活动效果评价模型--原理和实现（基于python）

你好，我是邬凡奇，欢迎阅读我的博客，这是一篇基于手游行业的效果评价模型实战，数据全部来自真实生产环境，如果有疑问，可以给我留言

一、为什么要进行活动效果评价

在手游行业中，活动是提高用户参与度，加大用户粘性，提升收入的重要手段，而衡量活动效果的方式则多种多样，通常与活动的目标有关；如有的活动目标在于提高活跃，则活跃相关指标是评价这个活动效果的重要手段。对活动效果进行评价，得到评分，可以快速感知活动是否起了作用，在历史活动中处于什么位置，是否达到预期；

二、如何评价

本文采用标准差系数权重法，以本次活动为例进行活动效果的评价；以下是评价模型构建过程

1、评价指标选择

游戏的活动最终目的无非是两个：提升人气，提升收入
故本次评价指标选择了人气和收入的指标，分别是：
新增、活跃、流水、ARPU、付费率、转换老用户付费人数、转换老用户付费金额
其中：转换老用户付费的定义是，活动前已经是我们的免费用户，且用户生命周期>15天，在活动中进行了付费

2、对指标进行归一化

通常的归一化方法是使用Z=（x-μ）/标准差 ，此处也采用这个方法
x-数据值
μ-指标均值
补充归一化的意义：不同指标的单位，度量不同，要进行统一的计算，需要将其整理我相同量纲下的数据

3、计算指标的权重

step1：计算各指标的平均值、标准差
step2：得到离散系数：V=标准差/平均值
step3：权重系数=V/ΣV
step4：带入权重系数，计算最终的活动评分

4、为什么用标准差系数权重法确定权重？

原因是：标准差体现了数据的波动程度；在活动数据中，数据波动程度越大，说明受到活动的影响越大，因此需要更多的权重，以衡量活动的影响；
（此处可以用信息熵去衡量信息的含量，信息熵越大，信息越多，则权重应该越高）

三、开始实操吧

step1：获取源数据

sql从数据库中取出本年度历次活动的相关指标数据如下
经过和运营的同学讨论，由于游戏开服至今，活跃量、流水、付款人数等绝对值都受到时间周期的影响（如寒暑假），为了消除这种影响，我将数据指标换成活动开始后7天的：【次留率、付费活跃占比、付费率、ARPU、ARRPU、转换老用户数、转换老用户付费金额】；
为什么这么做呢？
1、时间长度统一限定为活动开始7天，避免有些活动时间长，累计的转换老用户数/金额较多，影响评价
2、其余指标均为比值，受到时间周期影响，绝对值指标有高有低，但比值结果可以客观反映指标高低

step2：进行模型计算

def get_active_score(_sheet_name):
    #读取数据
    data_source=get_data_source(_sheet_name)[['活动名称','开始时间','次留率','付费活跃占比'