Атрибуция не врёт сама по себе — врёт вопрос, который вы ей задаёте

Атрибуция не врёт сама по себе — врёт вопрос, который вы ей задаёте

Атрибуция отвечает только на распределение кредита между касаниями. Если цель — «кто получил последний клик», хватит last click. Если цель — «какой канал создаёт спрос», уже нужен взгляд шире, потому что путь клиента искажён частотой показов, ретаргетом и задержкой конверсии.

Базовая проверка модели простая: 1) есть ли полный лог касаний; 2) одинаково ли измеряются онлайн и офлайн; 3) не “наказывает” ли модель верх воронки за длинный цикл сделки. Если один канал виден только частично, любая мульти-тач модель начнёт делить заслугу на шум.

Смотрите на три признака качества: стабильность долей по неделям, чувствительность к окнам атрибуции и согласованность с экспериментом. Если при удлинении окна бренд резко «растёт», а продажи не меняются, модель ловит не эффект, а перераспределение кредита. Если МТА и инкрементальность расходятся — доверяйте тесту, а не красивой схеме.

Рабочее правило: атрибуция полезна для операционного бюджета, но не для доказательства инкрементального эффекта. Для решения «режем/добавляем» связывайте её с holdout-тестом или MMM, иначе вы оптимизируете не продажи, а механизм подсчёта.