Statystyka · Marketing

Atrybucja kanałów marketingowych – łańcuch Markowa zamiast ostatniego kliknięcia

Jedno fikcyjne biuro podróży, 9233 ścieżki klientów i pięć rysunków z R: najczęstsze ścieżki, trzy reguły podziału na jednej grafice, graf przejść, efekt usunięcia kanału i porównanie z prawdziwym wpływem znanym z symulacji – z gotowymi zdaniami do pracy.

Strona główna / Blog / Atrybucja kanałów marketingowych
W skrócie: Atrybucja dzieli konwersje między kanały na ścieżce klienta. Reguły ostatniego i pierwszego kliknięcia są arbitralne; łańcuch Markowa liczy z macierzy przejść, o ile spadłaby szansa rezerwacji bez kanału (efekt usunięcia). W przykładzie ostatnie kliknięcie dało reklamie social 150 z 1122 rezerwacji, łańcuch Markowa 384, a prawdziwy wpływ z symulacji wynosił 320. Wyszukiwarka dostała jednak 393 rezerwacje przy prawdziwym przyroście 122 – atrybucja opisuje ścieżki, a nie przyczynowy wpływ kanałów, więc budżet sprawdzaj eksperymentem.

Przykład: biuro podróży i pytanie „który kanał sprzedaje wyjazdy?”

Fikcyjne biuro podróży online sprzedaje wyjazdy weekendowe. Klienci trafiają na stronę z czterech źródeł: reklamy w mediach społecznościowych (na rysunkach „social”), newslettera (e-mail), reklamy w wyszukiwarce i wejścia bezpośredniego (wpisany adres, zakładka). System analityczny zapisuje każdą wizytę, więc dla każdej osoby mamy ścieżkę, np. „social → wyszukiwarka → rezerwacja”. Dział marketingu pyta: ile rezerwacji dał każdy kanał i gdzie przesunąć budżet? To pytanie o atrybucję, czyli podział zasługi za konwersję między kontakty klienta z marką (Shao i Li, 2011). Inne typowe projekty z marketingu opisuje wpis statystyka w pracy z marketingu, a dane o koszykach – analiza koszykowa i systemy rekomendacyjne.

Dane są fikcyjne, więc znamy prawdę. Symulujemy 12 000 osób w oknie 21 dni. 10% to osoby „zdecydowane”: i tak planują rezerwację, częściej same szukają biura w wyszukiwarce (.80 wobec .25) i częściej wchodzą bezpośrednio. Prawdziwy wpływ kanałów ustaliliśmy ręcznie na skali logitu: reklama social +1.1, newsletter +0.8, wyszukiwarka +0.3, wejście bezpośrednie 0. Reklama social dodatkowo zwiększa szansę późniejszego wyszukania biura (z .25 do .50). W danych zostaje 9233 osób z co najmniej jedną wizytą i 1122 rezerwacje (12.15%), z czego 691 to osoby zdecydowane. Po pierwszym uruchomieniu obniżyliśmy udział zdecydowanych z 15% do 10% i ich bazową szansę rezerwacji z .50 do .45, bo odsetek rezerwacji (16.5%) był nierealnie wysoki. Ziarno 610 ustalono raz i nie zmieniano go. Dane pobierzesz jako atrybucja-sciezki-klientow.csv (kolumny: klient, ścieżka, rezerwacja 0/1 i ukryta kolumna zdecydowany, której w prawdziwych danych nie ma).

Rysunek 1: jak wyglądają ścieżki klientów

Poziome słupki 12 najczęstszych ścieżek: najdłuższy pomarańczowy słupek „social” – 1375 osób, rezerwacja 4.7%; niebieskie „social → wyszukiwarka” 971 osób, 10.2% i „wyszukiwarka” 856 osób, 13.0%; najkrótszy słupek „social → wyszukiwarka → bezpośrednio” – 130 osób, 16.9%; słupki pomarańczowe, gdy ścieżka kończy się wizytą z social lub e-maila, niebieskie – gdy wyszukiwarką lub wejściem bezpośrednim
Rysunek 1. Najczęstsze ścieżki i odsetek rezerwacji. R, ggplot2 (dane symulowane, set.seed(610)).

Co widać. Ścieżka ma średnio 2.31 wizyty, a różnych ścieżek jest 592. Dwanaście najczęstszych obejmuje 62.9% osób. Najczęstsza jest pojedyncza wizyta z reklamy social (1375 osób), ale tylko 4.7% z nich rezerwuje. Ścieżki kończące się wyszukiwarką lub wejściem bezpośrednim mają wyższy odsetek rezerwacji, np. „social → wyszukiwarka → bezpośrednio” – 16.9%.

Jak może zmylić. Wysoki odsetek rezerwacji po wyszukiwarce kusi, żeby uznać ją za najlepszy kanał. Ale do wyszukiwarki częściej trafiają osoby już zdecydowane. Ścieżki pokazują kolejność wizyt, a nie przyczyny.

Podpis do pracy:

Rysunek 1. Dwanaście najczęstszych ścieżek klientów (N = 9233 osób) z liczbą osób i odsetkiem rezerwacji. Uwaga. Strzałki oznaczają kolejne wizyty w oknie 21 dni. Dane symulowane.

Zdanie do Wyników:

Spośród 9233 osób z co najmniej jedną wizytą 1122 (12.15%) dokonały rezerwacji; ścieżka obejmowała średnio 2.31 wizyty, a 12 najczęstszych z 592 ścieżek dotyczyło 62.9% osób.

Rysunek 2: trzy proste reguły podziału

Grafika: u góry ścieżka klienta nr 31 – social, bezpośrednio, wyszukiwarka, zielona etykieta rezerwacja; pod nią trzy wiersze kratek: ostatnie kliknięcie – 0, 0, 1 (pomarańczowa kratka pod wyszukiwarką), pierwsze kliknięcie – 1, 0, 0 (pomarańczowa kratka pod social), liniowa – 0.33 w każdej kratce; na dole napis, że łańcuch Markowa nie dzieli pojedynczej ścieżki
Rysunek 2. Jedna rezerwacja podzielona trzema regułami. R, ggplot2 (grafika z danych symulowanych).

Co widać. Klient nr 31 (pierwsza w danych osoba z rezerwacją i trzema wizytami z trzech różnych kanałów) przyszedł z reklamy social, potem wszedł bezpośrednio, a zarezerwował po wizycie z wyszukiwarki. Ostatnie kliknięcie oddaje całą rezerwację wyszukiwarce, pierwsze kliknięcie – reklamie social, a reguła liniowa dzieli ją po równo. Po zsumowaniu wszystkich 1122 rezerwacji ostatnie kliknięcie daje wyszukiwarce 580, a reklamie social 150. Pierwsze kliknięcie odwraca obraz: social 561, wyszukiwarka 299.

Jak może zmylić. Każda reguła to arbitralna umowa, a nie pomiar. Żadna nie patrzy na ścieżki bez rezerwacji, więc nie wie, czy kanał w ogóle zmienia szansę zakupu.

Podpis do pracy:

Rysunek 2. Podział jednej rezerwacji między wizyty na ścieżce klienta według reguł ostatniego kliknięcia, pierwszego kliknięcia i atrybucji liniowej. Dane symulowane.

Zdanie do Metody:

Jako punkt odniesienia zastosowano trzy reguły heurystyczne: ostatniego kliknięcia (cała rezerwacja dla kanału ostatniej wizyty), pierwszego kliknięcia (dla kanału pierwszej wizyty) i liniową (rezerwacja dzielona po równo między wizyty).

Rysunek 3: ścieżki jako łańcuch Markowa

Każdą ścieżkę rozbijamy na kroki „stan teraz → stan następny”, np. start → social, social → wyszukiwarka, wyszukiwarka → rezerwacja. Ścieżki bez rezerwacji kończą się stanem „brak rezerwacji”. Zliczamy kroki w tabeli i dzielimy przez sumę wiersza. Powstaje macierz przejść łańcucha Markowa: szansa następnego kroku zależy tylko od obecnego kanału.

pij = nij / ni

nij to liczba przejść z kanału i do stanu j, a ni – wszystkie kroki z kanału i. Anderl i in. (2016) zastosowali takie łańcuchy pierwszego i wyższych rzędów do ścieżek klientów z czterech branż i otrzymali udziały kanałów wyraźnie inne niż przy ostatnim kliknięciu.

Graf: węzeł start po lewej, cztery kanały w rogach prostokąta, węzeł rezerwacja po prawej; najgrubsza niebieska strzałka start → social .62, dalej start → wyszukiwarka .19, start → e-mail .13, social → wyszukiwarka .31, e-mail → wyszukiwarka .24; pomarańczowe strzałki do rezerwacji: z social .02, z e-maila .03, z wyszukiwarki .08, z wejścia bezpośredniego .11; w węzłach szansa pozostania w kanale (.12–.24) i końca bez rezerwacji (.26–.51)
Rysunek 3. Graf przejść oszacowany z 9233 ścieżek. R, igraph, ggraph (dane symulowane).

