CyberBrain | digital marketing
629 subscribers
308 photos
14 videos
190 links
Первая платформа проактивной AI-аналитики:
🔸ИИ-помощник для общения с данными
🔸Сквозная аналитика от показа до продажи
🔸Data driven атрибуция
🔸ML-оптимизатор бюджетов с готовыми рекомендациями
🔸Автоматические оповещения об изменениях в кампаниях
Download Telegram
🦊 Новым клиентам специальные условия до конца октября. Успейте оптимизировать рекламу на выгодных условиях!

CyberBrain
– независимая аналитическая ИИ-платформа для оптимизации медийных и перформанс-кампаний. Объединяет пост-клик и пост-вью данные, CRM и веб-аналитику, чтобы дать максимально объективную картину эффективности рекламы.

Успехи наших клиентов
BMW: 26% оптимизации бюджета с атрибуцией Шепли
Туту: -25% потерь данных благодаря сквозной аналитике
Haval: -37% CPA за счёт сквозной аналитики и оптимизатора
ГК ФСК: ×2-45 рост эффективности каналов с помощью аналитики пост-вью
БКС Мир инвестиций: впервые в России внедрили Stable ID и получили -21% CPA за счёт перераспределения бюджета


Кому подходит CyberBrain

• осознаёте потребность в сквозной аналитике
• не знаете, как оптимизировать медийную рекламу
• хотите понять, как медийка работает вместе с перформом
• хотите точно знать, как кампании влияют на воронку продаж
• хотите ускорить работу и результат за счёт ИИ

Что делает платформа
• обеспечивает сбор данных по всей воронке продаж
• определяет вклад каждого канала в итоговые конверсии
• даёт готовые рекомендации по оптимизации бюджета

Без внедрения пикселей – работаем только с имеющимися данными!

Преимущества
• объединяем данные Web + App + Post-click + Post-view + CRM и даём единое представление о пути клиента
• подстраиваемся под бизнес и не ломаем вашу инфраструктуру
• поддерживаем системы Enterprise-уровня – от склейки баз данных до оптимизации медиамикса

⚡️ Сотрудничество с нами – это:
• объективная оценка вклада рекламы в продажи от первого показа до покупки
• рекомендации по улучшению кампаний от ИИ Хелпи всего за несколько минут

Наша сила – в правде о рекламных кампаниях. Мы не строим отчёты ради отчётов – мы помогаем зарабатывать больше.

🚀 Давайте конвертируем маркетинговые данные в прибыль
Специальные условия для новых клиентов – до конца октября! Оставьте заявку через форму на сайте или напишите на почту.

→ Связаться с нами: hello@cybrain.io
→ Записаться на демо: cybrain.io/demo

#платформа
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍4⚡2
This media is not supported in your browser
VIEW IN TELEGRAM
В пятницу вечером на пути до аэропорта в Турцию 😁

#юмор #для_своих
👍5👏3
🦊 Ты уже пользуешься атрибуцией. Вопрос только в том, какой.

👓 Мир без понимания атрибуции — как ходить без очков. Вроде бы маркетинг работает: показы есть, клики идут, воронка шевелится. Но что реально приносит результат, а что просто занимает место в отчёте?

Мы всегда пытаемся донести: даже если вы не выбирали модель атрибуции, у вас она уже есть. По умолчанию её задаёт система аналитики. Яндекс.Метрика, рекламные кабинеты — у всех свои правила. Одни учитывают только последний клик, другие приписывают весь успех первому касанию.

👉 И это кардинально меняет картину: один и тот же канал может казаться либо героем, либо пустой тратой бюджета — просто из-за выбранной модели.

Если не знать, как работает атрибуция, легко ошибиться в самых базовых решениях: отключить канал, который на самом деле приносит деньги, или наоборот масштабировать то, что не даёт отдачи.

То есть вы ежедневно принимаете решения, исходя из конкретной модели. Просто не всегда осознаёте это.

Без понимания моделей вы не управляете рекламой — вы подстраиваетесь под логику чужого алгоритма.

🚀 Понимание атрибуции — это не про отчёты. Это про контроль. Про умение интерпретировать данные, задавать правила учёта самому и видеть реальную эффективность инструментов и площадок внутри рекламных кампаний.

#атрибуция_просто
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🔥3
👀 А хотите стихотворение вдогонку? Так вот же оно! Вашему вниманию — о том, как работают разные модели атрибуции — и почему data driven на голову выше их всех:
📉
Вливаешь в рекламу бюджет за бюджетом,
А где результат — остаётся секретом.
Отчёты красивые — вроде и ладно,
Но кто повлиял? Понимать бы наглядно.

