解读谷歌分析多渠道漏斗交互

Question

Google Analytics 提供MCF data。我想在使用 R 转换之前使用这些数据来解释媒体之间的交互。

为简化起见，假设我有 2 行包含中间路径以及与每个路径关联的总转化次数：

• 直接 > 每次点击费用 > 有机 > 每次点击费用 > 推荐 > 直接 | 3 次转化

• 有机 > 直接 > 每次点击费用 > 推荐 > 每次点击费用 > 直接 | 1 次转化

使用 R，您将如何管理数据框以获取此信息：

• 每个通道在另一个通道之前的次数。因此，例如直接在每次点击费用之前（在我的中间路径中“直接>每次点击费用”的出现次数由转化次数加权）

问题是当我继续时，最终数据帧的列数很大（每个通道组合 1 个）。

1. 您将如何处理 R 中的数据以获得“清晰”且可解释的数据框？
2. 您会使用相同的方法还是使用简单的方法？
3. 你会使用哪些 R 包（从现在开始我只是简单地使用 stringr 来操作路径字符串）？
4. 另外，您知道可以执行更多图形分析的映射包吗？

谢谢。

西尔万

Answer 1

这是一个例子：

df <- read.table(sep="|", stringsAsFactors = F, text="
direct > cpc > organic | 3 conversions
organic > direct > cpc > email | 1 conversion
cpc > email | 10 conversion")
df[,1] <- trimws(df[,1])
df[,2] <- as.integer(gsub("\\D","",df[,2]))
lst <- strsplit(df[,1], " > ", T)
lst <- lapply(lst, function(x) matrix(embed(x, 2)[, 2:1], ncol=2))
res <- as.data.frame(do.call(rbind, lst))
res$V3 <- rep(df[,2], sapply(lst, nrow))
(res <- aggregate(V3~V1+V2, res, sum))
#        V1      V2 V3
# 1  direct     cpc  4
# 2 organic  direct  1
# 3     cpc   email 11
# 4     cpc organic  3

library(igraph)
g <- graph_from_data_frame(setNames(res, c("source", "target", "weight")))
plot(
  g, 
  edge.width = plotrix::rescale(E(g)$weight, c(1,5)), 
  edge.label = E(g)$weight
)

您可能还想查看包channelAttribution 进行归因建模。