Ответ
Да, мы обязательно учитывали стоимость маркетинговой кампании. На моем последнем проекте по прогнозированию LTV (Lifetime Value) для e-commerce, стоимость кампании (CAC) была ключевой фичей. Мы использовали её не только как расход, но и для создания производных признаков, таких как ROI (Return on Investment) на раннем этапе жизни клиента и соотношение CAC к первому заказу. Это позволило модели сегментировать клиентов не только по потенциальной выручке, но и по прибыльности.
Например, в пайплайне feature engineering это выглядело так:
# Добавление ROI-признака
df['early_roi'] = (df['first_order_value'] - df['acquisition_cost']) / df['acquisition_cost']
# Бинаризация высокой стоимости привлечения
df['high_cac_flag'] = (df['acquisition_cost'] > df['acquisition_cost'].quantile(0.75)).astype(int)Эти признаки значительно улучшили точность прогноза чистой прибыли по клиенту, что было критически важно для принятия решений по бюджету на маркетинг.