Медийка, контекст, всплывающий баннер?
Ответ нужен каждой из сотни кампаний!

First click решает: «Первый — герой!»
Last click кричит: «Последний за мной!»
Линейная делит всё пополам,
Модель time decay — по минутам и дням.

Но все эти схемы — набор допущений:
Ты смотришь в отчёт и не видишь решений.


А вот Data-driven считает сама —
Без «кажется», «вроде бы», «может и да».
Она берёт данные — все, что ты дал,
И смотрит, кто правда продажи поднял.

— Кто первым зажёг интерес на пути?
— Кто подогрел, не давая уйти?
— Кто не закрыл, но усилил финал,
И трафик не зря по воронке гонял?

Шепли расставит всё по местам:
Кому дизреспект, а кому — похвала,
Кто молодец и за что — без прикрас:
Модель зафиксирует каждый твой пас.
🪙⛏
Ты тратишь бюджеты? Так трать без догадок.
Модель Data driven — твой путь к результатам!


#юмор #для_своих
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6🔥5👏5
❤️ А это наши работники месяца, Симба и Рокси. Лежат Трудятся на благо клиентов, стараются изо всех сил.

Котейки живут у аналитика Маши: полосатый Симба на постоянке, а чёрненькая Рокси в гостях. Маша нашла и пристроила её прошлым летом, а теперь они снова встретились, потому что новая хозяйка в отпуске.

↗️ 👌 Это мы к чему: пусть ваши выходные будут такими же беззаботными, как жизнь этих хвостиков!

#это_что_за_зверь
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14👍3👏2
CyberBrain | digital marketing
🦊 Ты уже пользуешься атрибуцией. Вопрос только в том, какой. 👓 Мир без понимания атрибуции — как ходить без очков. Вроде бы маркетинг работает: показы есть, клики идут, воронка шевелится. Но что реально приносит результат, а что просто занимает место в отчёте?…
🦊 Почему нельзя полагаться на простые модели атрибуции, когда у вас много рекламных источников? «По умолчанию», First click, Last click и другие.

Дело в том, что эти модели не предназначены для масштабных кампаний и не дают всей картины эффективности маркетинга, если вы используете:

— более трёх площадок (Yandex, VK, TG и т. д.)
— разные виды рекламы (performance + медийка)
— разные настройки для рекламы (креативы / таргетинг)

Если вы крупный бизнес с мультиканальной рекламой, простая модель атрибуции не сможет определить, какой канал или кампания повлияли на результат и привели к продаже.

Системы аналитики используют простые модели, потому что:
— им нужно быстро обрабатывать огромные массивы данных
— у них нет информации обо всей вашей рекламной стратегии
— не у всех компаний есть трекинг полного пути пользователя

❌ Что мы получаем на выходе:
• Последний клик — отдаёт всё внимание тому, кто просто был рядом в момент покупки.
• Первый клик — романтизирует знакомство, игнорируя всю последующую работу «коллег».
• Линейная — в лучших традициях коммунизма делит бюджет поровну между каналами, независимо от их реального вклада.
• U-образная — автоматические назначает 40 % конверсии первому и последнему касанию и оставшиеся 20 % — всем остальным, скрывая истинную пользу (или бесполезность) кампаний.

🔗 Статья в блоге: Модели атрибуции — что это и какая подойдёт вашему бизнесу?

Эти модели адекватно использовать при определённых условиях — например, если у вас только performance. Но они полностью теряют свою эффективность, когда переменных становится слишком много. Не ждите от First touch или Last click невозможного: они не могут распределять ценность между каналами и сортировать их в порядке убывания или возрастания полезности. И уж тем более не способны оценить, как кампании сработали в разных сочетаниях.

🦊 А теперь — атрибуция Шепли. В отличие от простых моделей, она не предполагает, а считает, как сработал каждый участник цепочки. А ещё оценивает вклад каждого канала не изолированно, а в комбинации с другими.

🔗 Пост на канале: Кому нужна data-driven атрибуция (заголовок другой, но суть та же)

У большинства компаний нет возможности построить такую модель — это требует огромных инвестиций, изучения научных трудов и написания собственных формул. Зато в CyberBrain атрибуция Шепли настроена, проверена — и легко адаптируется под ваши реальные рекламные сценарии.

