- 综合排序
- 最热优先
- 最新优先
Token计量与费用归因体系设计
根因二：缺少多维度归因能力一个Token消耗背后涉及多个维度：哪个部门？市场部还是研发部？哪个项目？A项目还是B项目？哪个场景？客服还是文案？哪个用户？张三还是李四？ 要点三：计量数据分层存储热存储（最近7天）：实时查询，用于监控和告警温存储（最近90天）：日常报表和分析冷存储（90天以上）：合规审计和长期趋势分析四、费用归因模型设计有了计量数据后，需要建立归因模型， 归因维度设计：归因标签的传递链路：业务系统发起调用时，在请求头中携带归因标签：AI网关接收请求，提取标签，与调用记录关联存储。计量系统按标签维度聚合成本，生成多维度报表。 归因查询示例（纯文本格式）：查询1：市场部本月花了多少Token？查询2：按场景分布（客服 vs 文案 vs 代码）查询3：哪个用户调用最频繁？查询4：GPT-4 vs Claude，哪个性价比更高？ 计量跑通后，再逐步增加归因标签。第二步：选一个业务线试点选一个业务场景（如内部智能客服），先跑通“计量→归因→报表”的闭环。验证效果后再横向推广。
37710编辑于 2026-05-12Token 计量与费用归因体系的设计
成本差异完全不透明· 多项目共用 Key：研发、运营、客服都在用同一套 API，无法拆分到各业务线· 用量行为难预测：某个员工突然开始用 AI 批量处理数据，当月成本暴增，事后才发现· 模型价格不一致：GPT-4o 和 GPT-4o-mini 单价差 20 倍，但用户选择模型往往没有约束二、计量体系的设计2.1 归因维度要做有意义的费用报告，至少需要以下几个归因维度：计量记录（每次 LLM 调用）：{ 'timestamp ': '2026-03-15T10:23:45Z', 'model': 'gpt-4o', 'input_tokens': 1240, 'output_tokens': 380, 'cost_usd ，返回预定义的错误· 动态调额：支持临时申请额度提升，走审批流后生效三、成本可视化报告应该包含什么一份有用的 AI 费用报告，不只是「花了多少钱」，而是帮助管理者做判断：· 按部门分布：哪个部门用得多 建立归因体系后，通常在 1-2 个月内就能识别出主要的成本浪费点。ZGI（zgi.cn）的费用管控模块提供了从计量、归因到预算预警的完整体系，支持按部门独立预算管理。
81610编辑于 2026-03-26- 来自专栏HsuHeinrich
渠道归因（一）传统渠道归因
说到渠道归因，那最容易想到的就是传统的渠道归因，这种方法一般是基于业务决策的。 首次归因：首次点击渠道赋予全部转化 末次归因：末次点击渠道赋予全部转化 线性（平均）归因：每个渠道均分转化 位置归因：自定义位置的权重，一般首位占50%，其余为0 时间衰减归因：距离转化的时间越短的渠道 iota 2 3.195 6 2 alpha > iota > alpha > alpha > alpha > iota > ... 2 6.754 6 3 beta > eta 1 2.402 3 4 7377.5 1 beta 1910.0 2 delta 3.0 3 epsilon 315.0 4 eta 3665.5 5 gamma 128.5 6 iota 3980.5 7 kappa 152.0 laps_touch laps_touch_conversions 0 alpha 0.300000 1 beta 1.333333 2 eta 2.833333 3 iota 13.033333 4
77320编辑于 2023-08-10 - 来自专栏HsuHeinrich
渠道归因（三）基于Shapley Value的渠道归因
