Объясните механизм: почему last-click-атрибуция не показывает инкрементальный эффект рекламного канала?
Last-click-атрибуция распределяет заслугу за конверсию последнему зафиксированному рекламному касанию, но не отвечает на вопрос, произошла бы эта конверсия без рекламы или нет. Поэтому канал может получить высокий атрибуционный вклад, хотя фактически лишь перехватывает пользователей, уже готовых купить.
Инкрементальный эффект оценивают сравнением поведения пользователей, подвергшихся воздействию рекламы, с сопоставимой контрольной группой, которая рекламы не видела.
Атрибуционные модели появились как практичный способ связать рекламные показы и клики с последующими конверсиями. Бизнесу требовалось распределять бюджет между каналами, а полная причинная оценка для каждого контакта была сложнее и дороже обычного подсчёта пути пользователя.
Last-click стал популярным из-за простоты: достаточно найти последнее рекламное касание перед целевым действием. Однако такой подход решает задачу описания пути, а не задачу причинно-следственного измерения.
Пользователь мог увидеть рекламу поискового канала после того, как уже решил купить товар, пришёл из другого источника или самостоятельно нашёл сайт. Last-click всё равно присвоит этому каналу конверсию, хотя удаление рекламы, возможно, ничего бы не изменило.
Основные риски — завышение ценности ретаргетинга и брендового поиска, недооценка каналов, формирующих первоначальный спрос, и неверное перераспределение бюджета. При этом атрибуция может быть полезна для операционного анализа пути пользователя, но её нельзя автоматически трактовать как оценку причинного вклада.
Механизм ошибки связан с отсутствием контрфактического сравнения. Для каждой конверсии нужно мысленно сопоставить наблюдаемое поведение с тем, что сделал бы тот же пользователь без рекламного воздействия; last-click видит только первый сценарий.
Например, если канал получил 100 конверсий, это означает лишь, что перед ними зафиксировано его касание. Инкрементальная оценка может показать, что без рекламы произошло бы 85 покупок, а дополнительный эффект канала составил только 15 покупок.
Для оценки причинности применяют рандомизированный holdout-эксперимент: сопоставимых пользователей случайно разделяют на группу с рекламным воздействием и контрольную группу без него. Разницу конверсий интерпретируют как оценку инкрементального эффекта при корректном выполнении эксперимента.
Если индивидуальная рандомизация невозможна из-за перетекания рекламы между пользователями, используют географические или иные кластерные эксперименты. Это снижает риск загрязнения контрольной группы, но требует большего размера выборки и учитывает различия между кластерами.
Модели медиамикса и наблюдательные причинные методы могут быть полезны, когда эксперимент невозможен. Их выводы зависят от качества данных и предположений о смешивающих факторах, поэтому они не превращают атрибуционные данные в случайный эксперимент.
Компания видит, что ретаргетинг получает много конверсий по last-click, и рассматривает два варианта: полностью довериться атрибуции или провести контрольный эксперимент. Первый вариант дешевле и быстрее, но рискует увеличить бюджет канала, который в основном возвращает уже намеренных покупателей.
В условном эксперименте пользователей случайно разделили на рекламную и контрольную группы с ограничением показа ретаргетинга. В рекламной группе конверсия составила 8%, в контрольной — 7,4%. Канал действительно дал прирост, но его инкрементальный эффект оказался существенно меньше числа конверсий, приписанных last-click-моделью.
Выбранное решение — использовать экспериментальную оценку для бюджетных решений, а атрибуцию оставить для анализа последовательности касаний и оперативной диагностики. Такой компромисс сохраняет полезность детальных путей пользователя, но не выдаёт корреляционную метрику за причинный эффект.
1. Дополнительный вопрос: достаточно ли сравнить конверсию всех пользователей, видевших рекламу, с конверсией всех остальных?
Нет. Пользователи, которым показали рекламу, могут изначально отличаться намерением купить, каналом привлечения, регионом или историей взаимодействий. Такое сравнение содержит selection bias. Надёжнее использовать рандомизацию либо тщательно обоснованный метод коррекции смешивающих факторов.
2. Дополнительный вопрос: может ли канал иметь низкий last-click-вклад, но высокий инкрементальный эффект?
Да. Канал может формировать спрос на раннем этапе, после чего пользователь завершает путь через прямой заход, брендовый поиск или другой канал. Last-click отдаст заслугу финальному касанию, тогда как эксперимент может показать, что исключение первого канала снижает общую вероятность конверсии.
3. Дополнительный вопрос: почему нельзя считать разницу между группами доказанной причинностью, если группы сформированы после показа рекламы?
Потому что сам факт показа часто зависит от алгоритма ставок, поведения пользователя и его вероятности покупки. Рекламная и контрольная группы могут различаться ещё до воздействия, поэтому разница будет смешивать эффект рекламы с исходными различиями. Случайное назначение воздействия делает группы сопоставимыми в среднем и позволяет интерпретировать разницу как причинный эффект при соблюдении условий эксперимента.