R︱精准营销
文章平均质量分 96
悟乙己
心如花木,皆向阳而生!
展开
-
多渠道归因分析(Attribution):python实现Shapley Value(四)
本篇主要是python实现马尔科夫链归因,关联的文章:多渠道归因分析(Attribution):传统归因(一)多渠道归因分析:互联网的归因江湖(二)多渠道归因分析:python实现马尔可夫链归因(三)文章目录1 概念1.1 夏普里值(Shapley Value)1.2 SHAP值和马尔科夫链 归因的比较2 python实现2.1 传统的shapley value方式2.2 传统shapley 升级版2.2.1 Simplified Shapley Value Method2.2.2 Orde原创 2021-06-01 18:51:07 · 8984 阅读 · 4 评论 -
多渠道归因分析:python实现马尔可夫链归因(三)
本篇主要是python实现马尔科夫链归因,1 关联理论参考:数据运营36计:马尔可夫链对营销渠道归因建模,R语言实现马尔可夫链是一个过程,它映射运动并给出概率分布,从一个状态转移到另一个状态。马尔可夫链由三个属性定义:状态空间:处理可能存在的所有状态的集合转移概率:从一个状态转移到另一个状态的概率当前状态分布 - 在过程开始时处于任何一个状态的概率分布那么用户行为路径中的每个渠道可以看作这里的每个状态。在知道状态空间的情况下,所求的渠道贡献率就是每条路径的转移概率。所以马尔可夫链模型可以用原创 2021-05-26 16:57:00 · 5061 阅读 · 3 评论 -
多渠道归因分析:互联网的归因江湖(二)
在公众号【PMCoder之路】看到互联网归因用法上的一些有趣案例,搬运一些案例。1 互联网归因的江湖混战(一)2 不懂归因,也许你广告还没入门3 互联网归因混战江湖(二)—应用归因详细说明4 APP归因科普:归因核心关键——用户ID详解5 【再说广告归因】强行将“助攻”算做“直接得分”,还要不要脸?6「IOS广告归因」匹配式归因,链路式归因以及IOS SKAdNetwork归因说明(一)7 【又说广告归因】有效触点归因能推广开的原因分析1 Facebook Audience Network转载 2021-05-26 16:11:22 · 3277 阅读 · 0 评论 -
多渠道归因分析(Attribution):传统归因(一)
文章目录1 归因分析2 传统归因分析方法2.1 传统归因分析2.2.1 最终互动归因模型2.2.2 最终非直接点击归因模型2.2.3 最终AD点击归因2.2.4首次互动归因2.2.5 线性归因模型2.2.6 时间衰减归因模型2.2.7 位置归因模型2.2.8 自定义归因模型2.2.9 马尔科夫归因模型2.2 不同归因方法的使用场景3 渠道权重几种计算方法3.1 夏普里值(Shapley Value)3.2 生存分析方法(Survival Analysis)3.3 路径分析(Path Analysis)3.原创 2021-05-26 15:55:59 · 14999 阅读 · 2 评论 -
用户增长——CLV用户生命周期价值CLTV 笔记(一)
文章目录1 概念介绍1.1 概念介绍1.2 关联指标1.3 计算方式1.4 LTV的价值1.5 应用场景1.5.1 宏观方面的几个场景:1.5.2 一个细分的金融场景:1.5.3 预估成本回收期1.5.4 判定渠道质量1.5.5 支持产品运营1.5.6 UE计算2 不同LTV计算方式2.1 几种常见的计算方式2.1.1 LT*活跃ARPU2.1.2 依据交易预测2.1.3 历史LTV拟合预测2.2 常规LT*ARPUDAU的延申:广告收入类型产品计算2.3 APP类LTV运营流程3 关联问题3.1 多长时间原创 2021-05-10 16:26:50 · 12901 阅读 · 1 评论 -
智能营销增益(Uplift Modeling)模型——pylift库的使用(二)
