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 [ログ / アクセス解析]
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。
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。