Атрибуция ломается не в модели, а в вопросе, который ей задают

Атрибуция ломается не в модели, а в вопросе, который ей задают

Атрибуция отвечает не на «кто молодец», а на «как распределить вклад между касаниями». Проблема начинается, когда один и тот же отчёт пытаются использовать для разных задач: оценить креатив, перераспределить бюджет и объяснить рост выручки.

Есть три базовых семейства моделей: last click — всё отдаётся последнему касанию; rules-based — вклад делится по заранее заданным правилам; data-driven — веса считаются по данным. Чем сложнее модель, тем выше требования к качеству данных и тем легче переоценить канал, который просто часто оказывается рядом с конверсией.

Проверка простая: 1) есть ли у вас полный путь пользователя, 2) хватает ли объёма для устойчивых оценок, 3) нет ли сильной корреляции каналов между собой. Если путь обрезан, модель начнёт награждать самый видимый источник, а не самый полезный. Если каналов мало и событий ещё меньше, «умная» атрибуция будет шумом в красивой упаковке.

Для бюджета используйте правило: атрибуция хороша для распределения внутри воронки, но плохо отвечает за инкрементальность. Если нужно понять, дал ли канал прирост, проверяйте это тестом или MMM. Иначе вы измеряете не вклад в рост, а порядок, в котором люди нажали на рекламу.