上一篇【智能营销增益(Uplift Modeling)模型——模型介绍(一)】仔细介绍了理论部分,本篇主要是算法库pylift的介绍。在【营销增益模型实战-Uplift Model原理及应用】一文中提到:目前的算法包虽然可以直接使用,但速度慢,定制性差由于Uplift模型还未被广泛使用,业界对于该技术的定义混乱,每个领域甚至每个公司都会有自己的魔改版本,甚至连该方法的名称都没有得到统一,举几个常见的例子:Estimating heterogeneous treatment effects (E原创 2021-02-17 17:38:11 · 9535 阅读 · 3 评论 -
智能营销增益(Uplift Modeling)模型——模型介绍(一)
文章目录1 Uplift Modeling与reponse model模型的差异1.1 增益模型与响应模型的差异1.2 增益模型与响应模型的混淆1.3 业务疑问与需求1.3.1 多维度建模1.3.2 一些使用场景1.3.3 实验室组和对照组 数据不均匀2 uplift model的模型2.1 差分响应模型(Two-Model Approach)2.2 差分响应模型升级版(One-Model Approach)2.3 Modeling Uplift Directly2.4 Class Transformati原创 2021-02-17 16:36:17 · 10640 阅读 · 3 评论 -
练习题︱基于今日头条开源数据(二)——两款Apriori算法实践
Apriori算法是通过限制候选产生发现频繁项集。总的来说,Apriori算法其实效率并不高,大规模数据计算的时候,需要考虑性能问题。 code + data可见:mattzheng/AprioriDemo盗图盗图: 在R语言里面有非常好的package,可见我之前的博客: R语言实现关联规则与推荐算法(学习笔记) 该packages能够实现以下一些可视化: ...原创 2018-06-07 16:23:26 · 1479 阅读 · 0 评论 -
结构化数据转换方式之一:box-cox转换
之前在《笔记︱信用风险模型(申请评分、行为评分)与数据准备(违约期限、WOE转化)》中提到过WOE转换,WOE转换=分箱法=Logit值,与等深、等宽不同是根据被解释变量来重新定义一个WOE值**笔者将其定位于对自变量的数据转换。 现在来看看对于因变量的数据转换:BOX-COX转换。**内容主要参考交大的课件:BoxCox-变换方法及其实现运用.pptx优势:线性回...原创 2017-09-06 11:42:50 · 37700 阅读 · 1 评论 -
航空客户价值分析特色LRFMC模型——RFM升级
我们说RFM模型由R(最近消费时间间隔)、F(消费频次)和M(消费总额)三个指标构成,通过该模型识别出高价值客户。但该模型并不完全适合所有行业,如航空行业,直接使用M指标并不能反映客户的真实价值,因为“长途低等舱”可能没有“短途高等舱”价值高。所以得根据实际行业灵活调整RFM模型的指标,本文就拿航空公司的数据为例,将RFM模型构建成L(入会至当前时间的间隔,反映可能的活跃时长)、R(最近消费时间距转载 2016-05-04 12:45:07 · 20315 阅读 · 3 评论 -
深度学习在推荐领域的应用
作者: 吴岸城,菱歌科技首席算法科学家,致力于深度学习在文本、图像、预测推荐领域的应用。曾在中兴通讯、亚信(中国)担任研发经理、高级技术经理等职务。 责编:何永灿,欢迎人工智能领域技术投稿、约稿、给文章纠错,请发送邮件至heyc@csdn.net 本文为《程序员》原创文章,未经允许不得转载,更多精彩文章请订阅《程序员》 来源于:人工智能头条,深度学习在推荐领域的应用首先要确转载 2017-06-13 11:41:32 · 1683 阅读 · 0 评论 -
广告转化率预估指标体系(来源:赛题)
