Бенчмарк mac для прогнозирования коэффициента конверсии

В этой статье представлен бенчмарк MAC (Conversion Rate Prediction Benchmark) для прогнозирования коэффициента конверсии, включающий в себя данные с метками, полученными с использованием различных механизмов атрибуции.

Целью создания бенчмарка является оценка моделей машинного обучения при прогнозировании коэффициента конверсии в условиях, когда данные о путях пользователей к конверсии могут быть представлены разными способами. Авторы предлагают использовать метки, полученные с помощью различных механизмов атрибуции, чтобы модели могли научиться учитывать влияние различных точек контакта на финальную конверсию.

В бенчмарке MAC используются данные о путях пользователей, включающие информацию о различных событиях, происходящих на сайте или в приложении. Для каждого пути присваивается метка, указывающая, привел ли этот путь к конверсии. Авторы использовали несколько различных механизмов атрибуции для создания этих меток, в том числе: last-touch, first-touch, linear, time decay и Shapley value.

Сравниваются различные модели машинного обучения, включая логистическую регрессию, случайный лес и нейронные сети. Результаты показывают, что модели, обученные на данных с метками, полученными с использованием более сложных механизмов атрибуции, таких как Shapley value, показывают лучшую производительность, чем модели, обученные на данных с метками, полученными с использованием простых механизмов атрибуции, таких как last-touch.

Авторы отмечают, что бенчмарк MAC может быть использован для оценки и сравнения различных моделей машинного обучения для прогнозирования коэффициента конверсии. Кроме того, он может быть использован для разработки новых механизмов атрибуции, которые позволяют более точно оценивать вклад различных точек контакта в конверсию.