渠道归因（三）基于Shapley Value的渠道归因 通过Shapley Value可以计算每个渠道的贡献权重，而且沙普利值的计算只需要参加的渠道总数，不考虑顺序，因此计算成本也较低。 pd import matplotlib.pyplot as plt import seaborn as sns 本文所有数据如果有需要的同学可关注公众号HsuHeinrich，回复【数据挖掘-渠道归因 0 Email 110 1 Email,Facebook 11 2 Email,Facebook,House Ads 8 3 Email,Facebook,House Ads,Instagram 0 4 3, 5, 10, 8, 6, 8, 13, 20], [2, 1, 9, 10, 1, 4, 3], [9, 13, 20, 16, 15], [8, 15, 20], [16, 9, 13 总结 日常业务中，可以结合多个方法看一下归因的差异。
89020编辑于 2023-08-10 - 来自专栏素质云笔记
多渠道归因分析（Attribution）：传统归因（一）
4 归因分析的服务商 1 zoho CRM —— 营销归因 2 Google Attribution 360使用 3 VisualIQ 4 Convertro 5 归因分析的一些案例 5.1 亚马逊广告归因 4 归因分析的服务商 1 zoho CRM —— 营销归因 https://www.zoho.com.cn/crm/help/automation/marketing-attribution.html 4 Convertro Convertro 主要利用数据分析，帮助营销人员了解哪些类型的广告导致了客户的购买。AOL与2014年收购了这家公司，收购时间与谷歌收购Adometry非常接近。 4 当前归因的触点是广告平台提供的，归因的核心逻辑在广告主后台里，因此广告主有可操作的空间，至少可以将要求媒体对应的广告平台将点击触点 和 曝光触点区分出来后回传给广告主做效果统计和归因精细化分析 参考文献 1 互联网广告的归因分析(Attribution Analysis) 2 2.3、流量的高级分析与流量渠道的协同：归因和归分析型 3 【科普】深度解析亚马逊广告归因（含案例解析） 4 【数据分析思维
3.1K43编辑于 2021-12-07 - 来自专栏HsuHeinrich
渠道归因（二）基于马尔可夫链的渠道归因
渠道归因（二）基于马尔可夫链的渠道归因 在应用当中，序列中的每个点通常映射为一个广告触点，每个触点都有一定概率变成真正的转化。通过这种建模，可以选择最有效，概率最高的触点路径。 本文主要参考自python实现马尔可夫链归因[1]。 马尔可夫链是一个过程，它映射运动并给出概率分布，从一个状态转移到另一个状态。 所以马尔可夫链模型可以用来做归因分析。 Data, "path", "total_conversions", "total_null", var_value='total_conversion_value') Suggested order: 4 13711.503304 1 iota 3732.042103 14535.970443 2 alpha 5821.609182 19315.152418 3 beta 2386.059705 10133.518357 4
1.1K40编辑于 2023-08-10 - 来自专栏seth-shi的专栏
广告归因-让你彻底弄归因架构实现
解释 这里会引用神策数据很多的介绍,然后进行总结 归因方法 自归因 渠道商帮我们做归因,有的是每个用户打开app都回传给渠道商,渠道商自己归因 有的如华为是从应用商店安装时, 应用商店把归因信息写入到 app, 然后首次安装启动时能从本地存储获取到归因数据 曝光归因 曝光归因由于有数据量极大、不会使用此项 点击归因(常用) 所谓点击归因, 就是点击广告之后首个转化, 基本都是用这种方式归因 归因模型 首次归因模型 多个归因源事件时，认为第一个归因源事件的功劳为100%。理由是第一个触点给用户建立了认知，与用户形成了连接。 平均归因模型 多个归因源事件时，认为每个归因源事件平均分配此次功劳。 时间衰减归因模型 加上了时间的影响因素，最后1次触达的贡献更高。 位置归因模型 多个归因源事件时，认为第一个归因源事件和最后一个归因源事件各占40%功劳，其余平分剩余的20%功劳。 xxx更多字段') values({$req->oaid}, {$req->imei}, {$link->events}, {$link->exp}, 'xxx更多字段')"; // 4.
