Снижение ДРР мебельного клиента на 11,5% при помощи атрибуции на основе машинного обучения

Задача

Достигнут предел оптимизации рекламных расходов в атрибуции Last Non-Direct Click: она несправедливо распределяет ценность конверсий между каналами. Отчеты в Google Analytics страдали от сэмплинга, а загрузка расходов была нестабильной и требовала ручной работы.

Решение

Настроили сквозную аналитику на базе SegmentStream: импорт расходов из рекламных кабинетов, сбор данных о поведении пользователей, подключение офлайн-конверсий из RetailCRM и Calltouch. Обучили ML-модель атрибуции, интегрировали её с K50 для управления ставками и внедрили real-time сегментацию аудитории.