Analisis rantai Markov

Fungsi statistik rantai Markov menggunakan metode probabilistik untuk menetapkan kredit di seluruh poin kontak iklan berdasarkan kontribusi modelnya terhadap kemungkinan pengguna untuk melakukan konversi. Output fungsi eksperimental ini dapat berguna dalam menetapkan kredit ke saluran iklan, kampanye, atau poin kontak lainnya, berdasarkan kontribusi modelnya terhadap peristiwa konversi

Cara kerjanya

Fungsi statistik rantai Markov menggunakan data iklan Anda untuk membuat rantai Markov, dengan setiap vertex dalam grafik yang diurutkan mewakili poin kontak dan setiap edge memberikan probabilitas untuk berpindah ke poin kontak berikutnya, dengan kondisi berada di poin kontak saat ini. Model ini mengasumsikan bahwa hanya poin kontak saat ini yang memengaruhi probabilitas transisi. Kontribusi setiap poin kontak kemudian dihitung dengan menghapus poin kontak dari grafik, dan menghitung probabilitas konversi yang dimodelkan setelah poin kontak dihapus.

Catatan: Model rantai Markov hanya dapat digunakan dengan tabel berbasis Transfer Data: cm_dt_*, dv360_dt_*.

Batasan privasi

Titik kontak harus menyertakan 50 pengguna yang melakukan konversi atau lebih dan 50 pengguna yang tidak melakukan konversi atau lebih agar tidak dihapus oleh filter privasi. Selain itu, pengguna outlier yang berkontribusi pada jumlah kredit yang tidak proporsional ke titik kontak dapat difilter. Dengan demikian, output dari model rantai Markov mungkin tidak memiliki beberapa poin kontak yang ada di tabel poin kontak input.

Pesan privasi ditampilkan setelah setiap iterasi model rantai Markov. Pesan ini menyertakan informasi tentang pengguna dan poin kontak yang difilter.

Ringkasan komputasi nilai rantai Markov

1. Buat tabel poin kontak dan kredit:
   1. touchpoint_temp_table.
   2. user_credit_temp_table.
2. Panggil fungsi nilai tabel ADH.TOUCHPOINT_ANALYSIS menggunakan tabel sementara di atas sebagai argumen.

Membuat tabel poin kontak dan kredit

Membuat tabel poin kontak

Tabel poin kontak adalah tempat peristiwa pengguna yang terkait dengan poin kontak ditentukan. Contoh data dapat mencakup, tetapi tidak terbatas pada: campaign_id , creative_id, placement_id, atau site_id.

Catatan: Analisis rantai Markov saat ini dibatasi hingga maksimum 150 poin kontak.

Tabel harus berisi kolom berikut:

Nama kolom	Jenis
touchpoint	string Nama titik kontak arbitrer. (Tidak boleh NULL atau berisi koma.)
user_id	string ID pengguna yang mengunjungi poin kontak. (Tidak boleh NULL atau 0.)
event_time	int Waktu pengguna mengunjungi poin kontak. (Tidak boleh NULL.)

Perhatian: Kueri akan gagal jika jumlah total poin kontak yang berbeda lebih besar dari 150, atau jika user_id tidak ada di user_credit_temp_table.

Kode contoh untuk membuat tabel:

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)
);

Membuat tabel kredit pengguna

Tabel kredit pengguna adalah tempat peristiwa konversi ditentukan. Peristiwa yang mengikuti konversi dianggap sebagai peristiwa non-konversi.

Tabel harus berisi kolom berikut:

Nama kolom	Jenis
user_id	string ID pengguna yang mengunjungi poin kontak. (Tidak boleh NULL atau 0.)
event_time	int Waktu saat peristiwa kontribusi terjadi. (Tidak boleh NULL.)
credit	integer Kredit yang disumbangkan oleh pengguna. Ini dapat berupa kredit apa pun yang ingin dianalisis. Misalnya, nilai konversi, jumlah konversi, dll. Nilainya harus antara 1 dan 100.

Catatan: Jika satu pengguna memiliki beberapa peristiwa konversi, upload peristiwa tersebut seperti peristiwa lainnya. Pastikan tidak ada peristiwa yang menggunakan pasangan user_id dan event_time duplikat.

Kode contoh untuk membuat tabel:

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
);

Fungsi bernilai tabel

Fungsi bernilai tabel adalah fungsi yang menampilkan tabel sebagai hasilnya. Dengan demikian, Anda dapat membuat kueri fungsi nilai tabel seperti halnya tabel normal.

Sintaksis

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

Argumen

Nama
touchpoints_tmp_table_name	Nama tabel titik sentuh sementara yang dibuat klien. Tabel harus memiliki skema yang berisi kolom touchpoint, user_id, dan event_time.
credits_tmp_table_name	Nama untuk tabel kredit pengguna sementara yang dibuat klien. Tabel harus memiliki skema yang berisi kolom user_id, credit, dan conversion_time.
model	string Harus berupa MARKOV_CHAINS.

Tabel output

Tabel output akan berisi skema berikut:

Nama kolom	Jenis
touchpoint	string Nama poin kontak.
score	integer Skor rantai Markov yang dihitung untuk poin kontak ini.

Contoh kode untuk menggunakan fungsi nilai tabel

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