2.2K21编辑于 2023-12-18 - 来自专栏素质云笔记
多渠道归因分析：python实现马尔可夫链归因（三）
本篇主要是python实现马尔科夫链归因，关联的文章： 多渠道归因分析（Attribution）：传统归因（一） 多渠道归因分析：互联网的归因江湖（二） 多渠道归因分析：python实现马尔可夫链归因（ 三） 多渠道归因分析（Attribution）：python实现Shapley Value（四） 多渠道归因分析（Attribution）：用attention-RNN来做归因建模（附代码demo）（五 由矩阵B的第一行可知，从状态1出发，有3/4的概率到达吸收状态0，有1/4的概率到达吸收状态4。 由于大多数渠道是有偿的（根据金钱或花费的时间），因此至关重要的是，有一种算法可以在这些渠道之间分配转化次数和价值，并与它们的费用进行比较，而不是将其记入仅最后一个非直接渠道。 cthree = 3 我们希望本次活动有100个人可以实现最终的转化，那么本次需要投入的总费用： 20.5 + 10.25 + 4 * 0.33 + 3 *0.5 = 4.07 100个人的总费用为
1.5K21编辑于 2021-12-07 - 来自专栏钱塘小甲子的博客
pyalgotrade教程4--broker设置：交易费用，滑点模型
step4.滑点模型 滑点是回测的时候，记得下单影响实际价格，从而影响你的执行价的数目。 brk = broker.backtesting.Broker(1000000, feed, broker_commission) brk.setFillStrategy(fill_stra) # 4. trade_situation.getCommissionsForAllTrades() # Plot the strategy. plt.plot() 最后我们能够看到运行的结果，其中，把每次交易的费用列了出来
1.7K50发布于 2019-01-28 - 来自专栏素质云笔记
多渠道归因分析：互联网的归因江湖（二）
本篇主要是python实现马尔科夫链归因，关联的文章： 多渠道归因分析（Attribution）：传统归因（一） 多渠道归因分析：互联网的归因江湖（二） 多渠道归因分析：python实现马尔可夫链归因（ 由于非Facebook的广告使用的是第三方归因平台如AppFlyer、Adjust或者Kochava，他们并没有Facebook的归因数据，所以双方是独立的归因系统和归因逻辑，也就是会存在多次计费的可能 首先，广告主做用户增长的团队需要有懂广告归因的人，况且即便懂了这套归因逻辑，也很难区分有效触点归因“抢”了多少自然量。 由于当年在东南亚归因作弊异常猖獗（具体作弊手段可以参考我的另一篇文章《不懂归因，也许你广告还没入门》），很多联盟的流量通过虚拟点击抢归因，抢了这两个广告主很多的“自然量”。 这个事情也从另外一个侧面推动了第三方归因服务公司加强归因作弊识别的能力。
1.8K41编辑于 2021-12-07 - 来自专栏万能的小草
网站及APP坑位流量归因分析-（4）可视化分析篇
前面介绍了归因分析的理论、数据采集、数据计算，最后我们着重介绍一下如何对前面生成的数据，进行可视化分析沉淀，让业务能高效的进行日常运营迭代。
98710编辑于 2022-09-21 - 来自专栏互联网数据官iCDO
分析小贴士：归因模型 101
今天，我们将列举一些常用的归因模型，并演示如何使用Googel Analytics 归因模型对比工具来为你的业务挑选最适合的模型。 归因模型应用示例 假设你的网站售卖烧烤架。 Google Analytics 归因模型101 在末次互动归因模型中，我们将转化的全部功劳归于用户的最后一个触点。 末次非直接点击归因模型忽视了直接流量，把转化功劳全归因于在完成销售之前的最后一次渠道点击。 我们再来看更多模型： 与末次互动相似，首次互动归因模型把转化功劳全归因于首次触点——在Grillmaster先生的例子中，即为自然搜索。 线性归因模型在各个渠道之间平均分配成功转化分数。 Google Analytics的归因模型 Google Analytics 的大多数标准报告使用的是末次非直接点击归因模型，但是现在我们可以通过对比归因模型，来决定使用为用户生命周期带来最高价值的模型
