如何使用Python制作多渠道归因模型

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。

成都创新互联公司主要从事网站建设、网站设计、网页设计、企业做网站、公司建网站等业务。立足成都服务青白江,10余年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:028-86922220

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。

实施数据驱动归因模型的挑战

领先的营销人员依赖数据驱动的归因模型，因为它可以有效地确定接触点对客户旅程的影响。品牌现在可以获取他们需要的数据并进行分析，因为这有助于他们根据客户洞察改进营销策略。

但是，在实施数据驱动的归因模型时，您可能会面临各种挑战。这些包括：

• 采取行动或获得洞察力之间的两难选择可能是您将面临的根本挑战。您将始终希望添加一个新的数据点，这将为您提供更多见解。它可能会导致缓慢的改进和升级。
• 有各种可用的归因模型。因此，您需要从各种选项中进行选择。大多数情况下，特定的归因模型会带来优化的结果。因此，找到完美的模型具有挑战性，需要更多的研究。
• 你会发现各种工具来实现。但是你需要选择完美的组合。您的团队必须知识渊博，才能克服这一挑战。
• 您需要整合离线和在线接触点，以获得正确的客户洞察力。因此，您可能会面临许多挑战，例如准确记录客户洞察、识别每个接触点的唯一键、影响问题等。

每种情况都需要一个独特的解决方案。需要耐心分析问题以提出最佳解决方案。每个公司可能有不同的要求，团队成员之间需要出色的协调和同步来满足特定需求。

在任何时候不放弃都会引导你达到你的最终目标。提出较小的改进总有一天会让你取得巨大的成功，所以要保持热情，以积极的心态和乐观的观点面对每一个挑战。

知识就是力量

在这篇文章中，我向您展示了如何使用 Python 制作多渠道归因模型。如您所见，目前使用的电子商务归因模型有很多种，每种模型都有自己的特点。

此外，使用数据驱动的归因模型涉及某些挑战，从采取行动或获得洞察力之间的两难选择，到您必须做出的各种选择。

尽管如此，知识就是力量：了解客户旅程为您提供了采取适当行动的资源。希望这篇文章能为您的知识提供最好的结果，并很好地服务于您的目的。

当前题目：如何使用Python制作多渠道归因模型
标题URL：http://www.mswzjz.cn/qtweb/news43/54143.html

攀枝花网站建设、攀枝花网站运维推广公司-贝锐智能，是专注品牌与效果的网络营销公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 贝锐智能