{"id":39600,"date":"2020-08-07T11:20:50","date_gmt":"2020-08-07T09:20:50","guid":{"rendered":"https:\/\/sprawnymarketing.pl\/?p=39600"},"modified":"2020-09-24T10:48:03","modified_gmt":"2020-09-24T08:48:03","slug":"wartosc-shapleya-w-modelowaniu-atrybucji","status":"publish","type":"post","link":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/","title":{"rendered":"Warto\u015b\u0107 Shapleya w modelowaniu atrybucji"},"content":{"rendered":"\n

Modele atrybucji data-driven analizuj\u0105 \u015bcie\u017cki konwersji i na tej podstawie pr\u00f3buj\u0105 okre\u015bli\u0107 wk\u0142ad poszczeg\u00f3lnych interakcji w doprowadzenie do konwersji, niejako zwalniaj\u0105c nas z konieczno\u015bci podejmowania arbitralnych decyzji w tym zakresie. Warto\u015b\u0107 Shapleya jest funkcj\u0105 cz\u0119sto wykorzystywan\u0105 przez algorytmy atrybucji opartej na danych, dlatego warto pozna\u0107 j\u0105 bli\u017cej.<\/p>\n\n\n\n

Czym jest Warto\u015b\u0107 Shapleya?<\/h2>\n\n\n\n

Warto\u015b\u0107 Shapleya jest poj\u0119ciem z teorii gier, stworzonym w 1953 r. przez ameryka\u0144skiego matematyka Lloyda Shapleya. Okre\u015bla spos\u00f3b podzia\u0142u zysku pomi\u0119dzy uczestnik\u00f3w gry kooperatywnej, czyli takiej, w kt\u00f3rej gracze mog\u0105 \u0142\u0105czy\u0107 si\u0119 w koalicje celem uzyskania okre\u015blonego wyniku.<\/p>\n\n\n

\n Warto\u015b\u0107 Shapleya okre\u015bla, jakiego zysku z ca\u0142o\u015bci powinien spodziewa\u0107 si\u0119 dany gracz, bior\u0105c pod uwag\u0119 jego \u015bredni wk\u0142ad w dowolnej koalicji.<\/p>\n\n\n

Je\u015bli potraktowa\u0107 marketing jako gr\u0119, w kt\u00f3rej uczestnicz\u0105 r\u00f3\u017cne kana\u0142y marketingowe, \u0142\u0105cznie wypracowuj\u0105c wynik w postaci konwersji, to warto\u015b\u0107 Shapleya mog\u0142aby pos\u0142u\u017cy\u0107 do przypisania warto\u015bci tym kana\u0142om. Tym bardziej, \u017ce warto\u015b\u0107 Shapleya ma pewne w\u0142a\u015bciwo\u015bci, kt\u00f3re dobrze wpasowuj\u0105 si\u0119 w koncepcj\u0119 modelowania atrybucji.<\/p>\n\n\n

\n 1<\/span>\n Suma warto\u015bci Shapleya dla wszystkich graczy musi by\u0107 r\u00f3wna \u0142\u0105cznemu wynikowi<\/h2>\n\n\n

Z punktu widzenia modelowania atrybucji jest to podstawowy warunek: konwersje przypisane poszczeg\u00f3lnym kana\u0142om musz\u0105 sumowa\u0107 si\u0119 do \u0142\u0105cznej liczby wszystkich odnotowanych konwersji.<\/p>\n\n\n

\n 2<\/span>\n Symetria<\/h2>\n\n\n

Gracze, kt\u00f3rzy z punktu widzenia wyniku graj\u0105 dok\u0142adnie tak\u0105 sam\u0105 rol\u0119 w grze, b\u0119d\u0105 mieli identyczne warto\u015bci Shapleya. Jest to intuicyjny wym\u00f3g sprawiedliwego podzia\u0142u wyniku i prawid\u0142owego modelowania atrybucji.<\/p>\n\n\n

\n 3<\/span>\n Zerowa warto\u015b\u0107 gracza nieistotnego<\/h2>\n\n\n

Gracz, kt\u00f3ry nie wnosi nic do \u017cadnej koalicji, b\u0119dzie mia\u0142 zerow\u0105 warto\u015b\u0107 Shapleya. Innymi s\u0142owy, bezwarto\u015bciowym kana\u0142om, kt\u00f3re nie wp\u0142ywaj\u0105 na wzrost konwersji, nie przypiszemy \u017cadnej warto\u015bci.<\/p>\n\n\n

\n 4<\/span>\n Addytywno\u015b\u0107<\/h2>\n\n\n

Niezale\u017cnie od tego, jak zdefiniujemy wynik danej gry, czy b\u0119dzie to wynik A, wynik B, czy suma wynik\u00f3w A + B, to dla ka\u017cdego gracza i:<\/p>\n\n\n\n