1.6K60发布于 2018-03-02 - 来自专栏钱塘小甲子的博客
Brison归因与代码
不管是做FOF也好，仅仅想单纯归因也好，Brison是一种比较常见，也算是通用的归因方法，其一般用于权益类或者大类资产配置类基金。 其实Brison归因的逻辑很简单，假设有一个基准，基准在各类资产的配置上的权重分别是wbi（weight of benchmark of asset i），这些资产的收益率分别是rbi（return of benchmark of asset i），同样的，我们有一个需要归因的基金产品，也就是我们自己的组合，在各类资产上的权重是wpi（weight of portfolio of asset i），收益率分别是 所谓的Brison归因就是把一个组合的超额收益分解为资产配置的能力、个券选择的能力、以及交互收益。
94131发布于 2019-03-15 - 来自专栏新智元
现在，所有人都能免费用GPT-4o了！
OpenAI此前就曾承诺向所有人免费开放他们的新旗舰产品GPT-4o以及浏览、数据分析和内存等功能。 时隔半个月，承诺终于兑现。 免费用户狂喜，可是付费用户却笑不出来。 当免费用户达到使用GPT-4o的消息条数的上限时，他们将自动恢复到GPT-3.5。 那么，免费用户可以发多少条消息呢？ 根据OpenAI早先的公告，这取决于有多少用户在跟你竞争有限的计算资源。 免费订阅的用户将默认使用GPT-4o，并且使用GPT-4o可以发送的消息数量受到限制，这将根据当前的使用情况和需求而有所不同。当不可用时，免费用户将切换回GPT-3.5。 按照Plus用户在GPT-4o上每3小时最多发送80条消息的标准，免费用户的上限是这个标准的五分之一，也就是每3小时最多发送16条左右。 根据网友的反馈，实际情况可能限制得更多一些。 值得推荐的4个GPTs 既然GPT Store已经开放了，那么有没有什么好用的GPTs可以让我们这些免费用户「薅一薅」呢？
1.6K10编辑于 2024-06-05 - 来自专栏互联网数据官iCDO
【分析方法】归因分析入门
让我们来看看每一个普及的模型，看看每一步骤的归因。这样我们就可以权衡利弊。 最后点击（Last-Click） ? 这归因模型功劳于转化前的最后一个通道，这就是我们以上举例的重定向广告。 这类归因模型允许你创建混合型最后单击和初次点击的模型，并给每个触达点相应的百分比。 优点：如果你的营销项目主旨是保持与用户的关系和认知，那么线性的归因就比较有用。比如说，如果你有一个品牌的广告项目，每一个媒介点在用户考虑阶段都同等重要，那么线性的归因能够帮助你您可视化这一进程。 缺点：时间衰减归因对最后转化有贡献，但是是初始的触达的渠道有打折扣，例如Facebook或者最初的搜索会话。 自定义（Custom ） ? 这就是“圣杯”归因模型！ 你需要对其他模型非常了解再来运用自定义归因模型 正如你所看到的，这里有很多归因模型，找到一个适合你的业务的模型途径需要测试并且优化。使用一些虚拟数据集来测试不同的广告项目和媒介渠道。
3.5K80发布于 2018-03-02 - 来自专栏量子位
GPT-4 API免费用？？OpenAI：律师函警告，快删了
