Анализ ценности Шепли

Метод оценки Шепли — это алгоритм, который присваивает ценность многочисленным рекламным каналам и точкам взаимодействия на основе их смоделированного вклада в конверсию. Используя метод значений Шепли, вы можете смоделировать вклад конкретного канала в конверсию.

Ads Data Hub использует «Упрощенный метод оценки Шепли», подробно описанный в статье «Методы оценки Шепли для моделирования атрибуции в интернет-рекламе» .

Примечание. Модель значений Шепли можно использовать только с таблицами на основе передачи данных: cm_dt_* , dv360_dt_* .

Ограничения конфиденциальности

Фильтры конфиденциальности удаляют точки взаимодействия с числом пользователей менее 50 и посторонние пользователи, которые вносят непропорционально большую ценность в точку взаимодействия. Таким образом, в выходных данных модели ценностей Шепли могут отсутствовать некоторые точки соприкосновения, которые есть во входной таблице точек соприкосновения.

Сообщения о конфиденциальности отображаются после каждой итерации модели ценности Шепли. Эти сообщения включают информацию о пользователях и точках взаимодействия, которые были отфильтрованы.

Обзор расчета значений Шепли

1. Создайте таблицы Touchpoint и Credit:
   1. touchpoint_temp_table .
   2. user_credit_temp_table .
2. Вызовите табличную функцию ADH.TOUCHPOINT_ANALYSIS , используя приведенные выше временные таблицы в качестве аргументов.

Создайте таблицы Touchpoint и Credit Tables.

Создайте таблицу точек взаимодействия

В таблице точек взаимодействия определяются пользовательские события, связанные с точками взаимодействия. Примеры данных могут включать, помимо прочего, campaign_id , creative_id , placement_id или site_id .

Примечание. Анализ значений Шепли в настоящее время ограничен максимум 150 точками взаимодействия.

Таблица должна содержать следующие столбцы:

Имя столбца	Тип
touchpoint	string Произвольное имя точки взаимодействия. (Не должно быть NULL или содержать запятые.)
user_id	string Идентификатор пользователя, который посещает точку взаимодействия. (Не должно быть NULL или 0.)
event_time	int Время, когда пользователь посетил точку взаимодействия. (Не должно быть NULL.)

Внимание: запрос завершится неудачей, если общее количество различных точек взаимодействия превышает 150 или если user_id отсутствует в user_credit_temp_table .

Пример кода для создания таблицы:

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)
);

Создайте кредитную таблицу пользователя

В таблице кредитоспособности пользователя определяются события конверсии. Для каждого пользователя учитываются только события с отметкой времени, предшествовавшие конверсии.

Таблица должна содержать следующие столбцы:

Имя столбца	Тип
user_id	string Идентификатор пользователя, который посещает точку взаимодействия. (Не должно быть NULL или 0.)
event_time	int Время, когда произошло событие вклада. (Не должно быть NULL.)
credit	integer Кредит, внесенный пользователем. Это может быть любой кредит, который хотелось бы проанализировать. Например, ценность конверсии, количество конверсий и т. д. Оно должно быть в диапазоне от 1 до 100.

Примечание. Если у одного пользователя есть несколько событий-конверсий, загрузите их так же, как и любые другие события. Убедитесь, что никакие события не используют повторяющуюся пару user_id и event_time .

Пример кода для создания таблицы:

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
);

Табличная функция

Функция с табличным значением — это функция, которая в результате возвращает таблицу. Таким образом, вы можете запросить функцию, возвращающую табличное значение, как и обычную таблицу.

Синтаксис

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

Аргументы

Имя
touchpoints_tmp_table_name	Имя созданной клиентом таблицы временных точек взаимодействия. Таблица должна иметь схему, содержащую столбцы touchpoint , user_id и event_time .
credits_tmp_table_name	Имя таблицы кредитов временных пользователей, созданной клиентом. Таблица должна иметь схему, содержащую столбцы user_id , credit и conversion_time .
model	string Должно быть SHAPLEY_VALUES.

Выходная таблица

Выходная таблица будет содержать следующую схему:

Имя столбца	Тип
touchpoint	string Имя точки контакта.
score	integer Рассчитана оценка значения Шепли для этой точки взаимодействия.

Пример кода для использования табличной функции

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