🚀 Мир становится чётким, когда понимаешь, как он устроен.

#атрибуция_просто
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥8👍5
This media is not supported in your browser
VIEW IN TELEGRAM
🦊 Сэр Шепли из дома Теории игр: почему вы живёте по его модели справедливого распределения выигрыша — и как это связано с атрибуцией

Если вы когда-нибудь договаривались с друзьями, кто сколько скинется на ужин, или пытались честно распределить рабочие бонусы, вы уже интуитивно применяли модель Шепли.

Это часть теории кооперативных игр, которая предлагает способ справедливо распределять вклад каждого участника в общий результат. Модель работает на базе вектора, или значения Шепли — числового показателя, который отражает, сколько конкретный игрок внёс в общее дело.

В 2012 году Шепли стал лауреатом Нобелевской премии по экономике за вклад в теорию устойчивого распределения и практику моделирования рынка.

🎲 В математике модель Шепли разбирает:
— как каждый участник влияет на общий успех
— как оценить вклад игроков, если они действуют в разных комбинациях

В этом и фишка: модель Шепли считает вклад участника не в отрыве от команды, а во всех возможных сочетаниях. Один и тот же игрок может лидировать в одной группе и быть аутсайдером в другой.

💡 Как работает в жизни
— в бизнесе: как разделить премию за успешный квартал
— в маркетинге: как понять, какой канал реально приводит клиентов, а какой просто стоит в цепочке, отнимая ресурсы

🔍 В атрибуции Шепли мы смотрим на путь пользователя и оцениваем вклад каждого канала во всех возможных последовательностях касаний. Так мы видим, что, например, медийка не «сливает бюджет», а помогает другим каналам закрыть продажу. Или наоборот: кто-то перетягивает бюджет на себя, а на деле не так уж и полезен.

Выглядит сложно? Клиенты CyberBrain получают результаты распределения Шепли по маркетинговым кампаниям в виде максимально понятных графиков и отчётов, которые можно настроить под себя.

🚀 Обращайтесь — и труды нобелевского лауреата будут работать на прибыльность вашего бизнеса!

#атрибуция_просто #для_бизнеса
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4👏2
🦊 Почему идеальная рекламная цепочка до конверсии — это миф?

Многие до сих пор верят, что существует некий универсальный маршрут, по которому пользователь идёт к покупке — и если этот путь найти и масштабировать, продажи взлетят. На деле всё совсем не так. И вот причины:

1️⃣ Уникальных путей — тысячи
Даже на одном проекте можно насчитать тысячи разных цепочек, по которым пользователи приходят к конверсии. Из них 70% всех заявок могут приходиться на 500 уникальных путей. Бывают и массово повторяющиеся цепочки, но это самые простые сценарии — например, прямые заходы или пути из одного элемента. Более сложные комбинации сильно различаются между собой, поэтому просто копировать «успешный маршрут» не получится.

2️⃣ Поведение зависит от сегмента
Пользователи ведут себя по-разному в зависимости от того, взаимодействовали ли они с медийной рекламой, являются ли они новыми или вернувшимися и так далее. Без сегментации аудитории говорить о каком-то «золотом пути» бессмысленно.

3️⃣ Управлять поведением вне сайта почти невозможно
Пытаясь проложить «идеальный» маршрут, вы неизбежно столкнётесь с хаосом: внешняя среда, алгоритмы площадок, предпочтения пользователей — всё это делает прямое управление их действиями крайне затруднительным.

4️⃣ Инструментов для управления нет
На рынке не существует готовых решений, которые позволяют выстраивать цепочки и управлять ими в реальном времени. Есть пилоты и эксперименты, но ни один из них не стал массовым рабочим инструментом.

🤔 Пользователя вообще реально контролировать?

Да, но только на вашем сайте или в приложении. Там вы сами выстраиваете навигацию и имеете возможность направлять клиента так, чтобы на выходе получать больше результата. Важная оговорка: даже на собственных ресурсах манёврами пользователя можно управлять только отчасти.

Главное: не пытайтесь переносить вовне успешный опыт построения UX на сайте. Одно дело — контролировать всего несколько цепочек, которые вы сами же и создаёте, и совсем другое — пытаться влиять на поведение пользователей на внешних площадках. Если человек решил утром зайти в Telegram, а не в поиск Яндекса, никакая реклама не изменит этот выбор.

