Análisis de la cadena de Markov

La función estadística de la cadena de Markov usa métodos probabilísticos para asignar crédito en los puntos de contacto publicitarios según su contribución modelada a la probabilidad de que un usuario genere una conversión. El resultado de esta función experimental puede ser útil para asignar crédito a un canal de publicidad, una campaña o cualquier otro punto de contacto determinado, según su contribución modelada a los eventos de conversión

Cómo funciona

La función estadística de la cadena de Markov usa tus datos de publicidad para crear una cadena de Markov, en la que cada vértice del gráfico ordenado representa un punto de contacto y cada arista brinda la probabilidad de desplazarse a ese siguiente punto de contacto, condicional a estar en ese punto de contacto actual. Supone que solo el punto de contacto actual afecta la probabilidad de transición. Luego, para calcular la contribución de cada punto de contacto, se debe quitar el punto de contacto del gráfico y calcular la probabilidad modelada de una conversión ahora que se quitó el punto de contacto.

Nota: El modelo de cadena de Markov solo se puede usar con tablas basadas en transferencia de datos: cm_dt_*, dv360_dt_*.

Restricciones de privacidad

Los puntos de contacto deben incluir 50 o más usuarios que generen conversiones y 50 o más usuarios que no generen conversiones para que los filtros de privacidad no los quiten. Además, se pueden filtrar los usuarios atípicos que contribuyen con una cantidad desproporcionada de crédito a un punto de contacto. Por lo tanto, es posible que al resultado del modelo de cadena de Markov le falten algunos puntos de contacto que se encuentran en la tabla de puntos de contacto de entrada.

Los mensajes de privacidad se muestran después de cada iteración del modelo de cadena de Markov. Estos mensajes incluyen información sobre los usuarios y los puntos de contacto que se filtraron.

Descripción general del cálculo de valores de la cadena de Markov

1. Crea las tablas de puntos de contacto y de crédito:
   1. touchpoint_temp_table.
   2. user_credit_temp_table.
2. Llama a la función con valor de tabla ADH.TOUCHPOINT_ANALYSIS usando las tablas temporales anteriores como argumentos.

Crea las tablas de puntos de contacto y créditos

Crea la tabla de puntos de contacto

En la tabla de puntos de contacto, se definen los eventos de los usuarios relacionados con los puntos de contacto. Los datos de ejemplo pueden incluir, entre otros: campaign_id, creative_id, placement_id o site_id.

Nota: Actualmente, el análisis de la cadena de Markov se limita a un máximo de 150 puntos de contacto.

La tabla debe contener las siguientes columnas:

nombre de la columna	Tipo
touchpoint	string Nombre de punto de contacto arbitrario. (No debe ser NULO ni contener comas).
user_id	string El ID de un usuario que visita el punto de contacto. (No debe ser NULO ni 0).
event_time	int Es la hora en la que el usuario visitó el punto de contacto. (No debe ser NULO).

Precaución: La consulta fallará si la cantidad total de puntos de contacto distintos es mayor que 150 o si no hay una user_id en user_credit_temp_table.

Código de muestra para crear la tabla:

CREATE TABLE touchpoint_temp_table
AS (
  SELECT user_id, event.event_time, CAST(event.site_id AS STRING) AS touchpoint
  FROM adh.cm_dt_impressions
  WHERE
    event.event_type IN ('VIEW')
    AND user_id <> '0'
    AND event.campaign_id IN UNNEST(@campaign_ids)

  UNION ALL

    SELECT
      user_id, event.event_time, CAST(event.site_id AS STRING) AS touchpoint
    FROM adh.cm_dt_clicks
    WHERE
      event.event_type IN ('CLICK')
      AND user_id <> '0'
      AND event.campaign_id IN UNNEST(@campaign_ids)
);

Crea la tabla de créditos del usuario

En la tabla de créditos del usuario, se definen los eventos de conversión. Los eventos que siguen a las conversiones se consideran eventos no de conversión.

La tabla debe contener las siguientes columnas:

nombre de la columna	Tipo
user_id	string El ID de un usuario que visita el punto de contacto. (No debe ser NULO ni 0).
event_time	int La hora en que ocurrió el evento de contribución. (No debe ser NULO).
credit	integer El crédito que aportó el usuario. Puede ser cualquier crédito que quiera analizar. Por ejemplo, el valor de conversión, la cantidad de conversiones, etc. Debe ser un valor entre 1 y 100.

Nota: Si un solo usuario tiene varios eventos de conversión, súbelos como lo harías con cualquier otro evento. Asegúrate de que ningún evento use un par duplicado de user_id y event_time.

Código de muestra para crear la tabla:

CREATE TABLE user_credit_temp_table AS (
  SELECT
    user_id,
    MAX(event.event_time) AS event_time,
    1 AS credit
  FROM adh.cm_dt_activities_attributed
  WHERE user_id <> '0'
    AND event.campaign_id IN UNNEST(@campaign_ids)
    AND DATE(TIMESTAMP_MICROS(event.event_time)) BETWEEN @start_date AND @end_date
    AND event.activity_id IN UNNEST (@activity_ids)
  GROUP BY user_id
);

La función con valor de tabla

La función con valor de tabla es una función que muestra una tabla como resultado. Por lo tanto, puedes consultar la función con valor de la tabla como lo harías con una tabla normal.

Sintaxis

ADH.TOUCHPOINT_ANALYSIS(TABLE touchpoints_tmp_table_name, TABLE credits_tmp_table_name, STRING model_name)

Argumentos

Nombre
touchpoints_tmp_table_name	El nombre de la tabla de puntos de contacto temporales creada por el cliente. La tabla debe tener un esquema que contenga las columnas de touchpoint, user_id y event_time.
credits_tmp_table_name	El nombre de la tabla de créditos de usuarios temporales creada por el cliente. La tabla debe tener un esquema que contenga las columnas user_id, credit y conversion_time.
model	string Debe ser MARKOV_CHAINS.

Tabla de salida

La tabla de salida contendrá el siguiente esquema:

nombre de la columna	Tipo
touchpoint	string Nombre del punto de contacto.
score	integer Se calculó la puntuación de la cadena de Markov para este punto de contacto.

Código de muestra para usar la función con valor de tabla

SELECT *
FROM ADH.TOUCHPOINT_ANALYSIS(
  TABLE tmp.touchpoint_temp_table,
  TABLE tmp.user_credit_temp_table,
  'MARKOV_CHAINS')