Co widać. 61.9% ścieżek zaczyna się od reklamy social. Z social najczęściej idzie się do wyszukiwarki (.305), a rzadko wprost do rezerwacji (.017). Z wyszukiwarki rezerwacja ma szansę .084, z wejścia bezpośredniego .112. Tego, że social „prowadzi” do wyszukiwarki, nie widzi żadna z reguł z rysunku 2. Z macierzy liczymy szansę dojścia od startu do rezerwacji (Norris, 1997, pokazuje, że takie wielkości łańcucha da się policzyć wprost): .1215, dokładnie tyle co w danych.

Jak może zmylić. Łańcuch pierwszego rzędu „zapomina” wcześniejsze kroki: osoba po social → wyszukiwarka ma tę samą szansę rezerwacji co osoba, która zaczęła od wyszukiwarki. Strzałki to częstości przejść, nie wpływ. Graf nie pokazuje też liczebności – rzadkie przejścia mają szerokie przedziały.

Podpis do pracy:

Rysunek 3. Prawdopodobieństwa przejść między kanałami marketingowymi i do rezerwacji oszacowane z 9233 ścieżek klientów (łańcuch Markowa pierwszego rzędu). Uwaga. Pokazano przejścia z prawdopodobieństwem co najmniej .05 oraz wszystkie przejścia do rezerwacji; w węzłach podano prawdopodobieństwo powtórnej wizyty z tego samego kanału i zakończenia ścieżki bez rezerwacji. Dane symulowane.

Zdanie do Wyników:

Najczęstszym pierwszym kontaktem była reklama w mediach społecznościowych (61.9% ścieżek), po której klienci najczęściej przechodzili do wyszukiwarki (p = .305); prawdopodobieństwo rezerwacji bezpośrednio po wizycie wynosiło .017 dla reklamy social, .034 dla newslettera, .084 dla wyszukiwarki i .112 dla wejścia bezpośredniego.

Rysunek 4: efekt usunięcia – co by było bez kanału?

Atrybucja Markowa zadaje pytanie: o ile spadłaby szansa rezerwacji, gdyby kanał zniknął? „Zniknięcie” robimy w macierzy: każde przejście do kanału k kieruje do stanu „brak rezerwacji” i liczymy szansę rezerwacji od nowa (Anderl i in., 2016).

efekt usunięciak = 1 − P(rezerwacja bez kanału k) / P(rezerwacja)

Efekty usunięcia sumują się do więcej niż 1, bo ta sama rezerwacja „wisi” na kilku kanałach. Dlatego dzielimy każdy przez ich sumę i mnożymy przez liczbę rezerwacji.

Cztery niebieskie strzałki od pionowej przerywanej linii 12.15% w lewo do pomarańczowych rombów: social do 4.60% (efekt usunięcia 62%), e-mail do 9.32% (23%), wyszukiwarka do 4.42% (64%), bezpośrednio do 8.18% (33%)
Rysunek 4. Szansa rezerwacji z pełnej macierzy i po usunięciu kanału. R, ggplot2 (dane symulowane, bez losowania).

Co widać. Bez reklamy social szansa rezerwacji spada z 12.15% do 4.60% (efekt usunięcia .622), bez wyszukiwarki – do 4.42% (.637). Newsletter ma efekt .233, wejście bezpośrednie .327. Suma efektów wynosi 1.818. Po normalizacji łańcuch Markowa przypisuje 384 rezerwacje reklamie social, 144 newsletterowi, 393 wyszukiwarce i 202 wejściu bezpośredniemu. Reklama social dostaje ponad dwa razy więcej niż przy ostatnim kliknięciu, bo model widzi, że wiele ścieżek do rezerwacji przez nią przechodzi.

Jak może zmylić. Usunięcie kanału w macierzy zakłada, że osoby, które by do niego trafiły, odchodzą bez rezerwacji. Nie przechodzą do innego kanału i nie kupują „i tak”. To założenie, nie wynik.

Podpis do pracy:

Rysunek 4. Prawdopodobieństwo rezerwacji oszacowane z pełnej macierzy przejść oraz z macierzy, w której przejścia do danego kanału zakończono bez rezerwacji. Uwaga. Efekt usunięcia = 1 − (prawdopodobieństwo bez kanału / prawdopodobieństwo pełne). Dane symulowane.

Zdanie do Wyników:

Największy efekt usunięcia miały wyszukiwarka (.637) i reklama w mediach społecznościowych (.622), mniejszy – wejście bezpośrednie (.327) i newsletter (.233); po normalizacji kanałom przypisano odpowiednio 393, 384, 202 i 144 z 1122 rezerwacji.

Rysunek 5: cztery atrybucje i prawdziwy wpływ

W symulacji możemy zrobić to, czego nie da się zrobić w prawdziwych danych: wyłączyć kanał dla tych samych osób z tymi samymi losami i policzyć rezerwacje, których by nie było. To porównanie wyników potencjalnych – świata z kanałem i bez niego. Niepewność atrybucji Markowa oceniamy bootstrapem osób (1000 prób).

Wykres punktowy: dla każdego kanału pięć znaczników. Social: ostatnie kliknięcie 150, pierwsze 561, liniowa 347, Markow 384 z przedziałem, prawda 320. E-mail: 98, 163, 143, Markow 144, prawda 108. Wyszukiwarka: ostatnie 580, pierwsze 299, liniowa 440, Markow 393, prawda 122. Bezpośrednio: 294, 99, 191, Markow 202, prawda 0. Czarne romby prawdy leżą najbardziej na lewo przy wyszukiwarce i wejściu bezpośrednim
Rysunek 5. Rezerwacje przypisane kanałom czterema metodami i prawdziwy wpływ z symulacji. R, ggplot2 (dane symulowane, set.seed(610)).
Rezerwacje przypisane kanałom przez cztery metody atrybucji i prawdziwy wpływ z symulacji
Metodasociale-mailwyszukiwarkabezpośrednio
ostatnie kliknięcie15098580294
pierwsze kliknięcie56116329999
liniowa347143440191
łańcuch Markowa [95% CI]384 [361, 406]144 [131, 157]393 [368, 418]202 [184, 220]
prawdziwy wpływ (symulacja)3201081220

Co widać. Dla reklamy social łańcuch Markowa (384) jest bliżej prawdy (320) niż ostatnie kliknięcie (150). Dla wyszukiwarki i wejścia bezpośredniego wszystkie metody mocno przeszacowują: wyszukiwarka naprawdę dodała 122 rezerwacje, a dostaje od 299 do 580. Wejście bezpośrednie nie dodało żadnej, a dostaje od 99 do 294. Atrybucja zawsze rozdziela wszystkie 1122 rezerwacje, a bez reklamy social, newslettera i wyszukiwarki zostałoby 724 z 1190 rezerwacji w całej grupie 12 000 osób.

Jak może zmylić. Przedział bootstrapowy mówi tylko, jak bardzo wynik zależy od losu próby. Nie mówi, czy metoda mierzy właściwą rzecz – wąski przedział wokół 393 dla wyszukiwarki jest daleko od prawdziwych 122.

Podpis do pracy:

Rysunek 5. Liczba rezerwacji przypisanych kanałom według reguł ostatniego kliknięcia, pierwszego kliknięcia, liniowej i atrybucji Markowa (efekt usunięcia) oraz rzeczywisty przyrost rezerwacji znany z symulacji (N = 1122 rezerwacji). Uwaga. Odcinki – 95% przedziały bootstrapowe dla atrybucji Markowa (1000 prób osób). Dane symulowane.

Zdanie do Wyników:

Atrybucja Markowa przypisała reklamie w mediach społecznościowych 384 rezerwacje, 95% CI [361, 406], wobec 150 przy regule ostatniego kliknięcia; wyszukiwarce przypisano 393 rezerwacje, 95% CI [368, 418], a wejściu bezpośredniemu 202, 95% CI [184, 220].

Atrybucja to nie efekt przyczynowy

Skąd ten rozjazd? 691 z 1122 rezerwacji to osoby zdecydowane, które i tak szukały biura w wyszukiwarce i wchodziły bezpośrednio. Kanał obecny na ścieżkach takich osób zbiera zasługę, choć niczego nie zmienił. Zamiar zakupu działa tu jak zmienna zakłócająca: wpływa i na to, którędy klient idzie, i na rezerwację. To klasyczny przypadek, że korelacja to nie przyczynowość.

