Атрибуция после потери части сигналов: как считать инкрементальность без самообмана

Атрибуция после потери части сигналов: как считать инкрементальность без самообмана

После iOS часть событий уходит в режим агрегирования, и модель начинает видеть не пользователя, а вероятность. Поэтому опора только на last click ломает оптимизацию: система недосчитывает показы, а затем переоценивает конверсии там, где сигнал проще собрать.

Рабочие компенсаторы:
— server-side события и дедупликация browser/server по одному ключу;
— capture click ID на первом хите и прокидывание его до CRM;
— расширение окна пост-установочных событий в собственной аналитике;
— нормализация по cohort-based LTV, а не по сырому CPA.

Если источников несколько, делайте не «единый ROAS», а матрицу вкладов: платный клик, органика, прямые, ретаргет. Для каждого канала считайте uplift относительно контрольной группы или holdout, иначе вы измеряете не атрибуцию, а распределение шума между окнами. Математика аукциона беспощадна: где нет сигнала, там алгоритм учится на прокси-переменных.

Критично проверить три вещи: совпадает ли число лидов в CRM и в трекере, не теряются ли события на этапе редиректов, и есть ли разметка по типу события, а не только по факту покупки. Данные — это новая нефть, но только если их правильно очистить.

Считаем инкрементальность: сначала восстанавливаем сбор, затем сравниваем каналы на одном наборе правил, и только после этого принимаем решение о перераспределении бюджета.