Shi (wynik A) + Shi (wynik B) = Shi (wynik A + wynik B)<\/em><\/p>\n\n\n\n

Aby \u0142atwiej by\u0142o zrozumie\u0107 t\u0119 ostatni\u0105 w\u0142a\u015bciwo\u015b\u0107 warto\u015bci Shapleya, zilustruj\u0119 j\u0105 na przyk\u0142adzie. Za\u0142\u00f3\u017cmy, \u017ce mamy klika rodzaj\u00f3w konwersji: transakcja, subskrypcja newslettera i pobranie e-booka. Addytywno\u015b\u0107 oznacza, \u017ce suma warto\u015bci Shapleya dla poszczeg\u00f3lnych rodzaj\u00f3w konwersji b\u0119dzie warto\u015bci\u0105 Shapleya dla konwersji liczonych \u0142\u0105cznie. Je\u015bli wi\u0119c: konwersje = transakcje + pobrania pliku + subskrypcje to dla ka\u017cdego kana\u0142u i:<\/p>\n\n\n\n

Shi (konwersje) =<\/em> Shi (transakcje) + Shi (pobrania pliku) + Shi (subskrypcje)<\/em><\/p>\n\n\n\n

Przy segmentacji na poszczeg\u00f3lne rodzaje konwersji jest to warunek konieczny, by warto\u015b\u0107 transakcji, subskrypcji i pobra\u0144 pliku przypisanych do danego kana\u0142u sumowa\u0142a si\u0119 do \u0142\u0105cznej warto\u015bci konwersji przypisanych temu kana\u0142owi.<\/p>\n\n\n\n

Lloyd Shapley wykaza\u0142, \u017ce jest tylko jedna funkcja spe\u0142niaj\u0105ca te warunki i poda\u0142 spos\u00f3b na jej obliczenie.<\/p>\n\n\n\n

Wk\u0142ad marginalny<\/h2>\n\n\n\n

Aby zrozumie\u0107 formu\u0142\u0119 warto\u015bci Shapleya, musimy zaznajomi\u0107 si\u0119 z poj\u0119ciem wk\u0142adu marginalnego. Gracz w grze koalicyjnej mo\u017ce wchodzi\u0107 w r\u00f3\u017cne kombinacje graczy (r\u00f3\u017cne koalicje). Mog\u0105 one mie\u0107 r\u00f3\u017cny rozmiar (liczebno\u015b\u0107).<\/p>\n\n\n\n

Najprostsza kombinacja to taka, w kt\u00f3rej bierze udzia\u0142 tylko dany gracz (rozmiar 1). Nast\u0119pnie mo\u017ce on utworzy\u0107 \u201edwuosobowe\u201d kombinacje z ka\u017cdym z innych graczy (rozmiar 2). I tak dalej, a\u017c do kombinacji, w kt\u00f3rej bior\u0105 udzia\u0142 wszyscy gracze (rozmiar n, gdzie n to \u0142\u0105czna liczba graczy). Kombinacje b\u0119d\u0105 wi\u0119c wyst\u0119powa\u0107 w n r\u00f3\u017cnych rozmiarach, od 1 do n.<\/p>\n\n\n\n

Korzy\u015b\u0107 z przyj\u0119cia do danej koalicji okre\u015blonego gracza (wzrost wyniku gry) mo\u017ce by\u0107 r\u00f3\u017cna dla ka\u017cdej z tych kombinacji. Wk\u0142ad marginalny gracza do danej kombinacji graczy okre\u015bla, ile koalicja zyska na wyniku, je\u015bli do\u0142\u0105czy do niej dany gracz. Obliczamy to w spos\u00f3b nast\u0119puj\u0105cy:<\/p>\n\n\n\n

\"wk\u0142ad<\/figure>\n\n\n\n

Koncepcj\u0119 t\u0119 \u0142atwo zrozumie\u0107 na przyk\u0142adzie gry w przedsi\u0119biorstwo, w sk\u0142ad kt\u00f3rego wchodz\u0105 biznesmen B oraz pracownicy: P1, P2, P3. Ka\u017cdy z pracownik\u00f3w jest w stanie wytworzy\u0107 przych\u00f3d w wysoko\u015bci jednej sakiewki. Firma, w kt\u00f3rej biznesmen zatrudnia trzy osoby, zarabia trzy sakiewki:<\/p>\n\n\n\n

