README.md

metadata

title: Attribution Logic Engine
emoji: 📊
colorFrom: blue
colorTo: purple
sdk: docker
pinned: false
short_description: 商业级多渠道营销归因分析与模型对比系统

归因逻辑引擎 (Attribution Logic Engine)

项目简介

这是一个商业级的多渠道营销归因分析系统，旨在帮助市场营销人员理解不同营销渠道（如搜索广告、社交媒体、邮件等）对最终转化的贡献价值。

传统的“最后点击” (Last Click) 归因模型往往掩盖了用户决策路径中早期接触点的重要性。本系统通过模拟真实用户路径，并应用多种归因算法（线性、时间衰减、位置优先等），直观展示不同模型下的 ROI 差异。

核心功能

1. 多模型对比 (Model Comparison):

   • Last Click: 100% 归因于最后一次交互。
   • First Click: 100% 归因于第一次交互。
   • Linear: 所有交互点平分功劳。
   • Time Decay: 距离转化越近的交互点权重越高（指数衰减）。
   • Position Based (U-Shaped): 首尾各 40%，中间平分 20%。

2. 用户路径可视化 (Journey Visualization):

   • 使用 Sankey 图（桑基图）展示用户从首次接触到最终转化（或流失）的常见流动路径。

3. 数据导入与模拟:

   • 模拟引擎: 内置蒙特卡洛模拟器，可生成数千条复杂的用户行为路径。
   • 自定义数据上传: 支持上传 .csv 或 .json 格式的归因数据进行分析。

数据上传格式说明

CSV 格式

需要包含 path (或 touchpoints), converted, value 字段。

• path: 渠道路径，可用 > 或 , 分隔。例如 Email > Social > Direct。
• converted: 是否转化 (1/0, true/false)。
• value: 转化价值 (数字)。

JSON 格式

一个包含对象列表的文件：

[
  {
    "path": ["Email", "Social Ads", "Direct"],
    "converted": true,
    "value": 150.0
  },
  ...
]

技术栈

• Backend: Python 3.11, Flask, Pandas
• Frontend: Vue 3, Tailwind CSS, ECharts 5
• Deployment: Docker (Hugging Face Spaces Compatible)

商业价值

对于广告投放预算超过 $10k/月的企业，错误的归因模型可能导致 20-30% 的预算浪费。本工具帮助识别那些“助攻”型渠道（如社交媒体种草），避免因 ROI 计算错误而过早关闭有效渠道。

运行方式

# 构建镜像
docker build -t attribution-engine .

# 运行容器
docker run -p 7860:7860 attribution-engine

访问 http://localhost:7860 即可使用。