数理計画を使ったアトリビューションのシミュレーション

データ解析コンペの成果報告会でアトリビューションについて報告しました。
少し学会用の内容振り切っていましたが、実は、あれがベストだとは思っていません。

計算結果を見て、気がついた人もいるかと思いますが、Last Adに近い内容になっています。
他のデータを使ってもLast Adに近い結果になります。

考えてみれば当然で、キーワードの数って多いので、その遷移確率は小さいものになります。
遷移確率が小さいってことは、割り振られる貢献度も低い。
アシストに若干貢献度が移動する程度って考えた方が良いです。

今回のデータは、会員のデータなので出来なかったのですが、、、
では、何が理想か？を考えました。

本当のFirst Ad（サイトに初接触）
↓
購入時の商品を認知する（商品に初接触）
↓
購入のひとつ前（アシスト）
↓
購入する（アクション）

の4つに絞ります。

ここで、全部同じ軸でみようとすると、なんだかわけが分からなくなってしまいます。
また、アシストってのも、微妙な感じなので、思いきって無視！

すると、
・本当のFirst Ad（サイトに初接触）
と
・購入時の商品を認知する（商品に初接触）
・購入する（アクション）
に分けることができます。

・本当のFirst Ad（サイトに初接触）
⇒ こちらは、新規を獲得するという目的

・購入時の商品を認知する（商品に初接触）
・購入する（アクション）
⇒ こちらは、アクションというのが目的

この2つの軸のうち、新規を制約条件とし、数理計画として解いてはどうか？

そして、
・購入時の商品を認知する（商品に初接触）
・購入する（アクション）
の比率を 0 < α < 1 で変化をさせて、売り上げやリスクがどう変化していくのか？をシミュレーションしていく。

こんなアプローチって良いんじゃないかな？って最近思っています。