《算法营销、多触点沙普利归因与获客漏斗的随机控制》各章定量结论

一笔成交该算在哪个广告渠道头上?一个 A/B 测试什么时候可以停?一位客户还值多少钱?本书是教学与研究用的数学模型,不是营销、投资或法律建议。它依次讨论:末次点击、首次点击与线性归因在一个已知真实增量的虚构世界中的误差(末次点击把 7,299 次成交记在广告名下,广告实际造成约 3,636 次),沙普利值归因(Shapley 1953;Shao 与 Li、Dalessandro 等人的版本)与吸收马尔可夫链移除效应(Anderl 等 2016)的定义、它们对特征函数 v(S) 的依赖与在协同渠道上的分歧——并说明二者在观测数据上分配的是相关性而不是因果增量:有定向投放时,观测沙普利值的份额误差为 13.1 个百分点,与末次点击同一量级;只有随机化的持出、幽灵广告实验能给出增量(Lewis 与 Rao 2015、Gordon 等 2019、Johnson 等 2017、Blake 等 2015);可选停止的精确第一类错误(名义 5% 时看 5 次为 14.2%、20 次为 24.8%、100 次为 37.4%,「25%+」只在约 20 次以上成立)、波科克与奥布赖恩—弗莱明群序贯边界及混合序贯概率比检验(始终有效推断);汤普森采样与 A/B/C 测试的后悔比较,以及自适应分配下样本均值的负偏差与逆倾向加权修正;BG/NBD 与 Gamma-Gamma 模型的纯标准库实现(₂F₁ 用…

DOI 10.5281/zenodo.23836264 · 阅读本章所在专著 · English version

模型示意算例,非实时报价