ВПЛИВ МОДЕЛЕЙ АТРИБУЦІЇ НА РОЗПОДІЛ МЕДІАБЮДЖЕТУ CFD-БРОКЕРА: ГРОШОВА ОЦІНКА ВТРАТ
DOI:
https://doi.org/10.25313/3083-7782-2026-6-14Ключові слова:
атрибуція, останній клік, вартість залучення клієнта, розподіл медіабюджету, значення Шеплі, CFD-брокер, форекс, маркетингова аналітикаАнотація
Вступ. Платне залучення клієнтів є основною статтею витрат роздрібних брокерів контрактів на різницю (CFD) та форекс, а ефективність цих витрат оцінюють через модель атрибуції, яка приписує конверсії маркетинговим каналам. Галузевим стандартом у роздрібному брокериджі є атрибуція останнього кліку, привʼязана до події реєстрації (signup), після чого канал реєстрації вважається власником усього подальшого доходу.
Мета. Дослідження кількісно оцінює економічну ціну цієї конвенції. Побудовано економіко-математичну модель того, як атрибуція останнього кліку в поєднанні з привʼязкою джерела реєстрації зміщує оцінку вартості залучення (CAC) за каналами та призводить до хибного розподілу медіабюджету, і виражає отримані втрати у грошовому вимірі.
Матеріали і методи. Модель формалізує каскад подій залучення (реєстрація, ідентифікація, перший депозит, перша угода, повторні депозити та угоди) і два окремі шари викривлення: викривлення дотику на події реєстрації та привʼязку джерела щодо всього подальшого доходу. Справжній внесок кожного каналу апроксимується значенням Шеплі, обчисленим на відтворюваній структурі коаліцій конверсійних шляхів. Відгук каналу змодельовано зі спадною віддачею та стелями ємності; втрата це недоотримана контрибуційна маржа при оптимізації бюджету за зміщеними сигналами замість справжнього внеску. Параметризацію взято з практики залучення автора для профілю EU Tier-1.
Результати. За конвенції привʼязки закривальні канали (брендовий пошук і прямі заходи) отримують кредит значно вищий за їхній внесок за Шеплі, тоді як ініціювальні та пост-реєстраційні активаційні канали систематично недокредитовані або зовсім невидимі. Оптимізація бюджету за цими зміщеними сигналами призводить до втрати від приблизно трьох до одинадцяти відсотків медіабюджету у контрибуційній маржі, і втрата зростає зі збільшенням лагу між реєстрацією та депозитом, бо довший лаг лишає більше некредитованої реактиваційної роботи. Дисконтування відкладеного доходу додає незначну поправку.
Перспективи. Подальша робота може поширити модель на горизонти повторних депозитів і торгового обсягу, на еталони на основі інкрементальності та на багаторинкову параметризацію.
Посилання
Shao, X., & Li, L. (2011). Data-driven multi-touch attribution models. In Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 258–264). https://doi.org/10.1145/2020408.2020453
Li, H., & Kannan, P. K. (2014). Attributing conversions in a multichannel online marketing environment: An empirical model and a field experiment. Journal of Marketing Research, 51(1), 40–56. https://doi.org/10.1509/jmr.13.0050
Berman, R. (2018). Beyond the last touch: Attribution in online advertising. Marketing Science, 37(5), 771–792. https://doi.org/10.1287/mksc.2018.1104
Anderl, E., Becker, I., von Wangenheim, F., & Schumann, J. H. (2016). Mapping the customer journey: Lessons learned from graph-based online attribution modeling. International Journal of Research in Marketing, 33(3), 457–474. https://doi.org/10.1016/j.ijresmar.2016.03.001
Kireyev, P., Pauwels, K., & Gupta, S. (2016). Do display ads influence search? Attribution and dynamics in online advertising. International Journal of Research in Marketing, 33(3), 475–490. https://doi.org/10.1016/j.ijresmar.2015.09.007
De Haan, E., Wiesel, T., & Pauwels, K. (2016). The effectiveness of different forms of online advertising for purchase conversion in a multiple-channel attribution framework. International Journal of Research in Marketing, 33(3), 491–507. https://doi.org/10.1016/j.ijresmar.2015.12.001
Dalessandro, B., Perlich, C., Stitelman, O., & Provost, F. (2012). Causally motivated attribution for online advertising. In Proceedings of the Sixth International Workshop on Data Mining for Online Advertising (Article 7). https://doi.org/10.1145/2351356.2351363
Shapley, L. S. (1953). A value for n-person games. In H. W. Kuhn & A. W. Tucker (Eds.), Contributions to the Theory of Games II (pp. 307–317). Princeton University Press.
Singal, R., Besbes, O., Desir, A., Goyal, V., & Iyengar, G. (2022). Shapley meets uniform: An axiomatic framework for attribution in online advertising. Management Science, 68(10), 7457–7479. https://doi.org/10.1287/mnsc.2021.4263
Gupta, S., Lehmann, D. R., & Stuart, J. A. (2004). Valuing customers. Journal of Marketing Research, 41(1), 7–18. https://doi.org/10.1509/jmkr.41.1.7.25084
Danaher, P. J., & van Heerde, H. J. (2018). Delusion in attribution: Caveats in using attribution for multimedia budget allocation. Journal of Marketing Research, 55(5), 667–685. https://doi.org/10.1177/0022243718802845
Abhishek, V., Fader, P., & Hosanagar, K. (2012). Media exposure through the funnel: A model of multi-stage attribution (Working paper). SSRN. https://doi.org/10.2139/ssrn.2158421
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Станіслав Миколайович Галандзовський
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Сторінка у Facebook