📊 Ограничение трекинга и переизобретение конверсионных стратегий

Пока рекламные системы учились собирать кампании за человека, у них возникла новая проблема: ограничение трекинга. Исчезла возможность собирать данные на уровне отдельного пользователя

Как было построено обучение алгоритмов: система точно знала, что пользователь X увидел объявление в 10:03, кликнул в 10:05, зашёл на сайт с другого домена в четверг, а купил в субботу с телефона. Это была цепочка конкретных, проверяемых событий, привязанных к одному идентификатору — cookie.

Но с 2017 года начались ограничения в этой области. Браузеры стали ограничивать отслеживание между сайтами, а мобильные платформы — между приложениями разных компаний.

Для человека это означало больше контроля над своими данными. Для рекламных систем — пробелы в данных, на которых учились автостратегии:

⚫️Данные стали фрагментарными. Раньше вы видели всю цепочку целиком. Теперь только отдельные куски — где-то есть клик, но нет конверсии; где-то есть конверсия, но неизвестно, откуда пришёл пользователь.
⚫️Выборка сместилась. Данные собирались только по той части аудитории, которая дала согласие. А те, кто отказался от трекинга, систематически отличаются от тех, кто согласился (по возрасту, платформе, поведению) — значит, прямая экстраполяция «что верно для видимых 30%, верно и для всех 100%» работает плохо.
⚫️Часть конверсий стала принципиально нефиксируемой.

Рекламным системам нужно было быстро найти выход и они придумали замещение данных.

1) Агрегированные отчёты. Вместо данных по каждому пользователю система стала отдавать только агрегированные данные. Т.е. не «Вася кликнул и купил», а «группа из тысячи показов дала примерно 340 покупок» .

2) First-party данные рекламодателя — email, телефон, история покупок из CRM. Рекламодатель передает данные обратно в рекламную систему, где происходит их сверка с данными аккаунта, под которым человек залогинен (Google, Яндекс ID).

3) Моделирование конверсий — для той части аудитории, где данных нет вообще, платформа обучает статистическую модель на наблюдаемой части (тех, кто согласился) и достраивает вероятностную оценку для ненаблюдаемой части: «скорее всего, конверсий было на X% больше, чем мы реально увидели».

В итоге, цифры, которые вы сегодня видите в кабинете Google Ads, — это уже не чистый факт, а смесь наблюдаемых событий и статистической оценки того, что произошло, но не было зафиксировано напрямую.

Вот почему сегодня так важно передавать системе данные из CRM. Чем меньше сигналов вы отдаёте сами — тем больше системе приходится гадать за вас.