计算广告是互联网最重要的商业模式之一,广告投放效果通常通过曝光、点击和转化各环节来衡量,大多数广告系统受广告效果数据回流的限制只能通过曝光或点击作为投放效果的衡量标准开展优化. 下面的指标体系来源于一个比赛:第一届腾讯社交广告高校算法大赛。其中的赛题非常好,有比较完整的预估指标体系,于是在这罗列。相关的比赛信息可见:http://algo.tpai.qq.com/home/information转载 2017-05-07 21:40:48 · 7922 阅读 · 1 评论 -
聚类︱python实现 六大 分群质量评估指标(兰德系数、互信息、轮廓系数)
之前关于聚类题材的博客有以下两篇: 1、 笔记︱多种常见聚类模型以及分群质量评估(聚类注意事项、使用技巧) 2、k-means+python︱scikit-learn中的KMeans聚类实现 .1 R语言中的分群质量——轮廓系数因为先前惯用R语言,那么来看看R语言中的分群质量评估,节选自笔记︱多种常见聚类模型以及分群质量评估(聚类注意事项、使用技巧):没有固定标准,一般会...原创 2017-04-24 11:54:17 · 64827 阅读 · 7 评论 -
笔记︱多种常见聚类模型以及分群质量评估(聚类注意事项、使用技巧)
聚类分析在客户细分中极为重要。有三类比较常见的聚类模型,K-mean聚类、层次(系统)聚类、最大期望EM算法。在聚类模型建立过程中,一个比较关键的问题是如何评价聚类结果如何,会用一些指标来评价。本篇笔记来源于CDA-DSC,L2-R语言课程,感谢老师上课的辛勤。一、聚类分析的距离问题聚类分析的目的就是让类群内观测的距离最近,同时不同群体之间的距离最大。1、样本聚类距离原创 2016-06-08 11:52:09 · 67184 阅读 · 0 评论 -
搜索引擎case︱从搜索序列文本看高端商务车︱统计之都
朱雪宁(北京大学光华管理学院) 王汉生(北京大学光华管理学院)摘要:本文对100万搜索引擎用户的13亿搜索序列文本进行探索分析,对高端车用户以及商学院人群做了描述对比,并针对用户搜索高端车品牌过程中的动态选择行为进行建模。首先,我们发现,在人群划分上,高端车用户和商学院用户表现出更加高端的属性,这主要表现在他们对生活、事业、学业上更卓越的追求。接下来,本文利用逻转载 2016-08-01 10:23:26 · 2800 阅读 · 0 评论 -
笔记︱横截面回归模型中调节效应+中介效应(横截面回归模型两大方向)
笔者认为一般统计模型中的横截面回归模型中大致可以分为两个方向:一个是交互效应方向(调节、中介效应)、一个是随机性方向(固定效应、随机效应)。R语言︱线性混合模型理论与案例探究(固定效应&随机效应)调节效应Y与 X的关系受到第三个变量M的影响调节变量可以是定性的 (如性别) ,也可以是定量的 (如年龄)影响因变量和自变量之间关系的方向 (正原创 2016-07-27 14:56:55 · 38727 阅读 · 0 评论 -
笔记︱虚拟变量回归=差异显著(方差分析)+差异量化(系数值)
虚拟变量作为自变量,放在回归方程中在教科书里面讲的都很多,笔者以前在学习的时候觉得虚拟变量较之方差分析,还有更多惊喜。谢宇老师的《回归分析》书中对虚拟变量做了高度的总结与归纳。虚拟变量回归只能做其他类和参照类的比较。——————————————————————————————————————————1、虚拟变量的设置虚拟变量(哑变量)是一种对名义原创 2016-07-27 16:52:40 · 18699 阅读 · 1 评论 -
R语言︱关联规则+时间因素=序贯关联规则
序贯模型=关联规则+时间因素。了解这个模型可以参考李明老师的《R语言与网站分析 [李明著][机械工业出版社][2014.04][446页]》,第九章,第二节的“序列模型关联分析”。以下贴一个网络中关于序贯模型,R语言的arulesSequences包:转载于网易博客:Tony Woo________________________________________________转载 2016-06-12 14:59:42 · 3590 阅读 · 0 评论 -
R语言︱线性混合模型理论与案例探究(固定效应&随机效应)
