает месяцы переговоров потом.

Одна вещь, которую я добавила бы к твоему процессу: используй эти знания для выбора инфлюенсера. Если микро работает лучше для конверсии, выбирай креаторов по этому критерию, а не по подписчикам. Это кажется очевидным, но большинство брендов выбирают “самого популярного” и надеются на лучшее.

Есть желание провести вебинар в нашем сообществе о том, как структурировать этот процесс? Я помогу организовать.

3

Отличный разбор. Мне нравится методичность, с которой ты это сделала. Вот несколько мыслей с точки зрения аналитика:

На проблему 1 (временные окна): 72 часа vs 24 часа - это реальное объяснение различий. Я бы добавила еще одно измерение: день недели и время дня. TikTok in USA часто постят в вечер, когда люди relaxed, more likely to click. Instagram в России может быть в обед. This affects conversion timing.

На проблему 2 (платформы): Я бы пошла еще дальше и посчитала не просто “нажали”, но валидность клика. На TikTok много accidental swipes, на YouTube меньше. Может быть, твой реальный “qualified click” rate ниже на TikTok, и это объясняет более низкий ROI?

На проблему 3 (типы инфлюенсеров): Это правильное наблюдение. Я часто вижу, что микро-инфлюенсеры дают выше LTV (lifetime value), потому что аудитория более лояльна. Макро дают volume. Если ты считаешь ROI только как immediate conversion, микро выигрывают. Если ты считаешь на 90-дневное окно и смотришь на repeat purchases—макро могут быть даже лучше.

Мой совет: добавь в твой анализ LTV компонент. Не просто “кто купил первый раз”, но “кто купил второй раз”. Это может изменить твой вывод.

Если хочешь, я могу помочь с фреймворком для анализа LTV по типам инфлюенсеров.

4

Классный кейс. Мне очень близко, потому что я сейчас прохожу похожий путь со своим стартапом—выходим на европейский рынок.

Твой момент про “локальный контекст” особенно зацепил. Неочевидная вещь: в разных странах разные праздники, разные работающие дни, разные поведения в интернета. USA Independence Day ≠ Russian New Year. Это влияет на engagement.

Практический вопрос: как долго тебе понадобилось, чтобы собрать все эти данные и понять систематическую ошибку? Два месяца? Три? Потому что я планирую начать работу на новом рынке и хочу предусмотреть этот процесс с начала.

Также: когда ты нашла неправильность в атрибуции—был ли разговор с командой в США сложным? Я тут представляю себе: “Ребята, мы ошибались полгода”. Как вы все это согласовали?

5

This is gold for agencies like mine. Because what you discovered—the attribution problem—this is exactly what separates competent agencies from mediocre ones.

I see this constantly in my clients: they come to me saying “our influencer ROI sucks,” and when I dig into the data, I find they’re comparing incomparable things. Russia vs USA, micro vs macro, different platforms, different attribution windows. And then they want to “optimize” based on bad data.

Your systematic approach—split by influencer type first, then look at ROI—this is what I teach to my team. Because the question isn’t “does influencer marketing work?” The question is “which TYPE of influencer marketing works best for our specific business model?”

One thing I’d add: your single template is great, but I’d go one step further and create a playbook. Document EXACTLY how you measure each metric, for each platform, for each country. Make it repeatable. Because if you don’t, the next person who picks up this project will recreate the same mistakes.

Also: have you thought about publishing these findings internally? Not as “we were wrong,” but as “here’s what we learned about our market.” It’s a way to move the conversation forward without blame.

If you want to discuss building a scalable reporting system across markets, I’m here for that conversation.

6

Thank you for this. As a creator, I really appreciate when brands do this kind of deep analysis, because it means they’re not going to waste my time with badly-designed campaigns.

What you described—working with micro-influencers and finding they have better ROI—this aligns with what I see on my end. When I work with brands that trust me, give me creative freedom, and don’t micromanage, my content performs better. That’s micro-influencer energy.

With macro-influencers, from what I hear from friends, it’s different. They have more rules, less flexibility, and often the content feels… corporate. Not bad, just less authentic. So conversion might take longer because people don’t trust it as much.

My take: your finding that micro is better for conversion and macro for volume—that’s exactly right. And it’s because different audiences respond differently. Micro audiences are niche, they came for YOU, not for the brand. Macro audiences are there for entertainment, they might not care about your product.

This is why understanding influencer type matters so much. It’s not just a number, it’s a completely different audience dynamic.

Good job digging into this. More brands should do this analysis.

7

Outstanding level of rigor here. You’re doing what most marketing directors don’t bother to do—actually validating your assumptions against data.

A few additional dimensions to consider:

1. Cohort Analysis. When you look at the 72-hour window in the US vs 24-hour in Russia, you’re looking at different cohorts. The people who buy within 24 hours are different from the people who buy within 72 hours. You’re essentially comparing “impulse buyers in Russia” to “deliberate thinkers in the US.” Their LTV profiles are probably different. Impulse buyers might have low repeat rate. Deliberate thinkers might have higher repeat rate. Did you account for that?

2. Seasonal Baseline Drift. You mentioned holidays and local context. I’d take that further: measure your organic conversion rate for each market before and after the influencer campaign. This gives you your true incrementality. If US already has 3% organic conversion before the campaign and goes to 5% after, your true lift is 2%, not 5%.

3. Platform-Specific User Behavior. Instagram users in Russia are different from TikTok users in the US, not just demographically but behaviorally. Instagram is older, more deliberate, more purchase-intent. TikTok is younger, more, more entertainment-first. This affects your baseline conversion rate, which affects your ROI interpretation.

Your single template is right, but I’d push it further: create a baseline measurement for each market BEFORE your campaign runs. Then everything else is incremental lift.

Do you have historical baseline data by market you can compare?