ЧОРНОУС, ГалинаГалинаЧОРНОУСПЕТРОВА, МаріанаМаріанаПЕТРОВА0000-0002-6011-5753ГОРНА, МаринаМаринаГОРНАПЕНЕВ, НіколайНіколайПЕНЕВПУСТОВІТ, МайяМайяПУСТОВІТ2026-05-222026-05-222026-02-02ЧОРНОУС, Г., ПЕТРОВА, М., ГОРНА, М., ПЕНЕВ, Н., ПУСТОВІТ, М. (2026). DATA-DRIVEN ATTRIBUTION MODELING IN DIGITAL MARKETING. Вісник Київського національного університету імені Тараса Шевченка. Економіка(1), 191–201. https://doi.org/10.17721/1728-2667.2026/228-1/2010.17721/1728-2667.2026/228-1/20https://ir.library.knu.ua/handle/15071834/21837B a c k g r o u n d . In the contemporary digital environment, marketing communications have evolved into multi-channel, personalized, and dynamic interactions, necessitating an increasingly precise quantification of the efficacy of each user touchpoint with a brand. Conventional rule-based marketing attribution models, which exclusively assign value to a singular touch-point of contact, no longer yield the requisite level of analytical granularity. In response to these methodological challenges, advanced economic and mathematical methodologies, notably models predicated on Markov chains and Shapley values, are progressively being deployed to facilitate a rigorously reasoned and quantitatively justifiable allocation of value across all contributing channels. M e t h o d s . The research methodology is based on a combination of general scientific and specialized methods. Specifically, it utilized theoretical modeling, comparative analysis, as well as stochastic modeling (Markov chains) and cooperative game theory (Shapley values). R e s u l t s . This research rigorously investigated marketing attribution in the digital environment, demonstrating the inherent limitations of traditional rule-based models and substantiating the superior efficacy of adaptive approaches, particularly Markov chains and Shapley values. The empirical implementation and comparative analysis of the Shapley value model confirmed its enhanced precision and capacity to objectively quantify each channel's contribution, leading to actionable insights for strategic marketing optimization. This study provides a robust framework for understanding multi-touch attribution, emphasizing the critical role of data-driven methodologies in contemporary marketing analytics. C o n c l u s i o n s . The work is relevant for marketing analysts and digital strategy teams, as it presents a comparative analysis of rule-based and algorithmic attribution models and offers practical solutions for campaign optimization. The Shapley Value model was implemented in Python and tested on real-world marketing data. The practical value lies in the ability to use the results for better budget allocation, identifying undervalued channels, and increasing return on marketing investment (ROMI).В с т у п . У сучасному цифровому середовищі маркетингові комунікації стали багатоканальними, персоналізованими та динамічними, що зумовлює зростаючу потребу у точному вимірюванні ефективності кожної взаємодії користувача з брендом. Традиційні правила маркетингової атрибуції, які надають усю цінність одній точці контакту, вже не забезпечують належного рівня аналітичної точності. У відповідь на ці виклики все ширше застосовують економіко-математичні методи, зокрема й моделі на основі ланцюгів Маркова та значень Шеплі, що дають змогу аргументовано й кількісно обґрунтовано розподіляти цінність між усіма каналами. М е т о д и . Методологія дослідження ґрунтується на поєднанні загальнонаукових і спеціалізованих методів. Зокрема, використано теоретичне моделювання, порівняльний аналіз, а також стохастичне моделювання (ланцюги Маркова) та теорію кооперативних ігор (значення Шеплі). Р е з у л ь т а т и . У цьому дослідженні вивчено проблему маркетингової атрибуції в цифровому середовищі, доведено обмеженість традиційних моделей та обґрунтовано переваги адаптивних підходів, таких як ланцюги Маркова та значення Шеплі. Практична реалізація та порівняльний аналіз моделі на основі значень Шеплі підтвердили її вищу точність і здатність об'єктивно оцінювати внесок кожного каналу, що дозволило сформулювати цінні рекомендації для оптимізації маркетингових стратегій. В и с н о в к и . Розроблено та впроваджено модель атрибуції на основі значень Шеплі, що дає змогу враховувати маржинальний внесок каналів у всіх можливих комбінаціях взаємодій, на відміну від традиційних моделей маркетингової атрибуції, що засновані на правилах. Результати дослідження можуть бути використані компаніями для точнішого оцінювання ефективності маркетингових каналів, оптимізації бюджету та підвищення рентабельності інвестицій у цифрову рекламу.enMarketing attributiondigital marketingdata-driven attributionShapley valuesMarkov chainsmultichannel analyticsPythonPythondigital marketingmultichannel analyticsМаркетингова атрибуціяцифровий маркетингатрибуція на основі данихзначення Шепліланцюги Марковамультиканальна аналітикаPythonPythonмультиканальна аналітикацифровий маркетингСтаття