Что такое attribution модели? Какие модели атрибуции вы знаете и когда их применять?

Attribution модели: понимание пути клиента

Атрибуция — это разделение кредита за конверсию между всеми маркетинговыми касаниями (touchpoints), которые привели пользователя к целевому действию (покупка, регистрация, установка приложения).

Почему это важно?

Без правильной атрибуции компания не понимает:

• Какие каналы действительно работают
• Как оптимизировать бюджет маркетинга
• Какие точки контакта наиболее ценны

Основные модели атрибуции

1. Last Click (Last Non-Direct) Весь кредит отдаётся последнему касанию перед конверсией.

Пример:
User path: Organic → Email → Direct → Покупка
Кредит: Direct 100%, остальные 0%

Применение:

• Быстрый анализ в маленьких компаниях
• Когда путь клиента очень короткий (1-2 касания)
• Для нижнего воронка (ретаргетинг)

Минусы: Недооценивает верхний воронок (brand awareness), переоценивает последний клик

---

2. First Click Весь кредит идёт на первое касание (верх воронка).

Пример:
User path: Paid Search → Content → Click → Покупка
Кредит: Paid Search 100%

Применение:

• Оценка brand awareness кампаний
• Выявление каналов, привлекающих новые аудитории
• Стратегический анализ (top-of-funnel)

Минусы: Недооценивает конверсионные каналы

---

3. Linear Кредит равномерно распределяется между всеми касаниями.

Пример:
User path: Paid Search → Content → Email → Покупка (3 касания)
Кредит каждому: 33,3%

Применение:

• Когда нет четкой гипотезы о роли каждого канала
• Начальный анализ мультиканальной воронки
• Для сбалансированного взгляда

Минусы: Не отражает реальную роль касаний

---

4. Time Decay Новейшие касания получают больше кредита, старые — меньше. Вес растёт по экспоненте ближе к конверсии.

Пример (с half-life 7 дней):
День 1: Paid Search (1 балл)
День 7: Email (2 балла)
День 14: Direct (4 балла) ← Конверсия

Общий вес: 1+2+4 = 7
Пaid Search: 1/7 = 14,3%
Email: 2/7 = 28,6%
Direct: 4/7 = 57,1%

Применение:

• Мультиканальные воронки среднего размера
• Когда важен рецентность (недавние касания важнее)
• B2C с циклом 1-2 недели

Минусы: Требует правильной настройки half-life

---

5. Position-Based (U-Shaped) Первое и последнее касания получают 40% кредита, остальные касания делят оставшиеся 20%.

Пример:
User path: Organic (первый) → Email → Direct (последний)
Органик: 40%
Email: 20%
Direct: 40%

Применение:

• Признание роли первого впечатления и последнего толчка
• B2B с длинным циклом продаж
• Когда важны как привлечение, так и конверсия

Минусы: Произвольное распределение

---

6. Data-Driven (Algorithmic) Машинное обучение на основе реальных данных о конверсиях. Модель учится весам касаний из истории.

Данные: 10 млн конверсии с их путями
Модель: Какие последовательности касаний лучше всего конвертят?
Результат: Автоматические веса для каждого канала

Применение:

• Крупные компании с достаточным объёмом данных (>100k конверсий в месяц)
• Сложные многоканальные стратегии
• Google Analytics 4 (GA4) встроенная модель

Минусы: Требует больших данных, сложна для понимания

---

Практическая матрица выбора

Реализация в SQL

-- Пример Last Click атрибуции
WITH user_journey AS (
  SELECT 
    user_id,
    event_timestamp,
    channel,
    ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY event_timestamp DESC) as rn
  FROM events
  WHERE event_timestamp >= CURRENT_DATE - INTERVAL 30 DAY
)
SELECT 
  channel,
  COUNT(*) as conversions
FROM user_journey
WHERE rn = 1  -- Последнее касание
GROUP BY channel
ORDER BY conversions DESC

Современный подход: Multi-Touch

В 2024+ индустрия движется в сторону:

• Incrementality Testing вместо Attribution (понимать реальный эффект)
• Experimental Design (A/B тесты для каждого канала)
• Marketing Mix Modeling (MMM) для макро-уровня
• Отказ от Last Click в пользу алгоритмических моделей

Выбери модель исходя из:

1. Количество касаний в среднем пути (2-3 → Time Decay, 5+ → Data-Driven)
2. Длительность цикла продажи
3. Размер бюджета на аналитику
4. Опыт команды