感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
在我向您展示如何基于Python构建归因模型之前,首先快速浏览一些传统的电子商务归因模型会很有帮助。
由于客户变得更加注重研究,并且更愿意在沉迷于产品之前探索所有渠道,因此市场机构使用营销归因模型来追踪影响客户购买的渠道:
-
第一次接触归因模型——第一个渠道获得 100% 的信用,因为它被认为是负责客户购买决策的第一个营销渠道。
-
最后一次接触归因模型——最后一个渠道或最后一个接触点在此模型中被赋予 100% 的功劳,因为认为最后接触的营销渠道对客户的购买选择负责。
-
线性接触归因模型——在此归因模型中,客户旅程中存在的所有营销渠道都被赋予同等的功劳。每个渠道都被视为平等地影响客户的购买选择。
-
U 形或浴缸归因模型——该模型将 40% 分配给第一个和最后一个通道,20% 平均分配给其余通道。这种渠道在电子商务公司中最为常见。
显然,每种模型都可以对客户行为提供不同的见解。具体细节在一定程度上取决于所涉及的业务,但这正是多渠道归因模型的价值所在,因为它使我们能够了解在给定上下文中最适合什么。
现在我们已经简要了解了各种模型,是时候看看我们如何构建自己的多渠道归因模型了。
构建多渠道归因模型的 Python 代码
====================
让我们采用以下数据集。在列中,我们有参与活动,并且我们有连续参与的渠道。该数据集保持时间顺序。我们为每个营销渠道分配了一个固定的数值,并以这样一种方式显示它们:在 x 列中,x 的参与度是从具有相应营销渠道的用户那里获取的。
我们已经转换了通道 21 中的数据。因此,数据集包含用户转换的旅程。
让我们通过导入必要的库来迈出第一步。在这里,您必须导入 Pandas 库进行数据操作,Seaborn进行数据分析,Matplotlib进行数据可视化,以及创建新流程的子流程。
下一步是加载数据集,您可以使用 pd.read_csv() 函数来完成。现在,您需要使用 df.columns 获取列列表。完成后,您可以遍历列以将所有整数更改为字符串。之后,必须清理数据点。
这里,需要用到马尔科夫链框架;因此,您需要将用户旅程放在一个变量中。您需要将其视为第一通道>第二通道>第三通道等形式。下一段代码将执行此活动。
在数据集中,通道号 21 是转换事件。因此,我们需要将此通道与原始路径分离。之后,您必须创建另一个转换变量来保存成功转换的数量。以下代码块将完成此操作。
恭喜,您已完成数据操作过程!
现在,您必须获取下一步需要转发的列子集,因为您的数据集仍然具有原始数据集。您还需要在此处对用户数据进行分组,因为许多用户可以进行相同的旅程。
您的转化变量将分别包含每个客户旅程的转化次数。此外,我们需要创建另一个 CSV 文件来存储路径数据。您可以使用此 CSV 文件来运行归因方法。
现在,您有两个选择。第一个是使用 pip 安装频道归因模块。要安装此模块,只需转到您的终端,然后编写以下内容:
pip install --upgrade setuptools
pip install Cython
pip install ChannelAttribution
第二种选择是您自己在Python中创建马尔可夫网络/链。尽管如此,将 Python 代码与 R 编程语言中的“ChannelAttribution”库集成会更快。该库包含频道归因的所有可执行组件。您可以使用 Python 库子流程来完成此操作。
如果您想计算第一次触摸归因,以下代码块将帮助您。
与第一次触摸类似,您也可以计算最后一次触摸的归因。以下代码块将完成此操作。
另外,如果需要计算线性归因,可以运行下面这段代码。
现在,您可以按照分步过程使用 Python 编程语言构建多渠道归因模型。试一试,看看结果。
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!