Рекламные технологии: cross-device tracking и атрибуция

Ситуация: Средний пользователь использует 2,8 устройств. Только 35% user journeys связаны cross-device. Это занижает ROAS мобильной рекламы на estimated 40%.

Рекламная платформа видит device-level data, но не user-level. Deterministic matching (login) покрывает 30% аудитории. Probabilistic matching добавляет 25%, но с 15% error rate.

Доступные данные

• device_events: device_id, event_type, timestamp, page_url, ad_id, ip_address, user_agent
• device_graph: device_id_a, device_id_b, match_type, confidence_score, matched_at
• conversions: conversion_id, device_id, conversion_type, value, attributed_ad_id, attributed_channel
• cross_device_journeys: user_id, devices, touchpoints_by_device, conversion_device, total_value
• login_events: user_id, device_id, login_timestamp, platform

Задачи

• Оценить quality device graph: precision и recall для deterministic vs. probabilistic.
• Рассчитать cross-device attribution uplift для каждого канала.
• Определить, как ошибки в device graph искажают атрибуцию (bias analysis).
• Предложить strategy для увеличения deterministic match rate.
• Оценить impact privacy regulations (GDPR, CCPA) на cross-device capabilities.

Все кейсы для подготовки → ← Все кейсы