跨平台异构数据流的多源归因分析方法及系统与流程

本发明涉及跨平台数据归因分析，具体为跨平台异构数据流的多源归因分析方法及系统。

背景技术：

1、在多渠道数字营销环境中，企业通常同时在搜索引擎、社交媒体、电商平台等多个异构数据平台投放广告，用户可能跨越不同平台多次接触广告后完成转化。然而，各平台事件数据的字段格式各异，采用的用户标识体系（如设备id、邮箱、电话号码等）也不统一，导致用户行为数据高度碎片化，难以将跨平台触点准确关联至同一用户。现有跨平台用户对齐方案中，一种常见方案是依赖单一标识符的精确匹配，在面对标识符集合存在部分重叠或缺失时缺乏有效的量化评估和阈值判定，匹配准确率与召回率难以兼顾，直接阻碍了后续归因的可靠性。

2、在转化归因方面，传统的规则模型的核心缺陷在于其权重分配机制未能有效区分不同数据源的可靠性和触点间的内在关联。首先，它们将来自不同数据平台的触点等同视之，未考虑各平台本身的数据质量差异，使得字段缺失严重或匹配错误率高的平台触点与高质量平台触点获得同等的归因权重，极易对归因结果引入噪声。其次，部分方案虽引入了基于历史转化统计的渠道基础权重，但多为静态设定，无法反映各渠道在特定转化路径中的实际贡献变化，且仍未融入平台可信度这一关键维度。再者，现有方法对触点序列内部时间结构的刻画不够精细：普遍采用仅考虑触点与转化之间时间间隔的衰减函数，却忽视了相邻触点时间间隔过短时可能存在的冗余影响，容易高估密集曝光的独立贡献。此外，用户从某一平台跨越至另一平台的行为通常体现更强的主动意愿，这种跨平台协同效应在传统归因中尚未被充分识别和量化奖励。

3、因此，亟需一种多源归因方案，能够至少克服上述基础性缺陷，即：能够基于标识符重叠度进行跨平台用户对齐，并综合平台数据可信度、时间衰减与渠道历史贡献进行多维度的归因权重计算，以提升归因分配的准确性与合理性。

技术实现思路

1、针对现有技术的不足，本发明提供了跨平台异构数据流的多源归因分析方法及系统，解决了上述背景技术提到的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：跨平台异构数据流的多源归因分析系统，包括：

3、数据采集单元，部署有与各数据平台api接口对应的数据适配器，数据适配器内置字段映射规则引擎，用于将各数据平台推送的具有各自字段格式的原始异构事件数据，动态映射转换为统一标准化事件数据格式后实时采集；其中，统一标准化的事件数据格式的数据结构均包含用于识别用户的标识符集合、事件类型、关联的渠道标签以及事件发生的时间戳字段；

4、用户对齐单元，用于对不同数据平台的事件数据进行标准化处理，并基于不同数据平台对应事件数据的标识符集合之间的重叠程度，计算用户的匹配分数，将匹配分数大于或等于预设匹配阈值的跨平台事件判定为属于同一用户，并对判定为属于同一用户的跨平台事件分配统一用户标识；

5、触点序列构建单元，用于识别转化事件，转化事件是指事件类型字段匹配预设的转化事件类型集合的事件数据；并为每个转化事件，从该转化事件发生时刻向前追溯预设时间窗口内、具有与该转化事件同一统一用户标识的所有非转化事件作为触点，按时间先后顺序构建对应的跨平台触点序列；

6、权重计算单元，用于为每个转化事件的触点序列中的各触点计算归因权重，归因权重至少基于以下三项因子的乘积确定：

7、反映数据平台对应数据可信程度的平台置信度因子、随时间间隔衰减的时间衰减因子、以及根据各渠道的历史转化贡献程度预先设定的渠道基础权重因子；并对计算得到的归因权重进行归一化处理，使得同一转化事件的触点对应归因权重之和为1；

8、归因汇总单元，用于根据归一化处理后的归因权重将每个转化事件关联的预设归因价值分配至对应的渠道，并汇总各渠道获得的总归因价值。

9、作为本发明进一步的方案，用户对齐单元计算用户的匹配分数方式为：

10、选取两个数据平台，记为数据平台a和数据平台b，对于来自数据平台a的事件数据和数据平台b的事件数据，用户匹配分数，其中，和分别为事件和的用户标识符集合，∣∣表示集合中元素的个数，r和s分别为两个数据平台内的事件数据索引。

11、作为本发明进一步的方案，平台置信度因子的计算方式为，其中，p=1、2、......p，p为数据平台总数，为数据平台p的基础质量得分，依据该数据平台对应数据的字段完整率和历史事件匹配准确率的乘积确定。

12、作为本发明进一步的方案，本方法还包括自适应更新模块，用于周期性动态更新平台置信度因子，并将更新后的平台置信度因子提供给权重计算单元，自适应更新模块具体用于设立一个转化事件滑动窗口，每当新完成预定数量转化事件的归因后，更新各数据平台的质量得分，并更新平台置信度因子，具体方式为：

13、计算数据平台p在窗口内的平均归因权重占比up和作为最后触点的直接转化观察占比gp；

14、其中，平均归因权重占比up为转化事件滑动窗口内所有转化事件归因至数据平台p的触点对应归因权重之和占全部触点对应归因权重总和的比例；

15、直接转化观察占比gp为转化事件滑动窗口内最后触点归属数据平台p的转化事件数量占窗口内转化事件总数的比例；

16、依据公式，计算出所有数据平台更新后的质量得分，其中，为预设的更新步长，为所有数据平台更新前的质量得分；基于所有数据平台更新后的质量得分，重新计算各数据平台的平台置信度因子。