- Вывод -
Идеальных рекламных цепочек не существует, а управление поведением пользователя вне ваших собственных каналов крайне ограничено. Вместо того чтобы искать мифический «золотой путь», лучше фокусироваться на оптимизации там, где вы можете влиять на результаты:
— корректно оценивать вклад медийной рекламы
— контролировать качество и частоту показов
— сегментировать трафик

🚀 Подробности, примеры и графики по теме «волшебных цепочек до конверсии» — в этом видео. Подписывайтесь, чтобы не потерять канал — там ещё много полезного!

#мифы
🔥6👍5👏2
🍰 Идём против системы, поэтому вместо фотки шашлыка у нас вишнёвый торт.

🍒 Название вкусности: вишнёвый торт)

🍒 Где достать: ресторан «Воронеж», ул. Пречистенка, 4

🍒 Комментарий CEO Никиты:
Вот просто лучший вишнёвый торт. Настоящая, не сильно сладкая вишня, как бабушкино варенье. Фантастический, похожий на мармелад верхний слой, и всё это с отличным белым кремом. Для тех кто любит вишню — обязательно попробовать.


Одной аналитикой сыт не будешь!

#подпитка_для_мозга
🔥8👍6👏3
🦊🦊 Сотрудники CyberBrain объясняют друг другу, как работает Stable ID — и делают это через мемы, как и положено настоящим аналитикам. Присоединяйтесь!

На картинке — схема на скорую руку из Miro, как склеиваются данные о пользователе из веба и мобильного приложения.

💻 Слева — трекер-система.

☎️ Справа — оператор сотовой связи.


💚 Посередине — общая база обмена данных, куда поступает информация из обоих источников.

Представьте себе коробку, куда трекер и оператор сбрасывают всё, что знают о пользователях: email, номера телефонов, рекламные ID, посещаемые сайты — в обезличенном виде. Внутри этой коробки действуют правила объединения. Они бывают прямыми (например, email совпал — значит, это один человек) и косвенными (когда система анализирует множество непрямых признаков и решает, что перед ней один и тот же пользователь).

Когда система успешно объединяет данные, она присваивает пользователю Stable ID — стабильный идентификатор абонента, который объединяет события из разных каналов внутри одного оператора связи.

🦊 А снизу сидит наш лис. Это мы — CyberBrain. Всё видим и с помощью Stable ID собираем единую историю пользователя из разрозненных кусочков, даже если у клиента 15 источников: веб, CRM, приложение, call-центр и физические магазины.

Если ваш сайт и приложение живут в параллельных мирах, не переживайте. Наш лис натренирован работать и с куками, и со Stable ID — и склеивать максимум доступных взаимодействий!

P. S. Это всё шутки, технология очень сложная. Но такого рассказа хватило, чтобы наш SMMщик смог написать этот пост 😁

#StableID #объясняем_на_пальцах
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7🔥6
🦊 Google использует data driven атрибуцию. Вы всё ещё доверяете стандартным моделям?

Рекламодатели Google Analytics по умолчанию используют модель атрибуции Last non-direct click, где вся заслуга за конверсию уходит последнему непрямому источнику (то есть не учитываются прямые заходы на сайт). Но знаете, какую модель применяет сама Google, когда реально важно посчитать эффект от каждой рекламной кампании?

В кейсе Walks of Italy для Search Ads 360 компания внедрила data-driven атрибуцию, потому что:

🔸 34% конверсий шли через несколько касаний — по Last click и речи не идёт о распределении ценности между каналами
🔸 Last click переоценивал ценность поисковых запросов по бренду, поскольку вообще никак не оценивал верхнюю воронку продаж

Результаты внедрения data driven по сравнению с предыдущим периодом (3 месяца):
+69% к продажам
+33% к выручке
+25% к ROI

- Вывод -
Выбор модели атрибуции может стать решающим фактором успеха #для_бизнеса — от этого зависит маркетинговая стратегия и управление рекламным бюджетом.

🚀 CyberBrain давно и системно применяет атрибуцию на основе данных. Наша модель объединяет в единую картину данные из CRM, веба, приложений и оффлайна, результаты медийных и performance-кампаний. Потому что качественная аналитика — это не про отчёты. В конечном итоге это всегда про прибыль.

#атрибуция_просто
👍4🔥4⚡2
😉 Собака лучше человека справилась с рекламой арахисовой пасты. Сообщение от четвероного инфлюенсера собрало больше лайков и комментариев при меньшей стоимости взаимодействия.