Tak bywa w prawdziwych danych. W dużych eksperymentach terenowych z płatną reklamą w wyszukiwarce zwrot okazał się ułamkiem oszacowań nieeksperymentalnych, bo kliknięcia w reklamę są skorelowane z zamiarem zakupu. Reklamy na hasła z nazwą marki nie dawały mierzalnych korzyści (Blake i in., 2015). Dalessandro i in. (2012) proponują więc traktować atrybucję jako problem estymacji przyczynowej. Gdy założenia przyczynowe nie są spełnione, udziały kanałów są tylko miarą ważności zmiennych. Li i Kannan (2014) szacują przyrostowy wpływ kanałów modelem na danych indywidualnych i sprawdzają go eksperymentem terenowym.

Obok efektu usunięcia popularna jest wartość Shapleya z teorii gier kooperacyjnych. Dzieli konwersje według średniego wkładu kanału we wszystkie możliwe „koalicje” kanałów. To inny sposób podziału tej samej obserwacyjnej informacji – nie usuwa problemu osób zdecydowanych. Do pomiaru przyrostu potrzebny jest eksperyment: losowe wstrzymanie reklamy części osób (test A/B, grupa kontrolna), kampania w jednym regionie z syntetyczną kontrolą albo model na danych tygodniowych, czyli marketing mix modeling. Kontrolowany eksperyment najlepiej ustala, czy zmiana wpływa na zachowanie użytkowników (Kohavi i in., 2009).

Co z tym zrobić w marketingu

  • Nie tnij reklamy social na podstawie ostatniego kliknięcia. Ostatnie kliknięcie dało jej 150 rezerwacji, prawda to 320. Social „otwiera” ścieżki, które kończą się w wyszukiwarce.
  • Sprawdź reklamę w wyszukiwarce eksperymentem. Wstrzymaj ją na losowej części dni albo regionów. W naszych danych przyrost (122) był wielokrotnie mniejszy niż przypisane rezerwacje.
  • Nie licz wejścia bezpośredniego jako kanału do inwestycji. To zwykle skutek wcześniejszego zamiaru albo innych kontaktów.
  • Newsletter: mały, ale prawdziwy wpływ (108). Wysyłkę testuj na losowej grupie kontrolnej subskrybentów – efekt i jego zmienność między klientami opisuje wpis modelowanie uplift.
  • Atrybucję Markowa traktuj jako mapę ścieżek i źródło hipotez do testów, nie jako rachunek zwrotu z budżetu. Gdzie klienci odpadają na stronie, pokaże lejek konwersji.

Jak opisać w pracy

W Metodzie podaj okno czasowe ścieżek, listę kanałów, liczbę osób i rezerwacji, rząd łańcucha i sposób liczenia efektu usunięcia. Podaj też, czy dane obejmują ścieżki bez konwersji. Wynik pokaż w tabeli obok co najmniej jednej reguły heurystycznej, z przedziałami bootstrapowymi. W Ograniczeniach napisz wprost, że atrybucja opisuje ścieżki, a nie przyczynowy wpływ kanałów.

Ścieżki klientów (N = 9233 osób, 1122 rezerwacje, okno 21 dni) zamodelowano łańcuchem Markowa pierwszego rzędu ze stanami: start, cztery kanały (reklama w mediach społecznościowych, newsletter, reklama w wyszukiwarce, wejście bezpośrednie), rezerwacja i brak rezerwacji (Anderl i in., 2016). Udział kanału obliczono jako efekt usunięcia, czyli względny spadek prawdopodobieństwa rezerwacji po skierowaniu przejść do kanału do stanu „brak rezerwacji”, znormalizowany do sumy 1. Niepewność oceniono bootstrapem osób (1000 prób, przedziały percentylowe 95%). Dla porównania zastosowano reguły ostatniego i pierwszego kliknięcia oraz regułę liniową. Ponieważ dane mają charakter obserwacyjny, udziały kanałów nie są interpretowane jako przyczynowy wpływ.

Jeśli Twoja praca porównuje wersje strony albo kampanie w eksperymencie, zajrzyj do wpisów test A/B – plan i analiza i CUPED.

Przykład reprodukowalny

Kod R: ścieżki, macierz przejść i efekt usunięcia w bazowym R

Kod odtwarza wszystkie liczby z tekstu i pięć rysunków. Uruchom przepisy po kolei w jednej sesji R: przepis 1 tworzy paletę, motyw i dane, z których korzystają kolejne. Macierz przejść, szansę rezerwacji (solve() dla łańcucha pochłaniającego) i efekt usunięcia liczy bazowy R – bez pakietów do atrybucji (na dużych danych to samo robi np. pakiet ChannelAttribution). Każdy przepis z rysunkiem kończy się nazwą wykresu (p1–p5), co wyświetla go w oknie R; do zapisu w pliku SVG użyj ggsave() jak w komentarzu. Rysunki na tej stronie powstały z tych samych obiektów p1–p5, którym podmieniono tylko motyw na motyw serwisu (krój i kolor czcionki, siatka) – dane, geometrie i skale są identyczne.

Losują tylko przepisy 1 (dane) i 5 (bootstrap); oba zaczynają się od własnego set.seed(610). Ziarno 610 ustalono raz i nie zmieniano go. Ręcznie ustalono: 12 000 osób, udział zdecydowanych 10% (obniżony z 15% po pierwszym uruchomieniu) i subskrybentów 35%, szanse wizyt z kanałów, bazową szansę rezerwacji (.45 dla zdecydowanych – obniżoną z .50 po pierwszym uruchomieniu – i .015 dla pozostałych), wpływ kanałów na skali logitu (+1.1, +0.8, +0.3, 0), okna dni dla kanałów i średnią liczbę dodatkowych wizyt oraz próg .05 dla strzałek na rysunku 3. Całość liczy się w kilka sekund.

1. Paleta, dane i najczęstsze ścieżki: Rysunek 1

Dane wejściowe: nic – 12 000 osób losuje kod (parametry ustalone ręcznie, set.seed(610)). Na początku paleta Okabe–Ito i motyw motyw, z których korzystają kolejne przepisy. Funkcje widzi_kanaly() i p_zakupu() zapisują „prawdziwy świat” symulacji – przepis 5 użyje ich, by wyłączać kanały. Kod zapisuje plik CSV w katalogu roboczym.

Co odczytać: liczbę osób w danych, rezerwacji (także osób zdecydowanych), średnią liczbę wizyt i 12 najczęstszych ścieżek z odsetkiem rezerwacji.

R
# Rysunek 1. Fikcyjne biuro podróży online: ścieżki klientów przez kanały marketingowe (dane symulowane)
library(ggplot2)

# Paleta Okabe–Ito (rozróżnialna także przy deuteranopii) i prosty motyw
kol <- c(niebieski = "#0072B2", cynober = "#D55E00", pomarancz = "#E69F00", zielony = "#009E73",
         fiolet = "#CC79A7", blekit = "#56B4E9", szary = "grey60", ciemny = "grey15")
motyw <- theme_minimal(base_size = 13) +
  theme(plot.title = element_text(face = "bold", colour = "#0f1d3a", size = rel(1.0)),
        plot.subtitle = element_text(colour = "grey30"), panel.grid.minor = element_blank(),
        panel.grid.major = element_line(colour = "grey88", linewidth = 0.4),
        strip.text = element_text(face = "bold", colour = "#0f1d3a"), legend.position = "bottom",
        plot.background = element_rect(fill = "white", colour = NA), plot.margin = margin(10, 14, 10, 10))

kanaly <- c("social", "e-mail", "wyszukiwarka", "bezpośrednio")   # social = reklama w mediach społecznościowych

set.seed(610)                                  # ziarno ustalone raz, bez dobierania pod wynik
n <- 12000                                     # osoby, które w ciągu 21 dni odwiedziły stronę biura
zdecydowany <- rbinom(n, 1, 0.10) == 1         # ukryta cecha: i tak planuje rezerwację (w prawdziwych danych nieznana)
subskrybent <- rbinom(n, 1, 0.35) == 1         # jest na liście newslettera
# Liczby jednostajne zapisane raz – posłużą też do świata „bez kanału” (te same osoby, te same losy)
u <- matrix(runif(n * 5), n, 5, dimnames = list(NULL, c("social", "email", "szukaj", "wprost", "zakup")))