17、作为本发明进一步的方案，权重计算单元为触点i计算的归因权重还基于顺序衰减因子，归因权重为平台置信度因子、时间衰减因子、渠道基础权重因子和顺序衰减因子的乘积，再进行归一化处理；

18、顺序衰减因子的设定方式为：对于触点序列中的第一个触点，顺序衰减因子取值为1；

19、对于i≥2的触点，顺序衰减因子为该触点与前一触点之间时间间隔的时间衰减函数，使得时间间隔越短，该顺序衰减因子的值越小。

20、作为本发明进一步的方案，权重计算单元为触点i计算的归因权重还基于跨平台协同因子；

21、归因权重为平台置信度因子、时间衰减因子、渠道基础权重因子和跨平台协同因子的乘积，并且当触点i的归因权重计算还基于顺序衰减因子时，乘积还包括该顺序衰减因子，然后再进行归一化处理；

22、跨平台协同因子的设定方式为：对于触点序列中的第一个触点，跨平台协同因子取值为1；

23、对于i≥2的触点，若该触点所属数据平台与前一触点所属数据平台不同，则跨平台协同因子大于1；若数据平台相同，则跨平台协同因子等于1。

24、作为本发明进一步的方案，时间衰减函数为倒数型衰减函数，具体形式为，其中，为触点距离转化发生的时间间隔，为预设的正衰减系数。

25、跨平台异构数据流的多源归因分析方法，该方法通过跨平台异构数据流的多源归因分析系统实现，该方法包括以下步骤：

26、s1、从至少两个不同的数据平台实时采集事件数据流，每个数据平台的事件数据具有各自的字段格式，但均包含用于识别用户的标识符集合、事件类型、关联的渠道标签以及事件发生的时间戳；

27、s2、对不同数据平台的事件数据进行标准化处理，并基于不同数据平台事件的标识符集合之间的重叠程度，计算用户匹配分数，将匹配分数大于或等于预设匹配阈值的跨平台事件判定为属于同一用户，并对判定为属于同一用户的跨平台事件分配统一用户标识；

28、s3、识别转化事件，转化事件是指事件类型字段匹配预设的转化事件类型集合的事件；并为每个转化事件，从该转化事件发生时刻向前追溯预设时间窗口内、具有与该转化事件同一统一用户标识的所有非转化事件作为触点，按时间先后顺序构建对应的跨平台触点序列；

29、s4、计算平台置信度因子、时间衰减因子、以及渠道基础权重因子的乘积，并对计算结果进行归一化处理，使得同一转化事件的触点权重之和为1，得到每个转化事件的触点序列中的各触点计算归因权；

30、s5、根据归一化权重将每个转化事件关联的预设价值分配至对应的渠道，并汇总各渠道获得的总归因价值。

31、作为本发明进一步的方案，平台置信度因子根据数据平台对应数据的实时表现进行周期性动态更新，周期性动态更新方式如下：

32、设立一个转化事件滑动窗口，每当完成预定数量转化事件的归因后，计算各数据平台在窗口内的平均归因权重占比up和作为最后触点的直接转化观察占比gp；

33、依据公式，计算出所有数据平台更新后的质量得分，其中，为预设的更新步长，为所有数据平台更新前的质量得分；基于所有数据平台更新后的质量得分，重新计算各数据平台的平台置信度因子。

34、作为本发明进一步的方案，为触点i计算归因权重时，还在乘积中引入顺序衰减因子和/或跨平台协同因子；

35、当引入顺序衰减因子时，归因权重为平台置信度因子、时间衰减因子、渠道基础权重因子和顺序衰减因子的乘积，再进行归一化处理；

36、当引入跨平台协同因子时，归因权重为平台置信度因子、时间衰减因子、渠道基础权重因子和跨平台协同因子的乘积，再进行归一化处理；

37、当同时引入顺序衰减因子和跨平台协同因子时，归因权重为平台置信度因子、时间衰减因子、渠道基础权重因子、顺序衰减因子和跨平台协同因子的乘积，再进行归一化处理；

38、其中，顺序衰减因子被配置为：触点序列中的第一个触点取值为1，触点序列中i≥2的触点的顺序衰减因子为该触点与前一触点之间时间间隔的单调递减函数；

39、跨平台协同因子被配置为：触点序列中的第一个触点取值为1，触点序列中i≥2的触点，若其所属数据平台与前一触点所属数据平台不同，则跨平台协同因子大于1，否则等于1。

40、本发明提供了跨平台异构数据流的多源归因分析方法及系统。与现有技术相比，具备以下有益效果：

41、数据采集单元实时采集多平台异构事件数据；用户对齐单元利用jaccard相似度及阈值判定来关联跨平台事件，使归因过程能够基于统一用户标识构建完整触点序列，从而克服单一标识符精确匹配的局限性。

42、权重计算单元将平台置信度因子、时间衰减因子和渠道基础权重因子相乘并归一化，平台置信度因子由字段完整率和历史匹配准确率确定，使低质量平台触点分配较低归因权重，减少噪声干扰。

43、自适应更新模块通过滑动窗口比较数据平台平均归因权重占比与直接转化观察占比，动态修正平台质量得分和置信度因子，实现归因模型的在线更新。

44、顺序衰减因子对相邻触点时间间隔施加惩罚，抑制短时间重复触点的过度归因；跨平台协同因子对跨平台相邻触点赋予增强权重，体现多渠道协同效应。时间衰减函数采用倒数型，保证了早期触点仍有合理份额。