Моделирование атрибуции

Вот тот самый вопрос, который раздирает арбитражников с тех пор, как воронки стали длиннее одного касания 🐗 Пользователь увидел баннер в Facebook, потом нагуглил оффер, потом клюнул на пуш — и купил. Кто молодец? Все хотят медаль, никто не хочет делиться бюджетом. Моделирование атрибуции — механика, которая решает этот спор: распределяет «вес» конверсии между точками касания по заранее выбранной логике.

Моделей несколько, у каждой своя правда 😩 Last Click — дефолт у половины трекеров: весь кредит последнему каналу перед конверсией, остальные идут лесом. First Click — наоборот, чтит того, кто первым притащил юзера. Linear делит поровну между всеми касаниями — звучит справедливо, на практике работает как компромисс для тех, кто не хочет думать 🐗 Time Decay — чем ближе касание к конверсии по времени, тем больше его вес. Data-Driven — строишь статистическую модель на реальных данных своего трафика, а не берёшь готовую из коробки. Последнее — уровень серьёзный, большинство до него не доходит 😆 В iGaming и нутре это особенно актуально: ретаргет, пуши, SEO и контекст одновременно бьют в одну аудиторию, и без нормальной атрибуции ты просто режешь каналы по ощущениям.

Но вот главный подводный камень — модель без чистых данных это красивая математика поверх мусора 😩 Кривой трекинг, потерянные клики, недедуплицированные офферы — и никакой Data-Driven тебя не спасёт. В соло-связке с одним источником вся эта тема вообще избыточна, и это нормально 🗿 Атрибуция реально нужна там, где у тебя мультиканальная история. Понимаешь ограничения своей модели и зачем её выбрал — используешь правильно. Не понимаешь — сливаешь бюджет на «победителей», которые просто стояли последними в очереди. Нормально думай — нормально будет 🐗