# Kto trafia na stronę z którego kanału (prawdopodobieństwa ustalone ręcznie)
widzi_kanaly <- function(bez = character()) {
  s <- u[, "social"] < ifelse(zdecydowany, 0.35, 0.55)
  e <- subskrybent & u[, "email"] < 0.50
  if ("social" %in% bez) s[] <- FALSE
  if ("e-mail" %in% bez) e[] <- FALSE
  # zdecydowani sami szukają biura w wyszukiwarce; reklama social i e-mail zachęcają innych do szukania
  w <- u[, "szukaj"] < ifelse(zdecydowany, 0.80, 0.25 + 0.25 * s + 0.10 * e)
  d <- u[, "wprost"] < ifelse(zdecydowany, 0.45, 0.10 + 0.10 * s)
  if ("wyszukiwarka" %in% bez) w[] <- FALSE
  if ("bezpośrednio" %in% bez) d[] <- FALSE
  cbind(social = s, `e-mail` = e, wyszukiwarka = w, `bezpośrednio` = d)
}
# Prawdziwy wpływ na rezerwację (skala logitu, ustalony ręcznie): social +1.1, e-mail +0.8, wyszukiwarka +0.3,
# wejście bezpośrednie 0 – to skutek zamiaru, nie kanał, który go wywołuje
p_zakupu <- function(K) plogis(ifelse(zdecydowany, qlogis(0.45), qlogis(0.015)) +
                                 1.1 * K[, "social"] + 0.8 * K[, "e-mail"] + 0.3 * K[, "wyszukiwarka"])
K <- widzi_kanaly()
zakup <- u[, "zakup"] < p_zakupu(K)

# Ścieżka: każdy kanał 1 lub więcej wizyt, wizyty uporządkowane w czasie (dni 0–21; zakresy ustalone ręcznie)
okno <- list(social = c(0, 12), `e-mail` = c(2, 16), wyszukiwarka = c(6, 20), `bezpośrednio` = c(8, 21))
ile_dod <- c(social = 0.4, `e-mail` = 0.4, wyszukiwarka = 0.3, `bezpośrednio` = 0.2)
sciezka <- character(n)
for (i in seq_len(n)) {
  k <- kanaly[K[i, ]]
  if (!length(k)) next
  wiz <- rep(k, 1 + rpois(length(k), ile_dod[k]))
  t <- mapply(function(a) runif(1, okno[[a]][1], okno[[a]][2]), wiz)
  sciezka[i] <- paste(wiz[order(t)], collapse = " > ")
}
obserwowani <- sciezka != ""                     # bez żadnej wizyty – poza danymi
dane <- data.frame(klient = which(obserwowani), sciezka = sciezka[obserwowani], zakup = as.integer(zakup[obserwowani]),
                   zdecydowany = as.integer(zdecydowany[obserwowani]))
write.csv(dane, "atrybucja-sciezki-klientow.csv", row.names = FALSE)
c(osoby = n, w_danych = nrow(dane), zakupy = sum(dane$zakup), odsetek_zakupu = round(100 * mean(dane$zakup), 2),
  zakupy_zdecydowanych = sum(dane$zakup[dane$zdecydowany == 1]),
  wizyt_na_sciezke = round(mean(lengths(strsplit(dane$sciezka, " > "))), 2))

# Najczęstsze ścieżki: liczba osób i odsetek rezerwacji
tab <- aggregate(zakup ~ sciezka, dane, function(z) c(n = length(z), zakupy = sum(z)))
tab <- data.frame(sciezka = tab$sciezka, n = tab$zakup[, "n"], zakupy = tab$zakup[, "zakupy"])
tab <- head(tab[order(-tab$n), ], 12)
tab$odsetek <- tab$zakupy / tab$n
c(rozne_sciezki = length(unique(dane$sciezka)), w_top12 = round(100 * sum(tab$n) / nrow(dane), 1))
print(transform(tab, odsetek = round(100 * odsetek, 1)), row.names = FALSE)

tab$etyk <- factor(gsub(" > ", " → ", tab$sciezka), levels = rev(gsub(" > ", " → ", tab$sciezka)))
tab$typ <- ifelse(grepl("wyszukiwarka|bezpośrednio", sub(".* > ", "", tab$sciezka)),
                  "ostatnia wizyta: wyszukiwarka lub wejście bezpośrednie", "ostatnia wizyta: social lub e-mail")
p1 <- ggplot(tab, aes(n, etyk, fill = typ)) +
  geom_col(width = 0.72) +
  geom_text(aes(label = sprintf("%d osób · rezerwacja %.1f%%", n, 100 * odsetek)), hjust = -0.05, size = 3.5,
            colour = "grey15") +
  scale_fill_manual(values = c("ostatnia wizyta: wyszukiwarka lub wejście bezpośrednie" = kol[["niebieski"]],
                               "ostatnia wizyta: social lub e-mail" = kol[["pomarancz"]]), name = NULL) +
  scale_x_continuous(limits = c(0, 1.55 * max(tab$n)), expand = c(0, 0)) +
  guides(fill = guide_legend(ncol = 1)) +
  labs(x = "Liczba osób z taką ścieżką", y = NULL, title = "12 najczęstszych ścieżek klientów",
       subtitle = sprintf("%d osób w danych, %d różnych ścieżek", nrow(dane), length(unique(dane$sciezka)))) +
  motyw + theme(panel.grid.major.y = element_blank())
p1   # zapis: ggsave("atrybucja-najczestsze-sciezki.svg", p1, width = 10, height = 6.4)
Wynik w R
               osoby             w_danych               zakupy 
            12000.00              9233.00              1122.00 
      odsetek_zakupu zakupy_zdecydowanych     wizyt_na_sciezke 
               12.15               691.00                 2.31 
rozne_sciezki       w_top12 
        592.0          62.9 
                              sciezka    n zakupy odsetek
                               social 1375     64     4.7
                social > wyszukiwarka  971     99    10.2
                         wyszukiwarka  856    111    13.0
                      social > social  562     38     6.8
                               e-mail  350     21     6.0
       social > social > wyszukiwarka  335     35    10.4
                         bezpośrednio  297     25     8.4
                social > bezpośrednio  269     31    11.5
          wyszukiwarka > wyszukiwarka  268     36    13.4
 social > wyszukiwarka > wyszukiwarka  255     25     9.8
                      e-mail > e-mail  143      9     6.3
 social > wyszukiwarka > bezpośrednio  130     22    16.9

2. Reguły heurystyczne i grafika jednej ścieżki: Rysunek 2

Dane wejściowe: obiekty z przepisu 1. Niczego nie losuje.

Co odczytać: liczbę rezerwacji przypisanych kanałom przez ostatnie kliknięcie, pierwsze kliknięcie i regułę liniową oraz ścieżkę klienta z rysunku.

R
# Rysunek 2. Jedna ścieżka, trzy reguły: ostatnie kliknięcie, pierwsze kliknięcie, atrybucja liniowa
# Korzysta z obiektów przepisu 1: dane, kanaly, kol, motyw. Niczego nie losuje.
library(ggplot2)

kroki <- strsplit(dane$sciezka, " > ")          # lista wizyt każdej osoby
zak <- dane$zakup == 1
# Reguły heurystyczne dzielą każdą rezerwację między wizyty na jej ścieżce
ostatnie <- table(factor(sapply(kroki[zak], tail, 1), kanaly))
pierwsze <- table(factor(sapply(kroki[zak], `[`, 1), kanaly))
liniowa <- tapply(unlist(lapply(kroki[zak], function(k) rep(1 / length(k), length(k)))),
                  factor(unlist(kroki[zak]), kanaly), sum)
heur <- rbind(ostatnie = as.numeric(ostatnie), pierwsze = as.numeric(pierwsze), liniowa = as.numeric(liniowa))
colnames(heur) <- kanaly
round(cbind(heur, razem = rowSums(heur)), 1)

# Przykład do rysunku: pierwsza w danych osoba z rezerwacją, której ścieżka ma trzy wizyty z trzech różnych kanałów
nr <- which(zak & lengths(kroki) == 3 & sapply(kroki, function(k) length(unique(k))) == 3)[1]
przyklad <- kroki[[nr]]
c(klient = dane$klient[nr], sciezka = paste(przyklad, collapse = " → "))

m <- length(przyklad)
udzial <- rbind(`Ostatnie kliknięcie` = c(rep(0, m - 1), 1), `Pierwsze kliknięcie` = c(1, rep(0, m - 1)),
                `Liniowa` = rep(1 / m, m))
kafle <- data.frame(regula = rep(rownames(udzial), each = m), x = rep(seq_len(m), nrow(udzial)),
                    kanal = rep(przyklad, nrow(udzial)), udzial = as.vector(t(udzial)))
kafle$y <- match(kafle$regula, rownames(udzial))
kafle$etyk <- ifelse(kafle$udzial == 0, "0", ifelse(kafle$udzial == 1, "1", sprintf("%.2f", kafle$udzial)))
gora <- data.frame(x = c(seq_len(m), m + 1), lab = c(przyklad, "rezerwacja"), y = 0)