线性混合模型与普通的线性模型不同的地方是除了有固定效应外还有随机效应。___________________________________________________________________________________一、线性混合模型理论由两个部分来决定,固定效应部分+随机效应部分。与普通线性回归模型以及广义线性模型原创 2016-06-11 13:31:04 · 117016 阅读 · 7 评论 -
笔记︱精准营销解决方案以及营销组合评估
本笔记来源于CDA-DSC-L2R的课程。主要探讨精准营销的解决方案、营销组合的评估。一、精准营销实际问题充分利用各种技术手段,将营销信息推送到比较准确的受众群体中,从而既节省营销成本,又能起到最大化的营销效果。精准营销的本质是找到自己的目标客户并对其进行营销。精准营销可以解决如下的问题:实现解决方案扩大市场占有率原创 2016-06-10 12:28:07 · 5518 阅读 · 0 评论 -
RFM模型及R语言实现
一、基本概念根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有三个神奇的要素,这三个要素构成了数据分析最好的指标:最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 RFM模型:R(Recency)表示客户最近一次购买的时间有多远,F(Frequency)表示客户在最近一段时间内购买的次数,M (Monetary)表示转载 2016-02-14 13:54:21 · 21942 阅读 · 0 评论 -
R语言实现SOM(自组织映射)模型(三个函数包+代码)
笔者前言:最近发现这个被发明于1982年的方法在如今得到了极为广泛的应用,在提倡深度学习的时候,基于聚类的神经网络方法被众多人青睐。但是呢, 网上貌似木有人贴出关于SOM模型的R语言实现,我就抛砖引玉一下。SOM模型定义与优劣:自组织映射 ( Self Organization Map, SOM )神经网络是较为广泛应用于聚类的神经网络,它是由 Kohonen提出的一种无监督学习的神经元网络模型。主要功能是将输入的 n 维空间数据映射到一个较低的维度 (通常是一维或者二维 )输出 ,同时保持数据原有的拓扑逻原创 2016-02-11 15:42:00 · 23523 阅读 · 5 评论 -
数据解决方案:原力大数据教你如何撰写数据分析报告
转载于原力大数据,作者简介江颖,帷策智能、原力大数据创始人兼CEO,大数据应用实施领域资深专家,中国大数据商业实践先行者。武汉大学管理学硕士,13年大数据研究及应用实践经历,曾任中国移动资深大数据分析专家。对通信运营商、移动互联网、零售、服装、教育等多个行业都有深入的理解和实践经验,积累了大量大数据行业经验和研究成果。 大数据报告根据功能来分,可分为4个常见类型:1. 市场/行业分析:对某一个行转载 2016-12-30 11:05:41 · 4517 阅读 · 0 评论 -
R语言实现关联规则与推荐算法(学习笔记)
R语言实现关联规则笔者前言:以前在网上遇到很多很好的关联规则的案例,最近看到一个更好的,于是便学习一下,写个学习笔记。推荐算法中物品-物品用关联规则;人物-物品用协同过滤;人-人用社会网络分析;特征-物品用预测建模,分类模型。(本总结来自CDA DSC相关课程)关联规则和协同过滤算法关联规则,...原创 2016-02-14 13:43:39 · 19719 阅读 · 1 评论 -
RFM模型+SOM聚类︱离群值筛选问题
笔者寄语:一般情况下离群值不应该直接删除,应该进行筛选,然后进行专门的离群值分析。笔者在这进行一下思考,在聚类基础之上的一种离群点检验。 基于聚类的离群点检测的步骤如下:数据标准化——聚类——求每一类每一指标的均值点——每一类每一指标生成一个矩阵——计算欧式距离——画图判断。1、数据聚类利用RFM客户价值模型,进行SOM(自组织映射神经网络模型),可以参考笔者的博客。原创 2016-04-22 18:16:26 · 6705 阅读 · 0 评论