<b>Anomaly detection в потоке трекинга: какие сбои ловить до того, как они съедят ROI</b>

<b>Anomaly detection в потоке трекинга: какие сбои ловить до того, как они съедят ROI</b>

Если трекинг строится на событиях, а не на ручной сверке, аномалии видно не по отчётам, а по дрейфу сигнала. Ловить нужно не «падение конверсии», а разрыв между слоями: клики идут, сабы есть, postback молчит; или наоборот — конверсии прилетают, а кликового хвоста нет.

Базовый набор правил:
— резкий перекос между уникальными и общими кликами;
— скачок 302/timeout на прокладке, редиректе или endpoint’е;
— пустые или битые subid в postback;
— рост дублей по одному click_id;
— несостыковка между click_time и conversion_time;
— аномально короткий или длинный TTL по сессиям.

Сигнал лучше собирать по слоям: ingress, redirect, LP, tracker, postback, CRM. На каждом слое держи свой baseline и сравнивай не абсолюты, а отклонения от медианы по окну. Для антидетекта отдельно смотри на fingerprint drift: если меняется связка UA / canvas / timezone / locale, часто сначала падает качество матчинга, а потом уже конверсии.

Минимальная защита — алерты на ratio, а не на факт события: click-to-lead, lead-to-approved, approve-to-payout. Если алерт срабатывает только по нулю, ты уже опоздал. Нормальная схема — логировать сырой event, нормализованный event и причину отбраковки.

Если у тебя есть только один дашборд, аномалии в нём будут выглядеть как «шум». Разноси контроль по этапам и сверяй не цифру, а цепочку.