Таковы результаты исследования Petfluencers, the Fur-Mula for Sincere Endorsements. В нём арахисовую пасту Pip & Nut рекламировали с помощью двух креативов: в одном банку держали лапы собаки, а в другом — руки человека.

Результаты оказались красноречивыми:

🦴 Версия с собакой охватила больше людей: 18 224 против 17 613 у «человеческой» версии
🦴 Вовлечённость была выше в 3 раза: 18 взаимодействий против 6
🦴 Цена за вовлечение в 3 раза ниже: £2.29 против £6.86

В пример успешных амбассадоров авторы статьи приводят кошку Налу: у неё более 4,5 миллиона подписчиков, а на рекламе самых разных товаров, от кошачьего корма до мобильных игр, киса сделала состояние в 80 млн долларов.

Отечественные петфлюенсеры не отстают: вот канал сфинкса и лабрадора, которые ходят на фан-встречи, катаются на яхте, снимаются в кино — и собрали уже более 3 млн подписчиков.

ИИ не оставит вас без работы — её уже отдали собаке с хорошим охватом 🫠

#юмор #исследование
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4🔥3
🦊 Как оценить эффективность мультиканальной рекламы? Самое простое объяснение атрибуции Шепли

Если у вас больше 3-х рекламных источников, и к перформансу добавляется медийка, невозможно справедливо оценить вклад каждого без подходящей модели атрибуции.

Модель Шепли — это метод оценки эффективности рекламных каналов и маркетинговых активностей, основанный на теории игр. Она справедливо определяет (атрибутирует) вклад каждого канала в конечный результат (например, продажи или регистрации), учитывая взаимодействие каналов между собой.

| Как работает модель Шепли |

💡 Формирование коалиций
Анализируются все возможные комбинации каналов (например, канал A отдельно, каналы A+B вместе и так далее).

💡 Оценка вклада каждого канала
Рассчитывается средний прирост результата, который канал добавляет при присоединении к разным комбинациям других источников.

💡 Итоговый расчёт
Для каждого канала вычисляется его средний вклад во всех возможных комбинациях — получаем объективную оценку его эффективности.

✏️ Формула расчёта атрибуции Шепли простым языком
Атрибуция Шепли для канала X = сумма [(ценность комбинации с каналом X – ценность комбинации без канала X) × вероятность появления комбинации каналов без X]

✏️ Ещё проще
Для каждой комбинации каналов сравнивается результат с каналом X и без него. Разница между этими результатами умножается на вероятность появления данной комбинации. Все полученные значения суммируются, чтобы получить средний вклад канала X.

| Преимущества модели Шепли |

👍 Справедливость
Канал получает атрибуцию только за свой реальный вклад в достижение цели.

👍 Учёт взаимодействий
Модель учитывает влияние каналов друг на друга и позволяет понять их синергию.

👍 Прозрачность
Логика расчёта понятна и легко объясняется бизнес-команде.

👍 Гибкость
Шепли подходит для разных типов конверсий и бизнес-задач.

-Вывод-
🚀 Модель Шепли помогает увеличить прибыльность бизнеса, разбивая все кампании на полезные и бесполезные: вы видите, что нужно отключить — и куда инвестировать.

#атрибуция_просто
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍5
🦊 Если команда не понимает, зачем вам новые инструменты и технологии — это путь в никуда

Часто в компаниях возникает проблема: люди не понимают, зачем внедрять новые решения — что это даст? Возьмём для примера ту же атрибуцию.

Руководство не уверено в окупаемости проекта, потому что не видит связи между атрибуцией и оптимизацией бюджета → проект становится менее приоритетным и отправляется в долгий ящик

Маркетологи не знают, как применять данные атрибуции для корректировки кампаний → реклама не приносит максимум прибыли без чёткой стратегии (а могла бы)

Агентства и подрядчики не работают в одной логике с внутренней командой → эффективность всех действий падает

☝️ Прежде чем внедрять новую технологию, важно донести до людей, какую проблему она должна решить и каких бизнес-результатов вы хотите достичь. Без понимания внутри команды даже самая мощная платформа не даст эффекта.