\"obliczanie<\/figure>\n\n\n\n

Je\u015bli pracownik\u00f3w b\u0119dzie dw\u00f3ch, firma zarobi tylko dwie sakiewki. Nie ma tu znaczenia, czy b\u0119d\u0105 pracowali P1 z P2, czy P2 z P3, czy te\u017c P1 z P3 \u2013 dowolnych dw\u00f3ch pracownik\u00f3w zatrudnionych przez biznesmena zawsze zarobi dwie sakiewki. Je\u015bli pracownik b\u0119dzie tylko jeden, firma zarobi tylko jedn\u0105 sakiewk\u0119. Sam biznesmen bez pracownik\u00f3w nie zarobi nic. Bez biznesmena sami pracownicy te\u017c nie b\u0119d\u0105 w stanie nic zarobi\u0107, niezale\u017cnie od tego, ilu ich b\u0119dzie.<\/p>\n\n\n\n

Zobaczmy teraz, jak liczy\u0107 wk\u0142ady marginalne \u2013 na przyk\u0142adzie gracza P1. Kombinacja B, P2, P3 (biznesmen zatrudniaj\u0105cy dw\u00f3ch pozosta\u0142ych pracownik\u00f3w bez P1) wytwarza dwie sakiewki:<\/p>\n\n\n\n

\"obliczanie<\/figure>\n\n\n\n

A \u017ce firma w sk\u0142adzie (B, P1, P2, P3) zarabia trzy sakiewki, to wk\u0142ad marginalny gracza P1 do koalicji B, P1, P2, P3 wynosi jedn\u0105 sakiewk\u0119 (3 \u2013 2 = 1).<\/p>\n\n\n\n

Jak oblicza\u0107 warto\u015b\u0107 Shapleya?<\/h2>\n\n\n\n

Formu\u0142a przypisania warto\u015bci danemu graczowi, odkryta przez Lloyda Shapleya, ma nast\u0119puj\u0105c\u0105 posta\u0107:<\/p>\n\n\n\n

\"warto\u015b\u0107<\/figure>\n\n\n\n

Wr\u00f3\u0107my do naszego przyk\u0142adu i zobaczmy, jak b\u0119d\u0105 wygl\u0105da\u0107 wk\u0142ady marginalne gracza P1 do ka\u017cdej z mo\u017cliwych kombinacji z jego udzia\u0142em. Nast\u0119pnie dokonajmy oblicze\u0144 zgodnie z definicj\u0105 warto\u015bci Shapleya:<\/p>\n\n\n\n

\"obliczanie<\/figure>\n\n\n\n

Warto\u015b\u0107 Shapleya dla gracza P1 wynosi Sh(P1) = 1\/2 = 0,5<\/em>. Podobne obliczenia nale\u017ca\u0142oby wykona\u0107 dla pozosta\u0142ych graczy, ale mo\u017cemy te\u017c wykorzysta\u0107 w\u0142a\u015bciwo\u015bci warto\u015bci Shapleya i dokona\u0107 oblicze\u0144 na skr\u00f3ty. Poniewa\u017c rola graczy P1, P2 i P3 jest identyczna, warto\u015b\u0107 Shapleya dla tych graczy r\u00f3wnie\u017c b\u0119dzie taka sama, czyli Sh(P2) = 0,5 oraz Sh(P3) = 0,5<\/em>.<\/p>\n\n\n\n

Warto\u015bci Shapleya dla poszczeg\u00f3lnych graczy powinny sumowa\u0107 si\u0119 do wyniku uzyskanego przez wszystkich graczy \u0142\u0105cznie. Firma w pe\u0142nej obsadzie (P1, P2, P3, B) wytwarza trzy sakiewki. Biznesmen powinien otrzyma\u0107 wi\u0119c to, co zostanie z \u0142\u0105cznego wyniku po \u201ewyp\u0142aceniu\u201d warto\u015bci Shapleya pracownikom:<\/p>\n\n\n\n

Sh(B) = 3 \u2013 Sh(P1) \u2013 Sh(P2) \u2013 Sh(P3) = 3 \u2013 0,5 \u2013 0,5 \u2013 0,5 = 1,5<\/em><\/p>\n\n\n

\n Og\u00f3lnie rzecz ujmuj\u0105c, w grze biznesmen \u2013 pracownicy, warto\u015b\u0107 Shapleya dzieli wypracowany zysk w ten spos\u00f3b, \u017ce po\u0142owa zysku przypada na biznesmena, drug\u0105 po\u0142ow\u0119 dziel\u0105 mi\u0119dzy sob\u0105 pracownicy po r\u00f3wno (je\u015bli rola ka\u017cdego pracownika jest taka sama).<\/p>\n\n\n

Warto\u015b\u0107 Shapleya dla wsp\u00f3\u0142czynnika konwersji<\/h2>\n\n\n\n

Zobaczmy teraz, jak obliczy\u0107 warto\u015b\u0107 Shapleya dla gry, w kt\u00f3rej r\u00f3\u017cne kana\u0142y marketingu wypracowuj\u0105 wsp\u00f3lny wynik, kt\u00f3rym jest wsp\u00f3\u0142czynnik konwersji. <\/p>\n\n\n\n

