Scikit-Learn 的 sklearn.preprocessing 模块提供了一系列数据预处理工具，帮助将原始数据转换为适合机器学习模型的形式。 缺失值处理 在 scikit-learn 中，缺失值处理是数据预处理的关键步骤之一。大多数机器学…
Channel Attribution 简介 Channel Attribution 是一个用于解决市场营销渠道归因问题的 Python 包。它通过数据驱动的方法（如马尔可夫链模型）和启发式模型（如首次点击、末次点击）来量化不同营销渠道对转化的贡献…
BTYD模型简介 BTYD（Buy Till You Die）模型是一类用于预测客户未来购买行为的统计模型，其核心假设是：客户在“活跃”状态下持续购买，直到永久流失（“死亡”）。模型通过历史交易数据，估算客户的购买频率、流失概…
PyMC-Marketing简介 PyMC-Marketing是一个基于PyMC（一个用于贝叶斯统计建模的Python库）构建的开源工具包，专门用于解决市场营销领域的数据分析与建模任务。它提供了一套高效、灵活的模型和工具，帮助市场营销从…
关于生存分析，先前已经整理过一篇非常详细的文章：生存分析从概念到实战，里面也涉及到了 lifelines 的使用。本次梳理期望从另外的层面对生存分析的使用进行进一步的梳理。 Lifelines 简介 lifelines 是一个专注于…
Lifetimes简介 Python的lifetimes包是一个专注于客户生命周期分析（Customer Lifetime Value, CLV）和重复购买行为建模的工具库。它基于概率模型（如Beta-Geometric和Gamma-Gamma模型），帮助预测客户的未来交易频…
什么是媒体组合模型？ 媒体组合模型（Marketing Mix Modeling，MMM）是一种统计分析方法，用于量化不同营销渠道和外部因素对销售或业务目标的影响，从而优化营销预算分配和策略。 核心目标 效果评估：量化各营…
UberOrbit简介 Uber开源的Orbit是一个专为时间序列预测设计的Python库，旨在帮助开发者快速构建、评估和部署预测模型。它结合了统计模型和机器学习技术，特别适合处理具有复杂季节性、趋势性和外部协变量的时间序列…
在精细化运营细分维度的PK中，经常会遇到部分场景下数据量较小导致结构存在偏差的问题。于是引入了贝叶斯平均并发现效果不错。 贝叶斯平均简介 贝叶斯平均（Bayesian Average）是一种结合先验信息与观测数据来估…
增量分析（Incremental Analysis）是衡量营销活动或广告投放“真实增量效果”的核心方法，旨在回答一个关键问题：如果没有这次营销活动，用户的行为会发生怎样的变化？它通过量化广告带来的纯新增转化（即用户原本不…
