数据运营36计(四):互联网广告渠道归因分析之Sharply Value
作者:糖甜甜甜
来源:DataGo数据狗
1. Shapley Value
Shapley Values的原理是基于联合博弈论(coalitional game theory)的理论。Shapley Value的计算公式表达式如下所示:
这里最终计算的值是特征i的重要程度。前面一部分分式表示的是权重, 后面一部分括号内表示的是新增特征i前后的变化值。
2. 互联网广告渠道归因分析
这里直接上例子来解释上面的公式,比如假设有3个渠道:信息流(A),开屏(B),视频(C)。他们的独自投放、两两投放和三个一起投放的效果如下图所标识。现在要求得到每个渠道的贡献比例。
下面,我们来计算,每一个渠道的夏普里值,夏普里值的定义:是在各种可能的联盟次序下,参与者对联盟的边际贡献之和除以各种可能的联盟组合。三个渠道一共有3!即6种可能联盟次序:
A投放后接着投放B形成方案S,B投放后接着投放C形成方案S,即A→B→C
A投放后接着投放C形成方案S,C投放后接着投放B形成方案S,即A→C→B
B投放后接着投放A形成方案S,A投放后接着投放C形成方案S,即B→A→C
B投放后接着投放C形成方案S,C投放后接着投放A形成方案S,即B→C→A
C投放后接着投放A形成方案S,A投放后接着投放B形成方案S,即C→A→B
C投放后接着投放B形成方案S,B投放后接着投放A形成方案S,即C→B→A
对于每一种合作的方式, 我们考虑他们的边际收益, 即某个渠道加入方案执行前后的收益变化。对于每个渠道的贡献度的计算过程如下所示, 我们只是改变了加入的顺序而已。
因此,信息流A的Shapley value为34.17,开屏B的Shapley value为41.67,视频前贴C的Shapley value为24.17。
上面是直接用Shapley value的原理来进行计算,下面我们直接的式子来计算某渠道i加入方案集合S后的边际贡献, 我们需要罗列出S所有的可能性。
我们说一下具体的例子, 比如说我们要计算渠道A的贡献值, 那么所有S可能的集合有:
S为空集,即最先投放渠道A
S中只有一个元素, 可以是B, 或是C,即第二投放渠道A
S中有两个元素, 可以是B+C,即第三投放渠道A
计算A的贡献度时,S集合共有5种可能性。我们要分别计算着5种情况下的边际收益(我们需要注意到的是, 这5种情况不是等可能出现的)。|S|!为投放在A前面的渠道顺序的排列组合,(|F|-|S|-1)!为投放在A后面的渠道顺序排列组合。|F|!为所有投放顺序的排列组合,即|F|!=3!=6。
那么,当S为空集时,即最先投放A,有:
S中只有一个元素, 可以是B, 或是C,即第二投放渠道A,有:
S中有两个元素, 可以是B+C,即第三投放渠道A,有:
那么A的贡献度为34,17,和上面结论一致。
通过上面的例子,公式现在就很好解释了,首先是最先投放A,那么A的贡献度肯定等于单独投放A的效果,再计算最先投放A的概率,即1/3(因为Shapley Value假设的是随机投放每个渠道的概率相等,所以可以使用排列组合计算概率。);然后是第二顺序投放A,那么第一顺序投放B的概率为1/6,那么A的贡献度肯定等于同时投放AB的效果减去单独投放B的效果,即A的贡献度为投放AB时在B基础上的增量(C同理);最后第三顺序投放A,那么前面有BC和CB两种,那么这种情况出现的概率为1/3,那么A的贡献度肯定等于同时投放ABC的效果减去同时投放BC的效果。最后将三种情况合计起来即可得到A的贡献度。
◆ ◆ ◆ ◆ ◆
长按二维码关注我们
数据森麟公众号的交流群已经建立,许多小伙伴已经加入其中,感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容,还没有加入的小伙伴可以扫描下方管理员二维码,进群前一定要关注公众号奥,关注后让管理员帮忙拉进群,期待大家的加入。
管理员二维码:
猜你喜欢
● 笑死人不偿命的知乎沙雕问题排行榜
● 用Python扒出B站那些“惊为天人”的阿婆主!
● 全球股市跳水大战,谁最坑爹!
● 华农兄弟、徐大Sao&李子柒?谁才是B站美食区的最强王者?
● 你相信逛B站也能学编程吗
数据运营36计(四):互联网广告渠道归因分析之Sharply Value相关推荐
- 【干货】社交电商精细化运营36计.pdf(附下载链接)
大家好,我是文文(微信:sscbg2020),今天给大家分享有赞发布的干货文档<社交电商精细化运营36计.pdf>,社交电商赛道及做运营的伙伴们可以重点参考下. 本文档从推广获客.成交转化 ...