W naszym przyk\u0142adzie b\u0119d\u0105 wyst\u0119powa\u0107 trzy kana\u0142y: Google, Facebook i afiliacja. Oto liczby klikni\u0119\u0107 i konwersji na \u015bcie\u017ckach zawieraj\u0105cych wszystkie mo\u017cliwe kombinacje tych kana\u0142\u00f3w:<\/p>\n\n\n\n

\"warto\u015b\u0107<\/figure>\n\n\n\n

Na pocz\u0105tek obliczmy warto\u015b\u0107 Shapleya dla Facebooka. W tym celu identyfikujemy kombinacje \u015bcie\u017cek zawieraj\u0105ce Facebook (FB). Nast\u0119pnie okre\u015blamy wk\u0142ad marginalny Facebooka dla ka\u017cdej z tych \u015bcie\u017cek: od wsp\u00f3\u0142czynnika konwersji danej \u015bcie\u017cki odejmujemy wsp\u00f3\u0142czynnik konwersji tej\u017ce \u015bcie\u017cki pozbawionej Facebooka.<\/p>\n\n\n\n

Przyk\u0142adowo, dla \u015bcie\u017cki FB, G, kt\u00f3rej wsp\u00f3\u0142czynnik konwersji wynosi 6%, \u015bcie\u017cka pozbawiona FB to \u015bcie\u017cka zawieraj\u0105ca tylko G, kt\u00f3rej wsp\u00f3\u0142czynnik konwersji wynosi 5%, st\u0105d wk\u0142ad marginalny Facebooka wynosi 6% \u2013 5% = 1%. Nast\u0119pnie dokonujemy oblicze\u0144 zgodnie z formu\u0142\u0105 warto\u015bci Shapleya:<\/p>\n\n\n\n

\"formu\u0142a<\/figure>\n\n\n\n

Analogiczne obliczenia wykonujemy dla Google\u2019a (G):<\/p>\n\n\n\n

\"warto\u015b\u0107<\/figure>\n\n\n\n

Poniewa\u017c wiemy, \u017ce \u0142\u0105czny wsp\u00f3\u0142czynnik konwersji dla wszystkich trzech kana\u0142\u00f3w wynosi 8%, nie musimy ju\u017c oblicza\u0107 formu\u0142y warto\u015bci Shapleya dla afiliacji. Po prostu odejmiemy udzia\u0142y Facebooka i Google\u2019a od \u0142\u0105cznego wyniku:<\/p>\n\n\n\n

Sh(Aff) = 8% \u2013 Sh(FB) \u2013 Sh(FG) = 8% \u2013 1,88% \u2013 5,13% = 0,98%<\/em><\/p>\n\n\n\n

Mamy wi\u0119c ju\u017c wyliczone warto\u015bci Shapleya dla tych \u017ar\u00f3de\u0142 w sytuacji, gdy na \u015bcie\u017cce wyst\u0119puj\u0105 trzy kana\u0142y. Dla \u015bcie\u017cek, na kt\u00f3rych wyst\u0119puje tylko jeden kana\u0142, rozwi\u0105zanie jest trywialne \u2013 ich udzia\u0142 jest r\u00f3wny wsp\u00f3\u0142czynnikowi konwersji danej \u015bcie\u017cki:<\/p>\n\n\n\n

\"obliczanie<\/figure>\n\n\n\n

Teraz musimy dokona\u0107 takich samych oblicze\u0144 dla kombinacji dw\u00f3ch kana\u0142\u00f3w. Obliczmy na pocz\u0105tek warto\u015b\u0107 Shapleya dla Facebooka w kombinacji Facebook + Google:<\/p>\n\n\n\n

\"obliczanie<\/figure>\n\n\n\n

Udzia\u0142 Google b\u0119dzie r\u00f3\u017cnic\u0105 wsp\u00f3\u0142czynnika konwersji kombinacji Facebook + Google (6%) i warto\u015bci Shapleya dla Facebooka (1,5%):<\/p>\n\n\n\n

Sh(G) = 6% \u2013 Sh(FB) = 6% \u2013 1,5% = 4,5%<\/em><\/p>\n\n\n\n

Analogiczne obliczenia pozwol\u0105 okre\u015bli\u0107 warto\u015bci Shapleya dla pozosta\u0142ych kombinacji, a nast\u0119pnie obliczy\u0107 konwersje, kt\u00f3re przypiszemy do poszczeg\u00f3lnych kana\u0142\u00f3w (liczba konwersji = liczba klikni\u0119\u0107 \u00d7 wsp\u00f3\u0142czynnik konwersji):<\/p>\n\n\n\n

