Атрибуция ломается не в модели, а в вопросе, который ей задали

Атрибуция ломается не в модели, а в вопросе, который ей задали

Если вы спрашиваете «какой канал дал продажу?», то получаете ответ уровня последнего клика. Если спрашиваете «как распределить вклад между касаниями?», уже нужны правила: окно, порядок контактов, weight по времени, handling органики и прямого трафика.

Минимум данных для любой модели:
— цепочка касаний по пользователю или агрегаты по каналам;
— единые окна конверсии;
— логика, как считать view-through и click-through;
— правило для пересечений: один контакт не должен считаться дважды.

Самые частые ошибки:
— last click называют «истиной», а не одной из эвристик;
— сравнивают модели с разными окнами и разным дедупом;
— забывают, что бренд и перфоманс часто делят одну и ту же конверсию;
— пытаются строить MTA там, где данных мало, а шум велик.

Практика простая: сначала фиксируете правила учета, потом проверяете, как меняется вклад каналов при смене модели. Если вывод скачет от выбора окна и веса, проблема не в канале, а в методологии.

Хорошая атрибуция не угадывает вклад, а показывает, насколько он устойчив к смене правил.