معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Libreria para correr modelos de atribucion para marketing digital

ویژگی	مقدار
سیستم عامل	-
نام فایل	atribucion-2.3
نام	atribucion
نسخه کتابخانه	2.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Tomas Reneboldi
ایمیل نویسنده	tomasrene@gmail.com
آدرس صفحه اصلی	https://github.com/tomasrene/atribucion
آدرس اینترنتی	https://pypi.org/project/atribucion/
مجوز	-

# MODELOS DE ATRIBUCION Esta es una librería creada para el trabajo con modelos de atribución sobre datos de marketing digital. Con esta librería se podrán crear modelos heurísticos (First click, Last click, Linear) o modelos data-driven (Markov, Shapley). Funciona tanto con datos previamente formateados como con datos sin formatear. ## INSTALACIÓN ``` pip install atribucion ``` ## CÓMO SE USA Primero, es necesario crear un modelo pasando la data a utilizar. Se deberá indicar si la información fue previamente formateada o no. La data formateada debe ser un dataframe con 2 columnas: 1. lista o array de recorridos (string) 2. conversión (boolean o int) La data sin formatear debe ser un dataframe con 4 columnas: 1. tiempo (date o timestamp) 2. usuario (string) 3. canal (string) 4. conversion (boolean o int) ``` modelo = atribucion.Modelo(data, formateada=True) ``` Si la data no está formateada, se puede formatear para Markov o para Shapley. Los modelos heurísticos usan indistintamente cualquiera de las dos. Para formatear la data, hay que indicar 3 parámetros: 1. ventana (int): cuántos días para atrás de la conversión se van a tener en cuenta para armar los recorridos. 2. touchpoints (int): la mayor cantidad de touchpoints que se admiten en cada recorrido. 3. conversión (bool): si se corta cada recorrido al encontrar una conversión o no. ``` modelo.formatear_markov(ventana=30, touchpoints=8, conversion=True) modelo.formatear_shapley(ventana=30, touchpoints=8, conversion=True) ``` Luego, se piden los modelos deseados llamando a la función correspondiente. La única que admite un parámetro es markov (el orden). ```` resultado_markov = modelo.markov(orden=1) resultado_shapley = modelo.shapley() resultado_first = modelo.first() resultado_last = modelo.last() resultado_linear = modelo.linear() ````

نیازمندی

مقدار	نام
-	pandas
-	numpy

نحوه نصب

نصب پکیج whl atribucion-2.3:

pip install atribucion-2.3.whl

نصب پکیج tar.gz atribucion-2.3:

pip install atribucion-2.3.tar.gz