Атрибуция ломается не в модели, а в вопросе: что именно вы хотите измерить

Атрибуция ломается не в модели, а в вопросе: что именно вы хотите измерить

Если цель — найти канал последнего касания, хватит простого rule-based отчёта. Если цель — понять вклад касаний в путь к покупке, нужен multi-touch. Если цель — оценить инкрементальный эффект, атрибуция вообще должна уступить место эксперименту или MMM.

У любой атрибуции есть три обязательных слоя: окно конверсии, правило распределения кредита и набор событий. Меняете окно — меняется вклад каналов. Меняете правило — последний клик превращается в first touch или linear. Меняете список событий — и часть спроса исчезает из расчёта.

Проверка качества простая:
— есть ли у вас перекрытие каналов;
— есть ли длинный цикл сделки;
— есть ли офлайн-конверсии;
— есть ли ретаргетинг, который забирает почти весь кредит.

Если на эти вопросы ответы «да», модель атрибуции можно использовать только как навигацию, а не как доказательство эффективности. Для бюджета, который маленький и шумный, лучше сравнивать не модели между собой, а их прогноз с holdout-тестом или MMM.

Правило одно: атрибуция хороша для распределения внутри воронки, но плоха для ответа «что дало прирост спроса». Если вы путаете эти два вопроса, отчёт выглядит точным, а решение — ошибочным.