\"warto\u015b\u0107<\/figure>\n\n\n\n

Oczywi\u015bcie, warto\u015b\u0107 konwersji przypisanych do poszczeg\u00f3lnych \u017ar\u00f3de\u0142 w ka\u017cdym modelu atrybucji musi si\u0119 sumowa\u0107 do \u0142\u0105cznej liczby wszystkich konwersji (w tym przypadku 325,4 + 269,7 +124,9 = 720).<\/p>\n\n\n\n

Warto\u015b\u0107 Shapleya dla liczby konwersji<\/h2>\n\n\n\n

Wyliczanie warto\u015bci Shapleya dla wsp\u00f3\u0142czynnika konwersji jest, jak wida\u0107, stosunkowo skomplikowane. Dodatkow\u0105 trudno\u015bci\u0105 jest to, \u017ce do jej wyliczenia musimy zna\u0107 wsp\u00f3\u0142czynniki konwersji na poszczeg\u00f3lnych \u015bcie\u017ckach, a danych tych nie uzyskamy bezpo\u015brednio z Google Analytics, gdy\u017c dost\u0119pne s\u0105 wy\u0142\u0105cznie informacje o \u015bcie\u017ckach konwertuj\u0105cych.<\/p>\n\n\n\n

Konieczne jest wykorzystanie zaawansowanych segment\u00f3w, by na ich podstawie uzyska\u0107 dane o liczbie \u015bcie\u017cek, kt\u00f3re nie doprowadzi\u0142y do konwersji, co umo\u017cliwi wyliczanie wsp\u00f3\u0142czynnik\u00f3w konwersji danej \u015bcie\u017cki.<\/p>\n\n\n

\n

PORADA<\/p>\n

Mo\u017cesz w tym celu wykorzysta\u0107 tak\u017ce dane z innego programu \u015bledz\u0105cego, np. Campaign Managera z Google Marketing Platform.<\/p>\n<\/div>\n\n\n

A co, gdyby uzna\u0107, \u017ce wynikiem gry b\u0119dzie po prostu liczba konwersji? Dane na temat liczby konwersji na poszczeg\u00f3lnych \u015bcie\u017ckach dost\u0119pne s\u0105 wprost w raporcie \u201eNajwa\u017cniejsze \u015bcie\u017cki konwersji\u201d Google Analytics.<\/p>\n\n\n\n

Raport ten b\u0119dzie wymaga\u0142 pewnych przekszta\u0142ce\u0144, gdy\u017c dla warto\u015bci Shapleya nie ma znaczenia kolejno\u015b\u0107 interakcji na \u015bcie\u017ckach. \u015acie\u017cki Facebook –> Google oraz Google –> Facebook czy Google –> Facebook –> Google –> Facebook –> Google to po prostu kombinacja Facebook + Google i dane dla nich musimy zagregowa\u0107.<\/p>\n\n\n\n

Kolejnym krokiem b\u0119dzie obliczenie konwersji skumulowanych, gdy\u017c np. liczba konwersji generowanych przez kombinacj\u0119 Facebook + Google zawiera w sobie r\u00f3wnie\u017c konwersje, kt\u00f3re Facebook i Google generuj\u0105 samodzielnie. W przeciwnym wypadku mieliby\u015bmy do czynienia z ujemnymi wk\u0142adami marginalnymi.<\/p>\n\n\n\n

Podczas dalszych oblicze\u0144 wiele operacji si\u0119 upraszcza i ostatecznie okazuje si\u0119, \u017ce warto\u015b\u0107 Shapleya dla konwersji bardzo przypomina model liniowy \u2013 konwersje rozdzielane s\u0105 r\u00f3wno pomi\u0119dzy wszystkie kana\u0142y wyst\u0119puj\u0105ce na \u015bcie\u017cce (zob. artyku\u0142 bit.ly\/WartoscShapleya):<\/p>\n\n\n\n

\"wz\u00f3r<\/figure>\n\n\n\n

Dla \u015bcie\u017cek z naszego przyk\u0142adu obliczenie tak rozumianej warto\u015bci Shapleya dla Facebooka b\u0119dzie wygl\u0105da\u0107 nast\u0119puj\u0105co:<\/p>\n\n\n\n

\"obliczanie<\/figure>\n\n\n\n

Ze wzgl\u0119du na trywialno\u015b\u0107 tego rozwi\u0105zania, warto\u015b\u0107 Shapleya oblicza si\u0119 raczej w oparciu o wsp\u00f3\u0142czynniki konwersji.<\/p>\n\n\n\n