p2 <- ggplot() +
  # ścieżka klienta (góra)
  geom_segment(data = data.frame(x = 1:m), aes(x = x + 0.36, xend = x + 0.64, y = 0, yend = 0),
               arrow = arrow(length = unit(2.4, "mm"), type = "closed"), colour = "grey40") +
  geom_label(data = gora, aes(x, y, label = lab), size = 4.2, fill = c(rep("grey95", m), kol[["zielony"]]),
             colour = c(rep("grey10", m), "white"), label.padding = unit(0.45, "lines"), fontface = "bold") +
  # kafle udziałów
  geom_tile(data = kafle, aes(x, y, fill = udzial), width = 0.82, height = 0.72, colour = "grey55", linewidth = 0.3) +
  geom_text(data = kafle, aes(x, y, label = etyk, colour = udzial > 0.5), size = 5, fontface = "bold") +
  annotate("text", x = 0.45, y = 1:3, label = rownames(udzial), hjust = 1, size = 4.2, colour = "#0f1d3a",
           fontface = "bold") +
  annotate("text", x = m + 1, y = 1:3, size = 3.7, colour = "grey25", lineheight = 0.95,
           label = c("cała rezerwacja dla\nostatniej wizyty", "cała rezerwacja dla\npierwszej wizyty",
                     "po równo dla\nkażdej wizyty")) +
  annotate("text", x = (m + 1) / 2 - 0.5, y = 4.05, size = 3.8, colour = "grey20", lineheight = 0.95,
           label = paste0("Łańcuch Markowa nie dzieli pojedynczej ścieżki: udział kanału wynika z tego, o ile spadłoby\n",
                          "prawdopodobieństwo rezerwacji we wszystkich ", format(nrow(dane), big.mark = " "),
                          " ścieżkach bez tego kanału (rysunki 3 i 4)")) +
  scale_fill_gradient(low = "white", high = kol[["cynober"]], limits = c(0, 1), guide = "none") +
  scale_colour_manual(values = c(`TRUE` = "white", `FALSE` = "grey10"), guide = "none") +
  scale_y_reverse(limits = c(4.5, -0.5)) + scale_x_continuous(limits = c(-1.25, m + 1.6)) +
  labs(title = "Jedna rezerwacja, trzy reguły podziału",
       subtitle = sprintf("Ścieżka klienta nr %d z danych; liczba w kratce = część rezerwacji przypisana wizycie",
                          dane$klient[nr]), x = NULL, y = NULL) +
  motyw + theme(axis.text = element_blank(), panel.grid.major = element_blank())
p2   # zapis: ggsave("atrybucja-jedna-sciezka-trzy-reguly.svg", p2, width = 10, height = 5.6)
Wynik w R
         social e-mail wyszukiwarka bezpośrednio razem
ostatnie  150.0   98.0        580.0        294.0  1122
pierwsze  561.0  163.0        299.0         99.0  1122
liniowa   347.5  143.2        440.2        191.2  1122
                                klient                                sciezka 
                                  "31" "social → bezpośrednio → wyszukiwarka" 

3. Macierz przejść i graf: Rysunek 3

Dane wejściowe: obiekty z przepisów 1–2. Graf rysują igraph i ggraph z ręcznie ustalonym układem węzłów. Niczego nie losuje.

Co odczytać: tabelę przejść „od × do”, macierz przejść oraz szansę rezerwacji policzoną z macierzy (łańcuch pochłaniający) obok odsetka w danych.

R
# Rysunek 3. Ścieżki jako łańcuch Markowa: macierz przejść i graf przejść
# Korzysta z obiektów przepisów 1–2: dane, kroki, kanaly, kol, motyw. Niczego nie losuje.
library(ggplot2)
library(igraph)
library(ggraph)

stany <- c("start", kanaly, "zakup", "brak")
koniec <- ifelse(dane$zakup == 1, "zakup", "brak")
# Każda ścieżka: start → wizyty → zakup albo brak zakupu; zliczamy pary „stan teraz → stan następny”
od <- unlist(lapply(seq_along(kroki), function(i) c("start", kroki[[i]])))
do <- unlist(lapply(seq_along(kroki), function(i) c(kroki[[i]], koniec[i])))
N <- table(od = factor(od, stany), do = factor(do, stany))
P <- prop.table(N[1:5, ], 1)                    # macierz przejść: wiersze sumują się do 1
N[1:5, ]
round(P, 3)

# Prawdopodobieństwo dojścia do zakupu ze startu (łańcuch pochłaniający: zakup i brak kończą ścieżkę)
p_rezerwacji <- function(P) {
  Q <- P[1:5, 1:5]; R <- P[1:5, c("zakup", "brak")]
  solve(diag(5) - Q, R)["start", "zakup"]
}
c(z_macierzy = round(p_rezerwacji(P), 4), w_danych = round(mean(dane$zakup), 4))

# Graf przejść: pętle („zostaje w kanale”) i koniec bez rezerwacji jako liczby w węźle, strzałki ≥ .05 i do rezerwacji
kraw <- as.data.frame(as.table(P), stringsAsFactors = FALSE)
names(kraw) <- c("od", "do", "p")
kraw <- kraw[kraw$od != kraw$do & kraw$do != "brak" & (kraw$p >= 0.05 | kraw$do == "zakup") & kraw$p > 0, ]
kraw$typ <- ifelse(kraw$do == "zakup", "do rezerwacji", "do innego kanału")
kraw$etyk <- sub("^0", "", sprintf("%.2f", kraw$p))
bp <- function(x) sub("^0", "", sprintf("%.2f", x))
wez <- data.frame(name = c("start", kanaly, "zakup"), x = c(0, 1, 1, 2.3, 2.3, 3.3), y = c(0, 1.1, -1.1, 1.1, -1.1, 0))
i <- match(wez$name, rownames(P))
wez$etyk <- ifelse(wez$name %in% kanaly, sprintf("%s\nzostaje %s\nkoniec %s", wez$name, bp(diag(P)[i]), bp(P[i, "brak"])),
                   ifelse(wez$name == "zakup", "rezerwacja", "start"))
g <- graph_from_data_frame(kraw, directed = TRUE, vertices = wez)
c(wezly = vcount(g), strzalki = ecount(g))

p3 <- ggraph(g, layout = "manual", x = wez$x, y = wez$y) +
  geom_edge_fan(aes(edge_width = p, edge_colour = typ, label = etyk), strength = 0.7,
                arrow = arrow(length = unit(2.6, "mm"), type = "closed"), end_cap = circle(13, "mm"),
                start_cap = circle(13, "mm"), angle_calc = "along", label_dodge = unit(3, "mm"), label_pos = 0.4,
                label_size = 3.5, alpha = 0.9) +
  geom_node_point(aes(fill = name == "zakup"), shape = 21, size = 30, colour = "grey40", stroke = 0.8) +
  geom_node_text(aes(label = etyk), size = 3.4, lineheight = 0.9, colour = "grey10") +
  scale_fill_manual(values = c(`TRUE` = "grey90", `FALSE` = "white"), guide = "none") +
  scale_edge_width(range = c(0.4, 3), guide = "none") +
  scale_edge_colour_manual(values = c("do rezerwacji" = kol[["cynober"]], "do innego kanału" = kol[["niebieski"]]),
                           name = NULL) +
  scale_x_continuous(expand = expansion(add = 0.4)) + scale_y_continuous(expand = expansion(add = 0.45)) +
  labs(title = "Graf przejść między kanałami",
       subtitle = "Liczba przy strzałce = prawdopodobieństwo następnego kroku (pokazano ≥ .05 i wszystkie do rezerwacji);\n„koniec” = ścieżka kończy się bez rezerwacji") +
  motyw + theme(axis.text = element_blank(), axis.title = element_blank(), panel.grid.major = element_blank())
p3   # zapis: ggsave("atrybucja-graf-przejsc.svg", p3, width = 10, height = 7)
Wynik w R
              do
od             start social e-mail wyszukiwarka bezpośrednio zakup brak
  start            0   5718   1191         1763          561     0    0
  social           0   2138    742         2710          846   150 2298
  e-mail           0    400    557          693          221    98  935
  wyszukiwarka     0    526    344         1268          678   580 3544
  bezpośrednio     0    102     70          506          311   294 1334
              do
od             start social e-mail wyszukiwarka bezpośrednio zakup  brak
  start        0.000  0.619  0.129        0.191        0.061 0.000 0.000
  social       0.000  0.241  0.084        0.305        0.095 0.017 0.259
  e-mail       0.000  0.138  0.192        0.239        0.076 0.034 0.322
  wyszukiwarka 0.000  0.076  0.050        0.183        0.098 0.084 0.511
  bezpośrednio 0.000  0.039  0.027        0.193        0.119 0.112 0.510
z_macierzy   w_danych 
    0.1215     0.1215 
   wezly strzalki 
       6       17 

4. Efekt usunięcia i atrybucja Markowa: Rysunek 4

Dane wejściowe: macierz P i funkcja p_rezerwacji() z przepisu 3. Niczego nie losuje.

