转换属性的时间衰减公式

Question

问题：

在转换之前，web分析包用于在与用户关联的多个会话之间分配信用的时间衰减公式是什么？

上下文：

像Google analytics这样的所有网络分析软件包都依赖于以下概念：

1. 用户访问者(独特的烹饪浏览器)。用户有很多..。
2. 会议访问(接近时间内的网页浏览集)。
3. 转换一个成功的事件，如在会话期间可能发生的注册。

这些分析包允许您在前面的所有会话中分配单个转换的信用，因为每个会话都在引导用户进行转换方面发挥了作用。这样的模型之一是时间衰减，它使转换后更远的会话的信贷份额减少。

时间衰减视觉：(第一次会议)▁▂▃▅▆(转换)

关于归因模型的更多信息。

样本数据：

我假设所需的数据如下：

• n -用户在转换前的会话总数
• t -从用户的第一次会话到转换的总持续时间
• tbc -每个会话转换前的单个时间

因此，对于三个不同的示例用户，数据可能如下所示：

UserID n t Session# Timestamp TBC Conversion in session? User1 4 12 1 2015-10-01 12 No User1 4 12 2 2015-10-06 7 No User1 4 12 3 2015-10-11 2 No User1 4 12 4 2015-10-13 0 YES User2 3 4 1 2015-10-09 4 No User2 3 4 2 2015-10-09 4 No User2 3 4 3 2015-10-13 0 YES User3 1 0 1 2015-10-14 0 YES

Answer 1

这里有一个解决方案：

使用下列数据：

用户级别：

• fss第一会话开始(时间戳)-该用户第一次会话的第一页查看时间
• css转换会话开始(时间戳)-用户转换的会话的第一页视图的时间
• ns会话数(int) -用户转换前的会话总数

SESSION-LEVEL:

• ss会话开始(时间戳)-会话中第一次页面查看的时间戳

公式:为每一届会议计算

1. 对于第一次会议:归因信用只是线性的：_(或者你想做的任何事情)_

1. 所有其他会议：
   • 首先计算所有会话“转换前的时间”之和:

- Then Calculate the credit for each session:  

它并不完美，因为它根据会话在用户生命周期中的相对位置分配信用。理想情况下，你有一个预设的半衰期(比如7天)，这样比较就更一致了。