Атрибуция в эпоху приватности: строим модель на базе Marketing Mix Modeling в BigQuery

Атрибуция в эпоху приватности: строим модель на базе Marketing Mix Modeling в BigQuery

В условиях, когда браузеры и операционные системы ограничивают работу cookie-файлов, классическая модель атрибуции по последнему клику (last-click) теряет точность. В 2026 году маркетологам важно переходить к моделированию маркетингового микса (MMM), которое позволяет оценивать вклад каналов в выручку на основе исторических данных, а не персональных трекеров.

Реализуем базовый расчет в BigQuery по шагам:

— Сбор данных. Загрузите в BigQuery таблицу, где каждая строка — это день, а столбцы содержат сумму расходов по каждому каналу (контекст, медийка, блогеры) и итоговую выручку (Revenue). Важно использовать server-side (серверную) передачу данных, чтобы исключить потери из-за блокировщиков рекламы.

— Подготовка признаков. Разверните данные во времени. Для учета эффекта «отложенного спроса» создайте дополнительные колонки с лагами (сдвигом) по каждому каналу на 1–7 дней. Это покажет, как инвестиции вчера влияют на продажи сегодня.

— Регрессионный анализ. Используйте встроенную функцию `ML.LINEAR_REG` для обучения модели. В качестве целевой переменной укажите `revenue`, а в качестве признаков — расходы по каналам с учетом лагов.

— Интерпретация коэффициентов. После выполнения запроса посмотрите на веса (weights) каждого канала. Коэффициент при переменной расхода показывает, насколько увеличится выручка при росте инвестиций в этот канал на единицу.

Пример SQL-запроса для обучения:

CREATE OR REPLACE MODEL `dataset.mmm_model`
OPTIONS(model_type='linear_reg', input_label_cols=['revenue']) AS
SELECT * EXCEPT(date) FROM `dataset.marketing_data`;

— Расчет инкрементальности. Чтобы проверить эффективность канала, сравните предсказанную выручку модели с фактической в периоды, когда вы отключали или снижали бюджет на конкретный источник. Если модель верно предсказывает просадку — вы получили базу для оценки чистого вклада канала в RevOps (процесс управления выручкой).

Этот подход позволит уйти от слепой веры в отчеты рекламных кабинетов и выстроить стратегию на основе данных, которые не зависят от прихотей браузеров. *Главная ценность — переход от оценки клика к оценке влияния инвестиций на бизнес-результат.*

— @BigQuery4MarketingPro