Co odczytać: szansę rezerwacji bez każdego kanału (w %), efekt usunięcia, udział po normalizacji i liczbę przypisanych rezerwacji.

R
# Rysunek 4. Efekt usunięcia (removal effect): o ile spada prawdopodobieństwo rezerwacji bez danego kanału
# Korzysta z obiektów przepisów 1–3: P, p_rezerwacji, kanaly, dane, kol, motyw. Niczego nie losuje.
library(ggplot2)

# Usunięcie kanału k: każde przejście do k kończy ścieżkę bez rezerwacji
usun <- function(P, k) { P[, "brak"] <- P[, "brak"] + P[, k]; P[, k] <- 0; P }
p_pelne <- p_rezerwacji(P)
p_bez <- sapply(kanaly, function(k) p_rezerwacji(usun(P, k)))
efekt <- 1 - p_bez / p_pelne                     # efekt usunięcia
udzial <- efekt / sum(efekt)                     # efekty normalizowane do 100%
markow <- udzial * sum(dane$zakup)               # rezerwacje przypisane kanałom
round(data.frame(p_bez_proc = 100 * p_bez, efekt_usuniecia = efekt, udzial = udzial, rezerwacje = markow), 3)
c(p_pelne = round(p_pelne, 4), suma_efektow = round(sum(efekt), 3))

ef <- data.frame(kanal = factor(kanaly, levels = rev(kanaly)), p_bez, efekt)
p4 <- ggplot(ef, aes(p_bez, kanal)) +
  geom_segment(aes(x = p_pelne, xend = p_bez, yend = kanal), colour = kol[["niebieski"]], linewidth = 1.1,
               arrow = arrow(length = unit(2.6, "mm"), type = "closed")) +
  geom_point(aes(x = p_pelne), shape = 21, size = 3.4, fill = "white", colour = "grey20") +
  geom_point(shape = 23, size = 3.6, fill = kol[["cynober"]], colour = "grey15") +
  geom_text(aes(label = sprintf("%.2f%% · efekt usunięcia %.0f%%", 100 * p_bez, 100 * efekt)),
            hjust = 1.08, vjust = -1.1, size = 3.6, colour = "grey15") +
  geom_vline(xintercept = p_pelne, linetype = "dashed", colour = "grey35") +
  annotate("text", x = p_pelne, y = 4.45, label = sprintf("wszystkie kanały: %.2f%%", 100 * p_pelne),
           hjust = 1.05, size = 3.6, colour = "grey20") +
  scale_x_continuous(labels = function(x) paste0(x * 100, "%"), limits = c(0, 0.135), breaks = seq(0, 0.12, 0.02)) +
  scale_y_discrete(expand = expansion(add = c(0.6, 0.9))) +
  labs(x = "Prawdopodobieństwo rezerwacji ze startu ścieżki (z macierzy przejść)", y = NULL,
       title = "Co by było bez kanału? Efekt usunięcia",
       subtitle = "Kółko: pełna macierz przejść; romb: macierz, w której przejście do kanału kończy ścieżkę") +
  motyw + theme(panel.grid.major.y = element_blank())
p4   # zapis: ggsave("atrybucja-efekt-usuniecia.svg", p4, width = 10, height = 5.6)
Wynik w R
             p_bez_proc efekt_usuniecia udzial rezerwacje
social            4.598           0.622  0.342    383.688
e-mail            9.320           0.233  0.128    143.843
wyszukiwarka      4.416           0.637  0.350    392.942
bezpośrednio      8.184           0.327  0.180    201.528
     p_pelne suma_efektow 
      0.1215       1.8180 

5. Prawdziwy wpływ, bootstrap i porównanie metod: Rysunek 5

Dane wejściowe: obiekty z przepisów 1–4. Bootstrap osób (1000 prób) zaczyna się od set.seed(610); „prawda” korzysta z tych samych liczb losowych u co przepis 1.

Co odczytać: liczbę rezerwacji w całej grupie i bez trzech płatnych kanałów, tabelę pięciu metod oraz 95% przedziały bootstrapowe dla atrybucji Markowa.

R
# Rysunek 5. Cztery atrybucje obok prawdziwego wpływu kanałów (znanego, bo dane są symulowane)
# Korzysta z obiektów przepisów 1–4: dane, kroki, stany, od, do, heur, markow, usun, p_rezerwacji,
# u, zakup, widzi_kanaly, p_zakupu, kanaly, kol, motyw.
library(ggplot2)

# Prawda z symulacji: te same osoby i te same losy (macierz u), ale kanał wyłączony.
# Liczymy rezerwacje, których by nie było – w tym te utracone przez mniej wyszukiwań po reklamie social.
prawda <- sapply(kanaly, function(k) sum(zakup & !(u[, "zakup"] < p_zakupu(widzi_kanaly(bez = k)))))
bez_marketingu <- sum(u[, "zakup"] < p_zakupu(widzi_kanaly(bez = c("social", "e-mail", "wyszukiwarka"))))
c(rezerwacje_wszystkie = sum(zakup), w_danych = sum(dane$zakup), bez_social_email_wyszukiwarki = bez_marketingu)
tabela <- rbind(heur, markow = markow, prawda = prawda)
round(tabela)

# Niepewność atrybucji Markowa: bootstrap osób (1000 prób)
idx <- (match(od, stany) - 1) * length(stany) + match(do, stany)       # numer komórki „od × do”
osoba <- rep(seq_len(nrow(dane)), lengths(kroki) + 1)
M <- unclass(table(factor(osoba, seq_len(nrow(dane))), factor(idx, seq_len(length(stany)^2))))
markow_z_licznosci <- function(liczn, n_zakupow) {
  Nb <- matrix(liczn, length(stany), length(stany), byrow = TRUE, dimnames = list(stany, stany))
  Pb <- Nb[1:5, ] / rowSums(Nb[1:5, ])
  e <- 1 - sapply(kanaly, function(k) p_rezerwacji(usun(Pb, k))) / p_rezerwacji(Pb)
  e / sum(e) * n_zakupow
}
all.equal(markow_z_licznosci(colSums(M), sum(dane$zakup)), markow)   # kontrola: to samo co w przepisie 4
set.seed(610)
B <- 1000
boot <- t(replicate(B, {
  w <- tabulate(sample(nrow(dane), replace = TRUE), nrow(dane))
  markow_z_licznosci(colSums(M * w), sum(w * dane$zakup))
}))
ci <- apply(boot, 2, quantile, c(0.025, 0.975))
round(rbind(markow = markow, ci), 0)

por <- data.frame(kanal = rep(kanaly, 5),
                  metoda = rep(c("ostatnie kliknięcie", "pierwsze kliknięcie", "liniowa", "łańcuch Markowa",
                                 "prawdziwy wpływ (symulacja)"), each = 4),
                  rezerwacje = c(heur["ostatnie", ], heur["pierwsze", ], heur["liniowa", ], markow, prawda))
por$metoda <- factor(por$metoda, levels = unique(por$metoda))
por$kanal <- factor(por$kanal, levels = rev(kanaly))
por$y <- as.numeric(por$kanal) + (2.5 - as.numeric(por$metoda) + 0.5) * 0.15
przedz <- data.frame(kanal = factor(kanaly, levels = levels(por$kanal)), dol = ci[1, ], gora = ci[2, ])
przedz$y <- as.numeric(przedz$kanal) + (2.5 - 4 + 0.5) * 0.15
p5 <- ggplot(por, aes(rezerwacje, y, colour = metoda, shape = metoda, fill = metoda)) +
  geom_segment(data = przedz, aes(x = dol, xend = gora, y = y, yend = y), inherit.aes = FALSE,
               colour = kol[["niebieski"]], linewidth = 1) +
  geom_point(size = 3.4, stroke = 1) +
  geom_text(data = por[por$metoda == "prawdziwy wpływ (symulacja)", ],
            aes(label = round(rezerwacje)), hjust = 0, nudge_x = 12, size = 3.4, show.legend = FALSE) +
  geom_text(data = przedz, aes(x = gora, y = y, label = round(markow)), inherit.aes = FALSE, hjust = -0.3,
            size = 3.4, colour = kol[["niebieski"]]) +
  scale_colour_manual(values = c(kol[["pomarancz"]], kol[["fiolet"]], kol[["zielony"]], kol[["niebieski"]], kol[["ciemny"]]),
                      name = NULL) +
  scale_fill_manual(values = c(kol[["pomarancz"]], kol[["fiolet"]], kol[["zielony"]], kol[["niebieski"]], kol[["ciemny"]]),
                    name = NULL) +
  scale_shape_manual(values = c(24, 25, 22, 21, 23), name = NULL) +
  scale_y_continuous(breaks = 1:4, labels = levels(por$kanal), expand = expansion(add = 0.45)) +
  scale_x_continuous(limits = c(0, 640), breaks = seq(0, 600, 100)) +
  guides(colour = guide_legend(nrow = 2), shape = guide_legend(nrow = 2), fill = guide_legend(nrow = 2)) +
  labs(x = sprintf("Rezerwacje przypisane kanałowi (z %d)", sum(dane$zakup)), y = NULL,
       title = "Ile rezerwacji „dał” kanał? Cztery atrybucje i prawda",
       subtitle = sprintf("Odcinek = 95%% przedział bootstrapowy dla łańcucha Markowa (%d prób osób)", B)) +
  motyw + theme(panel.grid.major.y = element_blank())
p5   # zapis: ggsave("atrybucja-porownanie-metod.svg", p5, width = 10, height = 6.6)
Wynik w R
         rezerwacje_wszystkie                      w_danych 
                         1190                          1122 
bez_social_email_wyszukiwarki 
                          724 
         social e-mail wyszukiwarka bezpośrednio
ostatnie    150     98          580          294
pierwsze    561    163          299           99
liniowa     347    143          440          191
markow      384    144          393          202
prawda      320    108          122            0
[1] TRUE
       social e-mail wyszukiwarka bezpośrednio
markow    384    144          393          202
2.5%      361    131          368          184
97.5%     406    157          418          220

