В основе платформы CyberBrain лежит Shapley Attribution – модель data driven атрибуции, которая максимально объективно оценивает вклад каждого канала в итоговые конверсии. Но кто такой Шепли? И почему его теория, созданная в середине XX века, до сих пор помогает оптимизировать маркетинг? Разберёмся вместе.
Ллойд Шепли – американский математик и экономист, один из ключевых исследователей в области кооперативной теории игр. В 2012 году был удостоен Нобелевской премии по экономике за вклад в теорию устойчивого распределения и практику моделирования рынка.
Шепли изучал, как участники команды могут справедливо распределять выгоду от совместной деятельности. Его главная разработка – значение Шепли (Shapley value) – показывает, какой вклад внёс каждый игрок в общий результат, если учесть все возможные сочетания игроков.
Если вы когда-нибудь делили счёт за ужин с друзьями или обсуждали, кто сколько бонусов получит на работе, вы уже сталкивались с интуитивной формой атрибуции Шепли.
Модель анализирует:
В маркетинге атрибуция Шепли определяет, какой рекламный канал реально приводит клиентов, а какой просто занимает место в цепочке и отнимает ресурсы. Один и тот же человек (или рекламная кампания) может быть лидером в одной связке и бесполезным в другой. Именно поэтому Шепли оценивает вклад не по одиночке, а во всех возможных комбинациях. Так, например, медийная реклама может оказаться не чёрной дырой в бюджете, а важным участником цепочки, который помогает другим каналам закрывать продажи.
Когда у вас масштабные кампании, вам нужна модель, которая честно покажет, кто сколько принёс прибыли. Дело в том, что линейные модели атрибуции (Last touch, First click и др.) не дают всей картины эффективности маркетинга, если вы используете:
1. Формирование коалиций
Анализируются все возможные комбинации каналов (например, канал A отдельно, каналы A+B вместе – и так далее).
2. Оценка вклада каждого канала
Рассчитывается средний прирост результата, который канал добавляет при присоединении к разным комбинациям других источников.
3. Итоговый расчёт
Для каждого канала вычисляется его средний вклад во всех возможных комбинациях – получаем объективную оценку его эффективности.
Атрибуция Шепли для канала X = сумма [(ценность комбинации с каналом X – ценность комбинации без канала X) × вероятность появления комбинации каналов без X]
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.
👍 Справедливость
Каналу присваивается ценность только за реальный вклад в достижение цели.
👍 Учёт взаимодействий
Модель учитывает влияние каналов друг на друга и позволяет определить эффективные связки.
👍 Прозрачность
Логика расчёта понятна и легко объясняется бизнес-команде.
👍 Гибкость
Шепли подходит для разных типов конверсий и бизнес-задач.
Модель Шепли – не просто теоретическая концепция. Это базовая логика платформы CyberBrain, которая помогает клиентам:
🚀 Подключайтесь к CyberBrain – и труды нобелевского лауреата будут работать на прибыльность вашего бизнеса.