Чтобы убрать это непонимание, мы проводим аудит текущей аналитики клиента — и расставляем все точки над i ⤵️
🔶Объясняем, что нужно сделать, чтобы:
А) по максимуму использовать имеющиеся данные
Б) оперативно закрыть дыры в аналитике
🔶Рассказываем, как можем решить эти задачи
🔶Даём экономическое обоснование по внедрению проекта
🔶Разбираем техническую сторону реализации (например, склейка web + app через Stable ID)
🔶Оцениваем окупаемость и говорим прямо, нужна ли вам вообще атрибуция, будет ли её интеграция выгодна для бизнеса
🔶Показываем кейсы, обсуждаем дальнейшее сотрудничество

Также после старта работ мы проводим тренинги по аналитике и платформе, чтобы вы опробовали новые инструменты на практике:
⬥ Ознакомительный созвон после подготовки дашборда
⬥ Демонстрация готовых отчётов и их логики
⬥ Обучение работе с дашбордом и ответы на вопросы
CEO и аналитики CyberBrain покажут, как считать рентабельность, оптимизировать кампании и делать выводы на фактических данных.

🚀 Чем больше людей в команде понимают, зачем внедрять новые технологии и как их использовать, тем быстрее окупаются инвестиции и растёт прибыль бизнеса.

#для_бизнеса
👏5👍3
🦊 Вы уже нажимали сюда? Вы обязательно кликнете

С этого баннера началась история медийной рекламы в интернете. Он появился в 1994 году и стал точкой отсчёта для всей цифровой индустрии

С тех пор медийка прошла большой путь: от простых баннеров и рассылок до сложных кампаний, которые стали полноценным инструментом продаж.

Этому посвящён наш #новый_материал — статья про медийную рекламу для бизнеса, где мы разобрали её по косточкам:

⬥ Когда медийка необходима, а когда лучше ограничиться перформансом
⬥ Слабые стороны и ограничения
⬥ Когда и для кого эффективна и неэффективна
⬥ Как работает с другими источниками трафика
⬥ Актуальные форматы
⬥ Как оценивать эффективность медийной рекламы в 2025 году
⬥ Практические советы для бизнеса

🚀 Всё подробно и с примерами, поэтому не запутаетесь. Приятного чтения!
👍6🔥4⚡2
🦊 Не занижайте ценность показов — аналитика сама всё порешает

На рынке закрепилась мысль, что клики лучше показов. Когда мы нажимаем на рекламное объявление, то проявляем мотивацию, интерес к продукту (фрод-клики не в счёт). Для итоговых конверсий это гораздо важнее просмотра баннера.

Вся аналитика строится на кликах — они действительно ценнее показов. Но это настолько общее утверждение, что оно не может быть истиной для всех ситуаций.

☝️ Клик ценнее показа только в определённых условиях. Например, когда пользователь уже знаком с продуктом и готов к действию. Но услышав это несколько раз без контекста, мы автоматически упрощаем: «клик = хорошо, показ = неважно».

Это напоминает разницу между двумя подходами в машинном обучении, с учителем и без него:

1️⃣ В обучении с учителем модель получает размеченные данные — образцы с верными ответами. Например, картинки котов с надписью «кот». Так она учится распознавать, где кот, а где нет. Сделайте то же самое с картинками собаки, и она отличит одно животное от другого с вероятностью 97%.

2️⃣ В обучении без учителя модель получает кучу картинок, но никто не говорит ей, где кот, а где собака. Она пытается разобраться самостоятельно и реже даёт правильный ответ.

Когда мы воспринимаем информацию без контекста и чётких объяснений, то мозг (по сути нейронка) делает неверные упрощения — потому что мы обучались на урезанном датасете. А упрощение приводит к потере первоначального знания и уверенным, но ошибочным решениям.

🚫 На рынке стало распространено такое правило: клик = единица, показ = 0.3-0.5 от клика. Упрощение эффективности медийки через этот непонятный коэффициент приводит к тому, что мы уравниваем невзрачный баннер с информацией о бренде — и креативный оффер со скидками, у которого совершенно другая конверсия.

Для этого усреднения нет ни математического обоснования, ни фактических текстов. Почему, например, не 0.8 или 0.9? Искажённые данные идут в выбранную модель атрибуции, и на их основе получаются неверные выводы.

🚀 Мы всегда объясняем клиентам, что такое атрибуция Шепли и как она работает с данными: для data driven модели клики и показы на старте полностью равнозначны. Ваша задача — не искажать эти данные. Модель сама определит, как отработали медийка и performance, а на дашборде вы увидите готовые рекомендации по распределению бюджета между каналами.

-Вывод-
Не надо искусственно занижать значимость показов. Data driven атрибуция посчитает всё за вас.

#для_маркетолога
👍3🔥3