GPT4FREE绝对是其中之一。 毕竟，顾名思义，免费使用GPT-4的API，就问谁！不！心！动！ 具体来说，这位童鞋是搞了这么一套操作： GPT4FREE会来骗，来偷袭OpenAI API，让它以为请求来自尊贵的付费用户（比如You.com、美国知乎Quora）。 依照GitHub项目页提供的信息，GPT4Free可以这样用： 用之前需要安装依赖项： pip3 install -r requirements.txt 项目作者还提供了一个GUI： 下载/克隆GPT4Free 尽管已经被OpenAI追上了门，但GPT4FREE的更新仍在继续。 xtekky认为，这个项目只是用于“教育目的”，无伤大雅。 Ta还对TechCrunch表示，“GPT4FREE为无法使用GPT-4/3.5的人提供了替代方案”。 不过另一方面，这位作者已经开始往网站上放广告了。
64410编辑于 2023-05-06 末次触达归因的挑战与突破：从“单点归因”到“全局视角”的进化
本文将深入探讨LTA的局限性，分析其归因陷阱，并提出突破路径，帮助广告主从“流量思维”跃迁至“价值思维”。 二、LTA的三大归因陷阱：为何“最后一击”无法定义全部价值？ 1. 三、突破LTA：从“单点归因”到“全局视角”的进化 1. 在GDPR、CCPA等法规日益严格的背景下，MMM成为符合合规要求的归因工具。 非显性渠道覆盖：有效评估线下广告、电视媒体等传统归因模型难以衡量的渠道价值。 多触点归因模型：平衡短期与长期价值 除MMM外，品牌还可结合其他多触点归因模型（如线性归因、时间衰减模型）优化策略： 线性归因：平均分配各触点的贡献值，适合强调全链路体验的品牌（如奢侈品）。 通过多触点归因，品牌发现LinkedIn广告对线索生成的贡献率为40%，并据此优化广告预算分配。 七、技术实现：构建多触点归因模型 1.
84810编辑于 2025-05-28- 来自专栏golang分享
日志费用计算
Raid5 方式中计算容量的公式如下： 单组 raid5 容量 =((n-1)/n) * 总磁盘容量，其中 n 为硬盘数 我们把硬盘数代入到公式里，就是： ((4-1)/4) X (7.3T X 4) 现在我们来算算第一年的投入是多少，这个投入包括硬盘的投入及维护费用、服务器的硬件费用和托管费用，以及宽带费用。 ）、服务器的维护费用和宽带费用。 如果一天有 8 TB 新日志，一个副本 4 台服务器，那么每台服务器至少要承担 2 TB/ 天 存储。 4 台服务器 = 73MB/S 可以说用万兆卡只需十分之一，即可满足日常的日志传输需求，如果是千兆网卡则不够。
7K31编辑于 2023-11-30 - 来自专栏张俊红
利用ChatGPT快速进行指标的异常归因
指标的异常归因是数据分析师日常工作中遇到的最高频问题之一。 关于异常归因的核心问题其实就两个：一个是从哪些维度进行指标拆解，另一个是各个维度之间的贡献度分别是多少？ 我们在实际工作场景中就完全可以利用ChatGPT来提高日常归因的效率。
77110编辑于 2023-09-06 - 来自专栏MixLab科技+设计实验室
归因分析指南v1.0
基于此，就有了线上全域归因、线上局部归因。 线上局部归因，我们目前的技术手段所实现的基本都是指的是线上的局部归因，是忽略了我们所不能掌握的因素的一种归因分析手段。 通过分析每个归因模型，我们可以更好地了解每个营销渠道的投资回报率。不一定有“最佳”归因模型，但我们可以选择一种作为报告和分析的主要归因模型。 - 最终互动归因 ? 通过归因，您可以了解整个客户旅程中不同的互动如何影响转化。传统归因归因于特定事件和任意事件，而最佳归因则使用机器学习和高级统计模型来了解每次触摸的精确影响。 而如果拆开来看，在6个院系的4个里，女生的录取率大于男生。如果按照这样的分类，女生实际上比男生的录取率还高一点点。 归因除了基于规则的实现，还有机器学习的实现方式，称为算法归因。 归因也可以从辛普森悖论里获得结论。
2.9K20发布于 2020-07-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号