近年来，购物发生了翻天覆地的变化。如今，消息灵通的客户在投资任何项目之前都会进行研究，并且只有在通过多种渠道和网站获得最优惠的价格后才会进行在线购买。然而，这使得营销人员很难在做出有意识的选择之前正确地确定客户接触了多少营销渠道。如果我们确定客户在购买他们喜欢的产品之前所采用的渠道路径，我们可以使用渠道归因模型来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：最后点击转化和辅助转化。在本文中，我将向您展示如何使用Python构建多渠道归因模型，然后可以使用该模型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，首先快速了解一些传统电子商务归因模型会很有帮助。随着客户变得更加注重研究并更愿意在沉迷于产品之前探索所有渠道，营销机构使用营销归因模型来跟踪影响客户购买的渠道：FirstTouchAttributionModel-FirstChanneltoAcquire100%creditbecauseitis被认为是负责客户购买决策的第一个营销渠道。最后接触归因模型-最后一个渠道或最后一个接触点在此模型中获得100%的信任，因为最后一个接触的营销渠道被认为对客户的购买选择负责。线性接触归因模型——在这个归因模型中，客户旅程中存在的所有营销渠道都被赋予同等的信用。每个渠道都被视为同样影响客户的购买选择。U形或浴缸归因模型-此模型将40%分配给第一个和最后一个渠道，将20%平均分配给其余渠道。此渠道在电子商务公司中最为常见。显然，每种模型都可以提供对客户行为的不同见解。具体细节在某种程度上取决于所讨论的业务，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环境中什么最有效。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。用于构建多渠道归因模型的Python代码让我们采用以下数据集。在专栏中，我们有参与活动，我们有持续的参与渠道。该数据集按时间顺序保存。我们为每个营销渠道分配了一个固定的数值，并以这样的方式显示它们，即在x列中，x次参与是从具有相应营销渠道的用户那里获得的。我们已经转换了通道21中的数据。因此，数据集包含用户转化历程。让我们通过导入必要的库来迈出第一步。在这里，您必须导入用于数据操作的Pandas库、用于数据分析的Seaborn库、用于数据可视化的Matplotlib库以及用于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()函数执行此操作。现在，您需要使用df.columns来获取列列表。完成后，您可以遍历该列以将所有整数更改为字符串。之后，必须清理数据点。这里需要一个马尔可夫链框架；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遍>第二遍>第三遍等。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，我们需要将这条通道与原来的路径分开。之后，您必须创建另一个转换变量来保存成功转换的次数。以下代码块将执行此操作。恭喜，您已经完成了数据操作过程！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，因为许多用户可能会经历相同的旅程。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文件运行归因方法。现在，您有两个选择。首先是使用pip安装频道归属模块。要安装此模块，只需转到您的终端，然后编写以下内容：pipinstall--upgradesetuptoolsspipinstallCythonpipinstallChannelAttribution第二个选项是在Python中自己创建马尔可夫网络/链。尽管如此，将Python代码与R编程语言中的“ChannelAttribute”库集成起来会更快。该库包含用于频道归属的所有可执行组件。您可以使用Python库子进程来执行此操作。如果你想计算首次触摸归因，下面的代码块将帮助你。与首次触摸类似，您也可以计算最后一次触摸的归因。以下代码块将执行此操作。另外，如果需要计算线性插补，可以运行下面这段代码。您现在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。品牌现在可以捕获和分析他们需要的数据，因为这有助于他们根据客户洞察改进营销策略。然而，在实施数据驱动的归因模型时，您可能会面临各种挑战。其中包括：采取行动或获得洞察力之间的两难抉择可能是您将面临的根本挑战。你总是想添加一个新的数据点，这会给你更多的见解。它可能导致缓慢的改进和升级。有多种可用的归因模型。因此，您需要从各种选项中进行选择。在大多数情况下，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。您会找到多种工具来完成此操作。但是您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。您需要整合线下和线上接触点以获得正确的客户洞察。因此，您可能面临许多挑战，例如准确记录客户洞察、为每个接触点识别唯一键、影响问题等。每种情况都需要独特的解决方案。分析问题需要耐心，才能得出最佳解决方案。每个公司可能有不同的要求，需要团队成员之间的良好协调和同步才能满足特定需求。在任何时候都不要放弃，这将引导您实现最终目标。进行较小的改进总有一天会让您取得巨大的成功，因此请保持热情并以积极的心态和乐观的态度应对每一个挑战。知识就是力量在本文中，我向您展示了如何使用Python制作多渠道归因模型。如您所见，当今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：了解客户旅程可为您提供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。