Zalety i wady warto\u015bci Shapleya<\/h2>\n\n\n\n

Warto\u015b\u0107 Shapleya jest pewnego rodzaju u\u015brednieniem wk\u0142ad\u00f3w, kt\u00f3re dany kana\u0142 wnosi do wyniku uzyskiwanego w ka\u017cdej z kombinacji kana\u0142\u00f3w i wydaje si\u0119 logicznie rozwi\u0105zywa\u0107 podstawowy problem atrybucji, czyli sprawiedliwe uznanie udzia\u0142u poszczeg\u00f3lnych kana\u0142\u00f3w w konwersji.<\/p>\n\n\n\n

Warto\u015b\u0107 Shapleya bardzo dobrze wykrywa click spam jako kana\u0142, kt\u00f3ry nic nie wnosi do wsp\u00f3\u0142czynnika konwersji \u017cadnej ze \u015bcie\u017cek, skutkiem czego zostanie mu przypisana zerowa warto\u015b\u0107.<\/p>\n\n\n\n

Warto\u015b\u0107 Shapleya jest koncepcj\u0105 sp\u00f3jn\u0105 matematycznie i prawid\u0142owo interpretuje \u015bcie\u017cki jednokana\u0142owe (problem ten wyst\u0119puje w przypadku atrybucji opartej o \u0142a\u0144cuchy Markowa \u2013 zob. artyku\u0142 bit.ly\/LancuchyMarkowa<\/a>).<\/p>\n\n\n

\n Google deklaruje, \u017ce model atrybucji data-driven w Google Ads i Analytics wykorzystuje warto\u015b\u0107 Shapleya w swoim algorytmie.<\/p>\n\n\n

Niestety, ma ona te\u017c ograniczenia. Jednym z najcz\u0119\u015bciej podnoszonych zarzut\u00f3w jest to, \u017ce ignoruje kolejno\u015b\u0107 interakcji. Przyk\u0142adowo, \u015bcie\u017cki Google –> Facebook i Facebook –> Google s\u0105 \u0142\u0105czone w jedn\u0105 kombinacj\u0119 Google + Facebook. Tak wi\u0119c ju\u017c na samym pocz\u0105tku obr\u00f3bki danych zamazujemy informacje, kt\u00f3re intuicyjnie wydaj\u0105 si\u0119 istotne z punktu widzenia analizy. Ponadto, z\u0142o\u017cono\u015b\u0107 obliczeniowa warto\u015bci Shapleya ro\u015bnie wyk\u0142adniczo (2n<\/sup>) wraz z liczb\u0105 kana\u0142\u00f3w bior\u0105cych udzia\u0142 w procesie konwersji, co znacznie utrudnia jej obliczanie dla wi\u0119kszej granulacji kana\u0142\u00f3w.<\/p>\n\n\n

\n W obliczeniach warto\u015bci Shapleya brane s\u0105 po uwag\u0119 przede wszystkim wsp\u00f3\u0142czynniki konwersji, dlatego miara ta premiuje kana\u0142y o wy\u017cszych wsp\u00f3\u0142czynnikach konwersji i mocno zani\u017ca te, kt\u00f3re samodzielnie nie generuj\u0105 konwersji (takie jak np. remarketing).<\/p>\n\n\n

Warto\u015b\u0107 Shapleya jest bardzo wra\u017cliwa na przypadkowe warto\u015bci o niewielkiej istotno\u015bci statystycznej, kt\u00f3re traktuje na r\u00f3wni z wiarygodnymi danymi. W po\u0142\u0105czeniu z faktem, \u017ce obliczenia du\u017cej liczby kana\u0142\u00f3w b\u0119d\u0105 bardzo zasoboch\u0142onne, mo\u017cemy stwierdzi\u0107, \u017ce warto\u015b\u0107 Shapleya najlepiej oblicza\u0107 dla interakcji pogrupowanych w niewielk\u0105 liczb\u0119 kana\u0142\u00f3w, z kt\u00f3rych ka\u017cdy zawiera dane o odpowiedniej istotno\u015bci statystycznej.<\/p>\n\n\n\n

Na koniec warto zauwa\u017cy\u0107, \u017ce warto\u015b\u0107 Shapleya jest zasilana danymi o wk\u0142adach marginalnych wyliczanych na podstawie obserwowanych wsp\u00f3\u0142czynnik\u00f3w konwersji na \u015bcie\u017ckach. Nie jest to pomiar empiryczny.<\/p>\n\n\n\n

Jest to jeden z powod\u00f3w, dla kt\u00f3rych warto\u015b\u0107 Shapleya nie interpretuje prawid\u0142owo wk\u0142ad\u00f3w wnoszonych przez interakcje, takie jak klikni\u0119cia wynik\u00f3w wyszukiwania s\u0142\u00f3w kluczowych zwi\u0105zanych z w\u0142asn\u0105 mark\u0105. Interakcje te cz\u0119sto wi\u0105\u017c\u0105 si\u0119 z intencj\u0105 zakupow\u0105, a co za tym idzie \u2013 wysokim wsp\u00f3\u0142czynnikiem konwersji, co interpretowane jest jako wysoki wk\u0142ad w konwersj\u0119, mimo \u017ce faktycznie tym interakcjom nie powinna by\u0107 przypisywana wi\u0119ksza warto\u015b\u0107.<\/p>\n\n\n\n