6. Pułapka: tylko ścieżki z rezerwacją

Dane wejściowe: obiekty z przepisów 1–5. Niczego nie losuje.

Co odczytać: macierz przejść z samych ścieżek z rezerwacją, efekty usunięcia obok odsetka ścieżek z kanałem i porównanie przypisanych rezerwacji.

R
# Pułapka: atrybucja Markowa tylko na ścieżkach zakończonych rezerwacją (bez ścieżek bez konwersji)
# Korzysta z obiektów przepisów 1–5: dane, kroki, stany, kanaly, usun, p_rezerwacji, markow, prawda. Niczego nie losuje.
z <- dane$zakup == 1
od_z <- unlist(lapply(which(z), function(i) c("start", kroki[[i]])))
do_z <- unlist(lapply(which(z), function(i) c(kroki[[i]], "zakup")))
Pz <- prop.table(table(factor(od_z, stany), factor(do_z, stany))[1:5, ], 1)
round(Pz[, c(kanaly, "zakup")], 3)
c(p_rezerwacji_tylko_zakupy = p_rezerwacji(Pz))   # zawsze 1: każda ścieżka kończy się rezerwacją
ef_z <- 1 - sapply(kanaly, function(k) p_rezerwacji(usun(Pz, k)))
markow_z <- ef_z / sum(ef_z) * sum(z)
# Odsetek ścieżek z rezerwacją, na których kanał w ogóle wystąpił
obecny <- sapply(kanaly, function(k) mean(sapply(kroki[z], function(s) k %in% s)))
round(rbind(efekt_usuniecia = ef_z, obecny_na_sciezce = obecny), 3)
round(rbind(markow_pelne_dane = markow, markow_tylko_zakupy = markow_z, prawda = prawda))
Wynik w R
              
               social e-mail wyszukiwarka bezpośrednio zakup
  start         0.500  0.145        0.266        0.088 0.000
  social        0.237  0.125        0.344        0.132 0.161
  e-mail        0.145  0.170        0.324        0.140 0.222
  wyszukiwarka  0.060  0.063        0.166        0.178 0.533
  bezpośrednio  0.036  0.036        0.276        0.096 0.556
p_rezerwacji_tylko_zakupy 
                        1 
                  social e-mail wyszukiwarka bezpośrednio
efekt_usuniecia    0.569  0.296        0.679        0.380
obecny_na_sciezce  0.594  0.285        0.745        0.395
                    social e-mail wyszukiwarka bezpośrednio
markow_pelne_dane      384    144          393          202
markow_tylko_zakupy    332    172          396          222
prawda                 320    108          122            0

7. Sprawdzenie palety (deuteranopia, protanopia)

Dane wejściowe: pary kolorów użyte na rysunkach.

Co odczytać: odległość barw ΔE przy typowym widzeniu i w symulacji zaburzeń; para czerwony–zielony dla porównania. Para fioletowy–zielony w deuteranopii jest bliska (18.1), dlatego na rysunku 5 metody różnią się także kształtem znacznika.

R
# Czy paleta przetrwa zaburzenia widzenia barw? Symulacja w pakiecie colorspace
library(colorspace)
pary <- list("niebieski – cynober (przejście do kanału / do rezerwacji; usunięcie)" = c("#0072B2", "#D55E00"),
             "niebieski – pomarańczowy (ostatnia wizyta: wyszukiwarka / social; rys. 1)" = c("#0072B2", "#E69F00"),
             "pomarańczowy – fioletowy (ostatnie / pierwsze kliknięcie)" = c("#E69F00", "#CC79A7"),
             "fioletowy – zielony (pierwsze kliknięcie / liniowa)" = c("#CC79A7", "#009E73"),
             "zielony – pomarańczowy (liniowa / ostatnie kliknięcie)" = c("#009E73", "#E69F00"),
             "zielony – niebieski (liniowa / Markow)" = c("#009E73", "#0072B2"),
             "niebieski – ciemnoszary (Markow / prawda)" = c("#0072B2", "#262626"),
             "czerwony – zielony (do unikania)" = c("#E41A1C", "#4DAF4A"))
roznica <- function(k) {           # odległość barw w przestrzeni CIELAB (ΔE)
  lab <- coords(as(hex2RGB(k), "LAB")); sqrt(sum((lab[1, ] - lab[2, ])^2))
}
round(t(sapply(pary, function(k) c(widzenie_typowe = roznica(k), deuteranopia = roznica(deutan(k)),
                                   protanopia = roznica(protan(k))))), 1)
Wynik w R
                                                                          widzenie_typowe
niebieski – cynober (przejście do kanału / do rezerwacji; usunięcie)                114.6
niebieski – pomarańczowy (ostatnia wizyta: wyszukiwarka / social; rys. 1)           120.2
pomarańczowy – fioletowy (ostatnie / pierwsze kliknięcie)                            88.6
fioletowy – zielony (pierwsze kliknięcie / liniowa)                                  87.5
zielony – pomarańczowy (liniowa / ostatnie kliknięcie)                               88.7
zielony – niebieski (liniowa / Markow)                                               70.1
niebieski – ciemnoszary (Markow / prawda)                                            51.7
czerwony – zielony (do unikania)                                                    121.7
                                                                          deuteranopia
niebieski – cynober (przejście do kanału / do rezerwacji; usunięcie)             108.3
niebieski – pomarańczowy (ostatnia wizyta: wyszukiwarka / social; rys. 1)        121.5
pomarańczowy – fioletowy (ostatnie / pierwsze kliknięcie)                         81.3
fioletowy – zielony (pierwsze kliknięcie / liniowa)                               18.1
zielony – pomarańczowy (liniowa / ostatnie kliknięcie)                            66.3
zielony – niebieski (liniowa / Markow)                                            55.4
niebieski – ciemnoszary (Markow / prawda)                                         53.3
czerwony – zielony (do unikania)                                                  21.1
                                                                          protanopia
niebieski – cynober (przejście do kanału / do rezerwacji; usunięcie)            91.9
niebieski – pomarańczowy (ostatnia wizyta: wyszukiwarka / social; rys. 1)      109.3
pomarańczowy – fioletowy (ostatnie / pierwsze kliknięcie)                       87.6
fioletowy – zielony (pierwsze kliknięcie / liniowa)                             36.2
zielony – pomarańczowy (liniowa / ostatnie kliknięcie)                          51.5
zielony – niebieski (liniowa / Markow)                                          58.0
niebieski – ciemnoszary (Markow / prawda)                                       51.3
czerwony – zielony (do unikania)                                                31.6

Bibliografia oprogramowania

Liczby na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (losowanie, macierze, bootstrap – pakiety base i stats). Rysunki wykonano w ggplot2, graf przejść – pakietami igraph i ggraph; pliki SVG zapisano pakietem svglite, a paletę sprawdzono w symulacji zaburzeń widzenia barw pakietem colorspace. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. igraph (wersja 2.2.2): Csárdi, G., & Nepusz, T. (2006). The igraph software package for complex network research. InterJournal, Complex Systems, 1695. https://igraph.org
  4. ggraph (wersja 2.2.2): Pedersen, T. L. (2025). ggraph: An implementation of grammar of graphics for graphs and networks [R package]. https://doi.org/10.32614/CRAN.package.ggraph
  5. colorspace (wersja 2.1.2): Zeileis, A., Fisher, J. C., Hornik, K., Ihaka, R., McWhite, C. D., Murrell, P., Stauffer, R., & Wilke, C. O. (2020). colorspace: A toolbox for manipulating and assessing colors and palettes. Journal of Statistical Software, 96(1). https://doi.org/10.18637/jss.v096.i01
  6. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An 'SVG' graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Pułapki

