Atomic attribution — это когда одну установку пытаются разложить без фантазии, по кускам и правилам

Atomic attribution — это когда одну установку пытаются разложить без фантазии, по кускам и правилам

Atomic attribution нужна не ради красивого термина. Команда хочет видеть, из чего собран install: канал, кампания, креатив, окно, postback, cohort. Когда в отчёте всё склеено в один «источник», оптимизация превращается в угадайку.

Что обычно проверяют:
— совпадает ли логика атрибуции в MMP и в кабинете;
— не режется ли конверсия на уровне окна;
— не теряются ли view-through и re-engagement;
— можно ли связать install с последующим event, а не только с кликом.

Главная польза atomic-подхода — быстро находить, где ломается цепочка. Если CPI нормальный, а D1 retention провален, проблема не в «плохом трафике» вообще, а в конкретном сегменте, креативе или лендинге. Если postback приходит позже, чем вы успеваете оптимизировать, модель уже учит вас на шуме.

Для медиабайера это не про лирику, а про контроль: меньше слепых перерасходов, быстрее stop-loss, чище сравнение geo и источников. Atomic attribution не делает данные идеальными, но показывает, где именно они становятся грязными.

Если команда не может описать, как install превращается в revenue по шагам, отчёт уже врёт.