Podsumowuj\u0105c, warto\u015b\u0107 Shapleya jest interesuj\u0105cym narz\u0119dziem analitycznym wspieraj\u0105cym modelowanie atrybucji, ale z ca\u0142\u0105 pewno\u015bci\u0105 nie jest panaceum na wszystkie problemy zwi\u0105zane z w\u0142a\u015bciw\u0105 ocen\u0105 warto\u015bci kana\u0142\u00f3w na wielokana\u0142owych \u015bcie\u017ckach konwersji.<\/p>\n\n\n\n

Chcesz dowiedzie\u0107 si\u0119 wi\u0119cej o modelowaniu atrybucji? Zastanawiasz si\u0119, jak mo\u017cesz zwi\u0119kszy\u0107 zyski ze swoich kampanii? Zapisz si\u0119 na szkolenia Witolda Wrodarczyka z optymalizowania konwersji i modelowania atrybucji!<\/a><\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

Modele atrybucji data-driven analizuj\u0105 \u015bcie\u017cki konwersji i na tej podstawie pr\u00f3buj\u0105 okre\u015bli\u0107 wk\u0142ad poszczeg\u00f3lnych interakcji w doprowadzenie do konwersji, niejako zwalniaj\u0105c nas z konieczno\u015bci podejmowania arbitralnych decyzji w tym zakresie. Warto\u015b\u0107 Shapleya jest funkcj\u0105 cz\u0119sto wykorzystywan\u0105 przez algorytmy atrybucji opartej na danych, dlatego warto pozna\u0107 j\u0105 bli\u017cej. Czym jest Warto\u015b\u0107 Shapleya? Warto\u015b\u0107 Shapleya jest poj\u0119ciem […]<\/p>\n","protected":false},"author":201,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1147],"tags":[],"coauthors":[1363],"acf":[],"yoast_head":"\nWarto\u015b\u0107 Shapleya w modelowaniu atrybucji<\/title>\n<meta name=\"description\" content=\"Przeczytaj artyku\u0142 Witolda Wrodarczyka i dowiedz si\u0119, czym jest warto\u015b\u0107 Shapleya i jak j\u0105 wykorzysta\u0107 w modelowaniu atrybucji!\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Warto\u015b\u0107 Shapleya w modelowaniu atrybucji\" \/>\n<meta property=\"og:description\" content=\"Przeczytaj artyku\u0142 Witolda Wrodarczyka i dowiedz si\u0119, czym jest warto\u015b\u0107 Shapleya i jak j\u0105 wykorzysta\u0107 w modelowaniu atrybucji!\" \/>\n<meta property=\"og:url\" content=\"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/\" \/>\n<meta property=\"og:site_name\" content=\"sprawny.marketing \u2022 Szkolenia \u2022 Konferencje \u2022 Magazyn\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/SprawnyMarketing\/\" \/>\n<meta property=\"article:published_time\" content=\"2020-08-07T09:20:50+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2020-09-24T08:48:03+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/08\/rys.1.png\" \/>\n<meta name=\"author\" content=\"Witold Wrodarczyk\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"Witold Wrodarczyk\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"10 minut\" \/>\n\t<meta name=\"twitter:label3\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data3\" content=\"Witold Wrodarczyk\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Warto\u015b\u0107 Shapleya w modelowaniu atrybucji","description":"Przeczytaj artyku\u0142 Witolda Wrodarczyka i dowiedz si\u0119, czym jest warto\u015b\u0107 Shapleya i jak j\u0105 wykorzysta\u0107 w modelowaniu atrybucji!","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/","og_locale":"pl_PL","og_type":"article","og_title":"Warto\u015b\u0107 Shapleya w modelowaniu atrybucji","og_description":"Przeczytaj artyku\u0142 Witolda Wrodarczyka i dowiedz si\u0119, czym jest warto\u015b\u0107 Shapleya i jak j\u0105 wykorzysta\u0107 w modelowaniu atrybucji!","og_url":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/","og_site_name":"sprawny.marketing \u2022 Szkolenia \u2022 Konferencje \u2022 Magazyn","article_publisher":"https:\/\/www.facebook.com\/SprawnyMarketing\/","article_published_time":"2020-08-07T09:20:50+00:00","article_modified_time":"2020-09-24T08:48:03+00:00","og_image":[{"url":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/08\/rys.1.png","type":"","width":"","height":""}],"author":"Witold Wrodarczyk","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Witold Wrodarczyk","Szacowany czas czytania":"10 minut","Written by":"Witold Wrodarczyk"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/#article","isPartOf":{"@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/"},"author":{"name":"Witold Wrodarczyk","@id":"https:\/\/sprawnymarketing.pl\/#\/schema\/person\/1847450f9ef22810d1b37d0ed599afeb"},"headline":"Warto\u015b\u0107 Shapleya w modelowaniu