Решаем проблему атрибуции в digital-маркетинге при помощи машинного обучения
Кажется очевидным: маркетологи должны знать, какие из их маркетинговых инвестиций действительно сработали. Однако сделать это на практике оказывается не всегда так просто, как это звучит. Вот почему рекламная «атрибуция» становится все более незаменимой для успешной работы маркетинговых команд.
Привет! Классная статья, спасибо за новое виденье подхода к аттрибуциям. Но есть несколько вопросов:
1) Получается модель обучается на сущностях из пользователей, у которых в фичах отражается вся их история с начала появления на сайте: сколько было сессий, какие события и в каком количестве были отправлены, сколько проходило времени между сессиями, Соц. Дем, Гео, платформа девайса итд. В Лейблы, соответственно, - оставил пользователь заявку или нет (Нет - например, если он не оставил еще заявку и не появлялся ни разу на сайте уже месяца 3).
Таким образом, модель оценивает количество «полезных» действий в каждой сессии; такой лидскоринг во имя аттрибуции:)
Так?
2) Помимо логистической регрессии ещё используете какие-нибудь модели?
1) Так
2) Использовали, но перестали. Это как из пушки по мухам стрелять.