SKAN attribution ломается не в postback, а в интерпретации окна и CV

SKAN attribution ломается не в postback, а в интерпретации окна и CV

Если смотреть только на «сумму installs», легко ошибиться. У SKAN атрибуция распределяется по задержке postback, окну измерения и схеме conversion value. Один и тот же источник может выглядеть сильным на D1 и слабым на D7, если вы сравниваете разные окна.

Проверьте три вещи:
— источник постбэка: одна сеть или несколько сетей с перекрытием инсталлов;
— логика CV: не смешаны ли revenue, tutorial, signup и early retention в одной шкале;
— таймзону и дедупликацию: задержка postback меняет день установки, а не качество трафика.

Частая ошибка — строить оптимизацию по раннему CV, а потом ожидать точного прогноза LTV без калибровки. Ранний сигнал хорош для сравнения кампаний, но плох для абсолютных выводов, если у вас слабая связь между первым событием и оплатой. Тогда «победитель» на 24 часах может проиграть на 7 дне.

Рабочая схема простая: сравнивайте кампании в одном окне, фиксируйте версию схемы CV и отдельно ведите таблицу соответствия CV → revenue. Если меняете окно или карту событий, пересобирайте базовую линию, иначе атрибуция начнёт врать даже при чистом трафике.

Сначала добейтесь одинаковой логики измерения, потом уже ищите лучший CPI.