atrybucji","datePublished":"2020-08-07T09:20:50+00:00","dateModified":"2020-09-24T08:48:03+00:00","mainEntityOfPage":{"@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/"},"wordCount":2097,"commentCount":0,"publisher":{"@id":"https:\/\/sprawnymarketing.pl\/#organization"},"image":{"@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/#primaryimage"},"thumbnailUrl":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/08\/rys.1.png","articleSection":["Analityka"],"inLanguage":"pl-PL","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/","url":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/","name":"Warto\u015b\u0107 Shapleya w modelowaniu atrybucji","isPartOf":{"@id":"https:\/\/sprawnymarketing.pl\/#website"},"primaryImageOfPage":{"@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/#primaryimage"},"image":{"@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/#primaryimage"},"thumbnailUrl":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/08\/rys.1.png","datePublished":"2020-08-07T09:20:50+00:00","dateModified":"2020-09-24T08:48:03+00:00","description":"Przeczytaj artyku\u0142 Witolda Wrodarczyka i dowiedz si\u0119, czym jest warto\u015b\u0107 Shapleya i jak j\u0105 wykorzysta\u0107 w modelowaniu atrybucji!","breadcrumb":{"@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/"]}]},{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/#primaryimage","url":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/08\/rys.1.png","contentUrl":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/08\/rys.1.png","width":1920,"height":1080,"caption":"wk\u0142ad marginalny"},{"@type":"BreadcrumbList","@id":"https:\/\/sprawnymarketing.pl\/blog\/wartosc-shapleya-w-modelowaniu-atrybucji\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Strona g\u0142\u00f3wna","item":"https:\/\/sprawnymarketing.pl\/"},{"@type":"ListItem","position":2,"name":"Warto\u015b\u0107 Shapleya w modelowaniu atrybucji"}]},{"@type":"WebSite","@id":"https:\/\/sprawnymarketing.pl\/#website","url":"https:\/\/sprawnymarketing.pl\/","name":"sprawny.marketing \u2022 Szkolenia \u2022 Konferencje \u2022 Magazyn","description":"","publisher":{"@id":"https:\/\/sprawnymarketing.pl\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/sprawnymarketing.pl\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pl-PL"},{"@type":"Organization","@id":"https:\/\/sprawnymarketing.pl\/#organization","name":"sprawny.marketing \u2022 Szkolenia \u2022 Konferencje \u2022 Magazyn","url":"https:\/\/sprawnymarketing.pl\/","logo":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/sprawnymarketing.pl\/#\/schema\/logo\/image\/","url":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/07\/logo-3.png","contentUrl":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/07\/logo-3.png","width":512,"height":106,"caption":"sprawny.marketing \u2022 Szkolenia \u2022 Konferencje \u2022 Magazyn"},"image":{"@id":"https:\/\/sprawnymarketing.pl\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/SprawnyMarketing\/"]},{"@type":"Person","@id":"https:\/\/sprawnymarketing.pl\/#\/schema\/person\/1847450f9ef22810d1b37d0ed599afeb","name":"Witold Wrodarczyk","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/sprawnymarketing.pl\/#\/schema\/person\/image\/abec4745c0696f79a0baf3a8314103bc","url":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/03\/wrodarczyk-2-150x150.png","contentUrl":"https:\/\/sprawnymarketing.pl\/wp-content\/uploads\/2020\/03\/wrodarczyk-2-150x150.png","caption":"Witold Wrodarczyk"},"description":"Absolwent Politechniki Warszawskiej. Za\u0142o\u017cyciel i dyrektor operacyjny agencji Adequate Interactive Boutiqe. Doradca inwestycyjny. Certyfikowany specjalista Google AdWords, Analytics i Double Click.","url":"https:\/\/sprawnymarketing.pl\/blog\/autor\/witold-wrodarczyk\/"}]}},"_links":{"self":[{"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/posts\/39600"}],"collection":[{"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/users\/201"}],"replies":[{"embeddable":true,"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/comments?post=39600"}],"version-history":[{"count":5,"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/posts\/39600\/revisions"}],"predecessor-version":[{"id":40079,"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/posts\/39600\/revisions\/40079"}],"wp:attachment":[{"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/media?parent=39600"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/categories?post=39600"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/tags?post=39600"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/sprawnymarketing.pl\/smblog-api\/wp\/v2\/coauthors?post=39600"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}