- 八步构建跨渠道归因分析
原文参考:Multichannel Attribution: How to Measure the Unmeasurable 原文作者:Mariia Bocheva 译文作者:Judy 最简单好理解的 ...
- 为什么你的用户转化率不高?-- 新媒体运营转化效果渠道归因分析
新媒体运营人最关注的就是流量和用户转化问题.公司发布了新APP.上线了新网站项目,进行用户定位.策划.数据分析和内容营销,花重钱做产品推广,但最后用户转化率却不高,大批用户流失了......这种现象是 ...
- 「实在RPA学院」电商运营36计:企微批量自动加好友
越来越多的人开始接触RPA(机器人流程自动化),但是在上手时却经常会遇到这样那样的问题,而实在智能致力于打造人人都能上手的RPA工具,今天实在小编就来手把手教大家如何轻松搭建流程,实现高效工作! 我们 ...
- 《SEM运营36计》第7计:无中生有
第7计-无中生有 无中生有是运用假象欺骗对方,但并非一假到底,而是让对方把假象当成真象. 在网络营销中也是运用比较多的招式.它和声东击西有异曲同工之处.目的都是通过假象来迷惑敌人.让敌人傻傻分不清楚. ...
- 《SEM运营36计》第10计:笑里藏刀
兵书云:"辞卑而益备者,进也;--无约而请和者,谋也."故凡敌人之巧言令色,皆杀机之外露也. 按语让我想起来一句话:无事献殷勤,非奸即盗.而笑里藏刀最重要的就是通过伪装自己去&qu ...
- 互联网广告类型的分析--摩天楼广告【2】
Skyscraper ad(摩天楼广告,也有叫做擎天柱广告),也叫做Sidebar ad. 摩天楼广告的特点是一般出现在右侧,垂直位置的广告,宽度有限,但高度很高. 由于其高度的特性,并且互联网网页在 ...
- 互联网广告类型的分析--通栏广告【1】
Spread Ad(通栏广告)也叫做横幅广告. 通栏广告主要服务于两种类型:品牌化(brainding)和直销(direct sales).品牌化的目的在商业上希望取得特别的名气上的优势,对消费者未来 ...
- 数据分析36计(13):中介模型利用问卷数据探究用户心理过程,产品优化思路来源...
往期系列原创文章集锦: 数据分析36计(12):做不了AB测试,如何量化评估营销.产品改版等对业务的效果 数据分析36计(11):如何用贝叶斯概率准确提供业务方营销转化率 数据分析36计(十):Fac ...
最新文章
- Oracle exp/imp导出导入工具的使用
- python服务器查看文件更改记录,Python记录到同一文件,不同用户
- linux-文件的查找-find
- C语言学习笔记---时间函数clock()和time()
- 【报告分享】2020快手短视频直播电商营销增长宝典.pdf(附下载链接)
- 搜集访问网页历史记录软件_微软宣布OneDrive版本历史记录功能抵达Win10和macOS客户端版...
- mongodb mac安装_在Mac OS X上安装MongoDB
- 拓端tecdat|R语言分位数回归预测筛选有上升潜力的股票
- Java毕设项目在线购书商城系统计算机(附源码+系统+数据库+LW)
- HTML网上商城后台图片模板,网上购物商城前后台完整模板
- ① 数据库介绍 及 关系型数据库的关系代数表达式
- 虚拟机VirtualBox中Ubuntu和windows共享文件夹访问权限问题
- android lame wav 转 mp3,Wav文件转mp3(LAME)
- 深入理解各种图片格式
- 【想法】滴滴更新迭代功能
- 曝 OPPO 给离职员工补发年终奖,此前遭克扣
- cvs配电保护断路器_施耐德CVS系列热磁式保护断路器三段保护断路器
- php中常用的输出语句及其区别
- console的常用方法
- 关于KDD99入侵检测数据集的FAQ
热门文章
- triplet loss损失函数
- bert tokenizer
- Linux改变文件的所有组和所有者命令
- 最大相位裕度时求参数值的方法
- linux dd新建虚拟硬盘,使用 losetup 帮你创建虚拟磁盘
- WPF 控件【L】ListView(一) ListView如何实现单行SelectedItem或多行SelectedItems的绑定
- IntelliJ IDEA配置javac命令
- Kindle 的一些网站
- /opt/hbase/conf 中不能启动hbase_1台笔记本 vs 1个Hbase集群 AbutionGraph+Flink性能测试...
- 计算机网络无权限,无法访问您可能没有权限使用网络资源