Описание и состав репозитория

В данном репозитории хранится код на Python, который может ходить в данные Яндекс Метрики, размещенные в ClickHouse в формате таблицы визитов из коннектора для Метрики Про.

В данном коде из визитов формируются цепочки переходов для каждого пользователя, для того, чтобы можно было анализировать:

• Ассоциированные конверсии
• Простые позиционные модели атрибуции (Последний переход, Последний значимый переход, Первый переход, Последний переход из Яндекс Директа, Линейная / Равномерная)
• Позиции источника в цепочках переходов.

Для такой аналитики создан класс-интерфейс DataPreparer. Он (и нужные для работы скрипты для ClickHouse) описан в модуле analyse_channels_chain.py.

Демонстрация работы описана в 3-х Jupyter Notebook'ах

• 0. check clickhouse connection.ipynb - Проверка, есть ли доступ до ClickHouse
• 1. prepare visits table.ipynb - Необязательный пункт, загрузка визитов в нужном формате, если коннектора пока нет, а данные были получены с помощью Logs API
• 2. analysis of channels chains.ipynb - Основной NoteBook для работы. В нем будет инициализирован экземпляр класса, будут собраны визиты в нужном формате из ClickHouse таблиц, создание цепочек и их анализ.

Этот репозитория является некоторым продолжением соседнего в котором анализировались и визуализировались в DataLens данные Яндекс Метрики полученные через Logs API.

Далее, по мере спроса и времени тут будут добавляться более продвинутые методы атрибуций:

• на основе Shapley-value
• на основе Марковских цепей
• Data-driven, на основе моделирования эффекта от различных касаний.

Все вопросы по работе можно оставлять в чате в Телеграм или присылать Pull-request'ы.