如何使用 Python 制作多渠道归因模型

近年来，购物方式发生了巨大变化。如今，知情的客户在投资任何项目之前都会进行研究，并且只有在通过多种渠道和网站为自己获得最优惠的价格后才能进行在线购买。但是，这使得营销人员很难在做出有意识的选择之前正确确定客户接触了多少营销渠道。

如果我们确定客户在购买他们最喜欢的产品之前经过的渠道路径，我们可以使用渠道归因模型分析哪个渠道帮助他们进行了购买。这样的多渠道报告将为我们提供两个重要的转化价值：最终点击转化和辅助转化。

在这篇文章中，我将向您展示如何使用Python构建多渠道归因模型，然后可以将其用于检索我上面提到的有价值的信息。这将极大地帮助任何企业甚至个人卖家的营销策略。

传统电子商务归因模型

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