  • Atrybucja jako zwrot z inwestycji. Udziały dzielą wszystkie rezerwacje, także te, które zdarzyłyby się bez reklamy (rysunek 5).
  • Brak ścieżek bez konwersji. Gdy masz tylko ścieżki zakończone rezerwacją (np. z systemu sprzedaży), szansa rezerwacji wynosi zawsze 1, a efekt usunięcia staje się prawie odsetkiem ścieżek z kanałem. W naszych danych wyszukiwarka występuje na 74.5% ścieżek z rezerwacją, a jej efekt usunięcia wynosi wtedy .679. Przypisane rezerwacje zmieniają się na 332 (social), 172 (e-mail), 396 (wyszukiwarka) i 222 (bezpośrednio). Kanał, który przyciąga wiele osób bez rezerwacji, wygląda wtedy lepiej, niż jest. To odmiana błędu selekcji.
  • Za krótkie okno i brak śledzenia. Kontakty sprzed okna, offline i na innych urządzeniach znikają ze ścieżek.
  • Rząd łańcucha. Pierwszy rząd ignoruje historię dalszą niż jeden krok; wyższe rzędy wymagają dużo więcej danych. Gdy stan klienta (np. faza decyzji) jest nieobserwowany, rozważ ukryty model Markowa.
  • Za mało ścieżek na rzadkie przejścia. Podawaj liczby przejść i przedziały bootstrapowe. Przepływy między kolejnymi krokami dobrze pokazuje też diagram Sankeya.

Gdy potrzebujesz pomocy przy analizie ścieżek klientów w pracy dyplomowej, zobacz analizy statystyczne dla studentów.

Najczęstsze pytania

Na czym polega atrybucja metodą łańcucha Markowa?

Ścieżki klientów rozbija się na przejścia między stanami (start, kanały, konwersja, brak konwersji) i szacuje macierz przejść. Z niej liczy się szansę konwersji, a potem efekt usunięcia: o ile ta szansa spada, gdy przejścia do kanału kończą ścieżkę bez konwersji. Efekty normalizuje się do sumy 1 i mnoży przez liczbę konwersji (Anderl i in., 2016).

Dlaczego model ostatniego kliknięcia jest zły?

Oddaje całą konwersję ostatniemu kontaktowi, więc pomija kanały, które otwierają ścieżkę. W przykładzie reklama w mediach społecznościowych dostała przy ostatnim kliknięciu 150 rezerwacji, a jej prawdziwy wpływ wynosił 320, bo po reklamie klienci szukali biura w wyszukiwarce. Wyszukiwarka i wejście bezpośrednie były przy tym mocno przeszacowane.

Czy atrybucja Markowa pokazuje, ile sprzedaży dała reklama?

Nie. To podział obserwowanych konwersji, także tych, które zdarzyłyby się bez reklamy. W symulacji wejście bezpośrednie dostało 202 rezerwacje, choć nie dodało żadnej, a wyszukiwarka 393 przy przyroście 122. Przyrost mierzy eksperyment z grupą kontrolną (Blake i in., 2015; Kohavi i in., 2009).

Czym się różni wartość Shapleya od efektu usunięcia?

Obie metody dzielą konwersje między kanały. Wartość Shapleya uśrednia wkład kanału we wszystkie możliwe kombinacje kanałów, a efekt usunięcia porównuje szansę konwersji z kanałem i bez niego w macierzy przejść. Obie korzystają z tych samych danych obserwacyjnych, więc żadna nie zastępuje eksperymentu (Dalessandro i in., 2012).

Czy do atrybucji potrzebne są ścieżki bez konwersji?

Tak. Bez nich szansa konwersji w modelu wynosi zawsze 1, a efekt usunięcia staje się prawie odsetkiem ścieżek, na których kanał występuje. W przykładzie wyszukiwarka była na 74.5% ścieżek z rezerwacją i miała wtedy efekt usunięcia .679. Kanały przyciągające wiele osób bez zakupu wyglądają wówczas lepiej, niż są.

Powiązane hasła

Przeczytaj też

Analizujesz w pracy ścieżki klientów albo skuteczność kanałów?

Pomożemy przygotować dane o ścieżkach, policzyć atrybucję regułami i łańcuchem Markowa, zaplanować test, który zmierzy prawdziwy wpływ kanału, i opisać wyniki tak, żebyś umiał(a) je obronić.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Anderl, E., Becker, I., von Wangenheim, F., & Schumann, J. H. (2016). Mapping the customer journey: Lessons learned from graph-based online attribution modeling. International Journal of Research in Marketing, 33(3), 457–474. https://doi.org/10.1016/j.ijresmar.2016.03.001 ● Otwarty dostęp: pełny tekst
  2. Blake, T., Nosko, C., & Tadelis, S. (2015). Consumer heterogeneity and paid search effectiveness: A large-scale field experiment. Econometrica, 83(1), 155–174. https://doi.org/10.3982/ecta12423 ● Otwarty dostęp: pełny tekst
  3. Dalessandro, B., Perlich, C., Stitelman, O., & Provost, F. (2012). Causally motivated attribution for online advertising. In Proceedings of the Sixth International Workshop on Data Mining for Online Advertising and Internet Economy (pp. 1–9). ACM. https://doi.org/10.1145/2351356.2351363
  4. Kohavi, R., Longbotham, R., Sommerfield, D., & Henne, R. M. (2009). Controlled experiments on the web: Survey and practical guide. Data Mining and Knowledge Discovery, 18(1), 140–181. https://doi.org/10.1007/s10618-008-0114-1 ● Otwarty dostęp
  5. Li, H., & Kannan, P. K. (2014). Attributing conversions in a multichannel online marketing environment: An empirical model and a field experiment. Journal of Marketing Research, 51(1), 40–56. https://doi.org/10.1509/jmr.13.0050
  6. Norris, J. R. (1997). Markov chains. Cambridge University Press. https://doi.org/10.1017/cbo9780511810633
  7. Shao, X., & Li, L. (2011). Data-driven multi-touch attribution models. In Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 258–264). ACM. https://doi.org/10.1145/2020408.2020453

Cytowania BibTeX

@article{anderl2016mapping, author={Anderl, Eva and Becker, Ingo and von Wangenheim, Florian and Schumann, Jan Hendrik}, title={{Mapping the customer journey: Lessons learned from graph-based online attribution modeling}}, journal={International Journal of Research in Marketing}, year={2016}, volume={33}, number={3}, pages={457--474}, doi={10.1016/j.ijresmar.2016.03.001}}
@article{blake2015consumer, author={Blake, Thomas and Nosko, Chris and Tadelis, Steven}, title={{Consumer heterogeneity and paid search effectiveness: A large-scale field experiment}}, journal={Econometrica}, year={2015}, volume={83}, number={1}, pages={155--174}, doi={10.3982/ecta12423}}
@inproceedings{dalessandro2012causally, author={Dalessandro, Brian and Perlich, Claudia and Stitelman, Ori and Provost, Foster}, title={{Causally motivated attribution for online advertising}}, booktitle={Proceedings of the Sixth International Workshop on Data Mining for Online Advertising and Internet Economy}, year={2012}, pages={1--9}, publisher={ACM}, doi={10.1145/2351356.2351363}}
@article{kohavi2009controlled, author={Kohavi, Ron and Longbotham, Roger and Sommerfield, Dan and Henne, Randal M.}, title={{Controlled experiments on the web: Survey and practical guide}}, journal={Data Mining and Knowledge Discovery}, year={2009}, volume={18}, number={1}, pages={140--181}, doi={10.1007/s10618-008-0114-1}}
@article{li2014attributing, author={Li, Hongshuang and Kannan, P. K.}, title={{Attributing conversions in a multichannel online marketing environment: An empirical model and a field experiment}}, journal={Journal of Marketing Research}, year={2014}, volume={51}, number={1}, pages={40--56}, doi={10.1509/jmr.13.0050}}
@book{norris1997markov, author={Norris, J. R.}, title={{Markov chains}}, year={1997}, publisher={Cambridge University Press}, doi={10.1017/cbo9780511810633}}
@inproceedings{shao2011data, author={Shao, Xuhui and Li, Lexin}, title={{Data-driven multi-touch attribution models}}, booktitle={Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining}, year={2011}, pages={258--264}, publisher={ACM}, doi={10.1145/2020408.2020453}}
R