Борис Абрамов← borisabramov.ruИИ в Маркетинге@AI_MRKTNG

← Картотека бенчмарков · Измерение и атрибуция

Removal effect: RE_i = 1 − P_conv(граф без канала i)/P_conv(полный граф), доля канала = RE_i/Σ RE_j

Как посчитать долю канала в конверсиях через removal effect марковской модели?

Эффективность и эконометрикаГлобальный
доля конверсийГлобальный · 2016
RE_i / Σ RE_j

Атрибуция

Anderl, Becker, von Wangenheim, Schumann, IJRM 33(3), 457–474; пакет ChannelAttribution, 2016
01

Что за цифра

Откуда она и где перестаёт работать

Значение
RE_i / Σ RE_j · доля конверсий
Тип
Атрибуция
Что это
Путь клиента моделируется как ориентированный граф: вершины — каналы плюс служебные start, conversion и null; вес ребра — вероятность перехода, оценённая как доля переходов из вершины. Removal effect канала i — относительное падение вероятности дойти до conversion, если вершину i удалить и весь проходящий через неё трафик направить в null: RE_i = 1 − P_conv(без i)/P_conv(полный). Сами RE к единице не суммируются, поэтому вклад канала считают нормировкой RE_i / Σ_j RE_j и умножают на общее число конверсий.
Применимость
В отличие от Шепли масштабируется на десятки каналов и естественно находит «мостовые» каналы, без которых путь рвётся. Ломается там же, где весь MTA: граф строится только на наблюдаемых кликстрим-путях, поэтому ТВ, наружка и охватные показы в него не попадают, а их эффект перетекает в брендовый поиск и прямые заходы. Цепь первого порядка теряет взаимодействия — Anderl и соавторы на четырёх больших наборах данных с семью и более каналами показали необходимость цепей высших порядков, но число состояний растёт как nᵏ. И главное: removal effect ≠ инкрементальность, удаление вершины из графа не равно отключению канала в реальности.
Рынок
Глобальный · раздел «Эффективность и эконометрика»
Метки
достоверность высокая · источник нейтральный · применимость переносимая
Источник
Anderl, Becker, von Wangenheim, Schumann, IJRM 33(3), 457–474; пакет ChannelAttribution, 2016 ↗
02

Рядом в картотеке

Задача «Измерение и атрибуция» — 45 записей

  1. матрица выбораПравило выбора: MTA — дни и тактика, эксперимент — 4–8 недель и один канал, MMM — квартал-год и весь бюджетMeasured; Rockerbox; Cassandra · 2026
  2. CASVШепли без контрфактуала завышает вклад; поправка CASV сводится к схеме «unique-uniform»Singal, Besbes, Désir, Goyal, Iyengar, Management Science 68(10), 7457–7479 · 2022
  3. переворот рейтингаРейтинг каналов по ROI переворачивается между горизонтами: аудио №1 на 13 неделях, ТВ №1 на 24 месяцахThinkbox / Ebiquity, Profit Ability 2 · 2024
  4. формулаЗначение Шепли: φᵢ = Σ_{S⊆N\{i}} |S|!(n−|S|−1)!/n! · [v(S∪{i}) − v(S)]Shapley (1953); Singal, Besbes, Désir, Goyal, Iyengar, Management Science 68(10), 7457–7479 · 2022
  5. 2/3Две трети влияния рекламы приходится на период после первой неделиAnalytic Partners ROI Genome · 2024
  6. 2ⁿ; порог 8 каналов; 500 перестановокСложность Шепли — 2ⁿ коалиций: 8 каналов = 256 наборов, 20 каналов = 1 048 576MetricGate; Mitchell et al., Sampling Permutations for Shapley Value Estimation · 2026
  7. ×10Детализация модели до торговых точек меняет измеренный вклад канала в 10 раз (0,5% → 5% продаж)Okkam Trade Marketing · 2026
  8. +22–32% по платформе / +17% против +32% по инкрементуАвтостратегии: платформенный ROAS завышен — по инкременту +17% против +32% у ручных кампанийHaus / Azarian Growth Agency · 2026