归因方法梳理

一、有点道道的归因

1、马尔可夫归因

马尔可夫归因的主要思想是移除效应：对于一个因子，有我参与的结果和没有我参与的结果的差别，也就是边际增益或边际效应。举个不新鲜的例子：

对于C1，有C1参与时，有两条转化路径：start-C1-C2-C3-conv，以及start-C2-C3-conv。所以

P（conv|有C1） = P（start-C1-C2-C3-conv） +P（start-C2-C3-conv）

=0.667*0.5*1*0.5  + 0.33*1*0.5 = 0.33

没有C1参与时，有一条转化路径：start-C2-C3-conv。所以

P（conv|没有C1） =P（start-C2-C3-conv）

=0.33*1*0.5 = 0.167

所以C1的移除效应为：1-P（conv|没有C1）/P（conv|有C1） = 1-0.167/0.33 = 0.5。

同理计算C2的移除效应为：1，C3的移除效应为：1。

最后得C1的贡献值为0.5/（0.5+1+1） = 0.2，C2的贡献值为1/（0.5+1+1） = 0.4，C3的贡献值为1/（0.5+1+1） = 0.4。

马尔可夫归因要求能够画出转化路径图（有向无环图）。

2、Shapley Value 夏普利值

Shapley Value的主要思想也是边际贡献，但它依靠的不是转化路径图，而是各种因子组合的效应。直接上公式吧（别打头，后面的例子就说明白了）：

2.1举个不新鲜的例子（考虑组合内部因子的先后顺序）：

由于考虑的顺序，所以各个联盟出现的概率相同，权重也就相同，所以就没考虑权重项。

2.2 再举个不新鲜的例子（不考虑组合内部因子的先后顺序）：

甲、乙、丙三人合作经商。倘若甲、乙合作可获利7万元，甲、丙合作可获利5万元，乙、丙合作可获利4万元，三人合作则获利11万元，每人单干各获利1万元。

问三人合作时，如何分配获利?

以计算甲的 Shapley Value为例：

包含联盟	{甲}	{甲、乙}	{甲、丙}	{甲、乙、丙}
v{s}	1	7	5	11
v(s∖{i})	0	1	1	4
v(s)−v(s∖{i})	1	6	4	7
|s|联盟的个数	1	2	2	3
权重系数	0!2!/3!=2/6	1!1!/3!=1/6	1!1!/3!=1/6	2!0!/3!=2/6
	2/6*1=0.33	1/6*6=1	1/6*4=0.66	2/6*7=2.33

所以甲的 Shapley Value等于：0.33+1+0.66+2.33=4.33

同理计算乙、丙的Shapley Value为3.83、2.83。
 

Shapley Value要求有每种联盟组合的贡献值作为计算输入。

3、Robyn

Robyn是 Facebook Marketing Science 的实验性、自动化和开源营销组合建模 (MMM) 代码。从模型公式中可以看出它是一个加法模型，主要包含S曲线、Prophet（节假日、季节、趋势）因子、其他因子（如促销活动等）等组件。其中S曲线主要考虑广告影响衰减、收益递减模式。

广告影响衰减反映了广告效果在初次曝光后会滞后和衰减的理论：并不是所有的广告效果都能立即感受到——记忆力会增强，人们有时会推迟行动——这种意识会随着时间的推移而减弱。

收益递减理论认为，每增加一个广告单位，响应就会增加，但速度会下降。

此外，Robyn还应用了很多计算技术，如带交叉验证的岭回归、用于超参数优化的多目标进化算法、用于预算分配的基于梯度的优化等。

Robyn的主要作用在于分解出各个组件，包括渠道曝光、渠道触达、节假日、季节、趋势以及其他因子对因变量（一般为收入或转化）的贡献度，进一步可以计算最优的渠道预算分配。

使用Robyn的要点是理解各个组件，恰当使用各个参数。

4、特征重要度

在机器学习模型中，特征的重要度在一定程度上也可以理解为归因分析，越重要的特征贡献越大嘛。特征重要度的分析方法有

4.1 树模型直接输出特征重要度（根据增益或分裂次数）

4.2 线性模型的系数

4.3 Permutation Importance。将特征随机重排后，模型表现评分的下降程度。

4.4 删除特征，模型表现评分的下降程度。

4.5 SHAP，可以量化每个特征对预测的贡献程度，但复杂度很高不具备实用价值。

二、简单粗暴的归因

1、首次触点归因
2、末次触点归因
3、线性归因
4、位置归因
5、时间衰减归因

不详细说了，资料很多。

三、规整的归因

因果图、结构方程模型等。考虑混杂、因果结构、do算子、后门准则、前门准则、工具变量等因果概念的方法。

为什么：关于因果关系的新科学 The Book of Why.pdf

链接：https://pan.baidu.com/s/1Z-gp0xLLj9Ia0z_atCJSjQ 

参考博客：

https://blog.csdn.net/weixin_43578061/article/details/131500280

夏普利值：看诺奖获得者提出的广告效果归因分析新思路-鸟哥笔记

Robyn MMM2.0 - Facebook Marketing Science（R）市场营销-广告投放_robyn包 安装-CSDN博客