В чём отличие last-click атрибуции от data-driven и когда переход на data-driven может искажать картину, а не улучшать её?

Короткий ответ

Data-driven обучается на наблюдаемых конверсионных и неконверсионных путях; неполный трекинг и ограниченная выборка снижают надёжность её выводов.

Как это работает подробнее

Data-driven модель обучается на исторических конверсионных и неконверсионных путях аккаунта, сравнивая вклад каждого канала или точки касания в вероятность конверсии; при малом объёме данных платформа может упрощать правило или давать нестабильные веса от периода к периоду. Некоторые платформы ограничивают минимальный период накопления данных перед переходом на data-driven, и до достижения порога модель может автоматически работать по упрощённому правилу, о чём не всегда явно сообщается в интерфейсе.

Что использовать на практике

• Проверьте требования платформы к данным, стабильность весов и изменение бюджетных решений при параллельном расчёте с прежней моделью.

Подводные камни

• Не переходите на сложную модель только из-за её названия: модель атрибуции не доказывает инкрементальность канала.