最新如何使用 Python 制作多渠道归因模型，斗鱼游戏直播运营面试

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！