Сообщить об ошибкеКороткий ответ
Единого решения нет: выбор суррогатных сигналов и степень доверия к модельным данным зависит от доли затронутого трафика, специфики продукта и готовности бизнеса принимать решения на менее точных, но более устойчивых к потере данных метриках.
Как это работает подробнее
При ограничениях ATT на iOS и постепенном отказе от сторонних cookie часть событий конверсии доступна платформам только в агрегированном или модельном виде (например, SKAdNetwork для мобильной рекламы Apple, conversion modeling в вебе), что снижает точность атрибуции на уровне отдельного пользователя, но не делает измерение полностью невозможным.
Что использовать на практике
- Практика. Практически стоит дополнять пиксельные данные серверными источниками (
CAPI, данныеCRM) как более устойчивым сигналом, использовать агрегированные геоинкрементальные тесты как периодическую калибровку, и явно разделять в отчётности «измеренные» и «модельные» цифры. - Пример. Доля
iOS-трафика в мобильном приложении — 55%, послеATTточная пользовательская атрибуция доступна лишь частично через SKAN с задержкой и агрегацией по кампании. План для обсуждения: перейти на агрегированные SKAN-отчёты для решений на уровне кампании, дополнить ежеквартальным geo-инкрементальным тестом для калибровки, отказавшись от попыток восстановить точность на уровне отдельного объявления. - Компромисс. Полная переориентация на серверные данные и агрегированные методы повышает устойчивость измерений к изменениям политик конфиденциальности, но требует инвестиций в инфраструктуру и снижает детализацию; сохранение прежнего подхода дешевле сейчас, но риск ухудшения точности данных растёт со временем. Выбор зависит от доли
iOS/ограниченного трафика и от критичности решений, принимаемых на основе точных пользовательских данных.
Подводные камни
- Риск. Частая ошибка — продолжать пользоваться старыми точными дашбордами без переоценки их надёжности после изменений
ATT/cookie policy, из-за чего решения принимаются на основе всё более смещённых данных.