Атрибуция конверсий по каналам: last-touch, first-touch и линейная модель

Условие задания

**Контекст.** Маркетинг хочет понять вклад каналов (google, yandex, email, direct) в покупки. У вас есть журнал касаний (touchpoints) — каждый визит пользователя с каналом — и журнал покупок. Нужно распределить выручку каждой покупки по каналам тремя моделями атрибуции и сравнить, какой канал сколько «зарабатывает» в каждой модели.

**Что дано.** Две таблицы.

`touches`:

| колонка | тип | описание |
|---|---|---|
| `user_id` | int | id пользователя |
| `touch_ts` | datetime | время касания |
| `channel` | str | канал: google / yandex / email / direct |

`purchases`:

| колонка | тип | описание |
|---|---|---|
| `user_id` | int | id пользователя |
| `purchase_ts` | datetime | время покупки |
| `revenue` | float | сумма покупки, руб |

**Задание.**
1. Для каждой покупки сформируйте цепочку касаний пользователя, произошедших **до** момента покупки в окне 7 дней (`purchase_ts - 7 дней <= touch_ts <= purchase_ts`).
2. Реализуйте три модели атрибуции выручки покупки:
- **last-touch**: вся выручка последнему касанию в цепочке;
- **first-touch**: вся выручка первому касанию;
- **linear**: выручка делится поровну между всеми касаниями цепочки.
3. Покупки без касаний в окне относите к каналу `direct` во всех трёх моделях.
4. Формат ответа: DataFrame `channel`, `last_touch`, `first_touch`, `linear` — суммарная приписанная выручка каждого канала по каждой модели.

**Пример входа:**
[см. код в задании]

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

touches = pd.DataFrame({
    'user_id':[1,1,1,2],
    'touch_ts':pd.to_datetime(['2024-06-01','2024-06-02','2024-06-03','2024-06-01']),
    'channel':['google','email','yandex','direct'],
})
purchases = pd.DataFrame({
    'user_id':[1,2],
    'purchase_ts':pd.to_datetime(['2024-06-04','2024-06-20']),
    'revenue':[3000.0, 500.0],
})

Темы

pandas атрибуция merge_asof маркетинг воронка

Подсказки

• Соедините покупки с касаниями по `user_id`, затем отфильтруйте касания в окне `[purchase - 7d, purchase]`. Дайте каждой покупке уникальный `purchase_key`, чтобы группировать цепочку.
• first/last касание в цепочке — сортировка по `touch_ts` внутри `purchase_key` + `.first()/.last()` или `idxmin/idxmax`.
• Linear: вес касания = `revenue / len(цепочки)`; сумма весов внутри покупки должна равняться revenue — проверьте инвариант.
• Покупки, у которых после фильтра окна не осталось касаний, обработайте отдельно и припишите каналу direct.

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Атрибуция конверсий по каналам: last-touch, first-touch и линейная модель"?

Это задание для уровня hard. Senior-уровень — глубокое понимание темы, опыт решения нестандартных задач, обсуждение trade-off на собеседовании.

На каких собеседованиях встречается такая задача?

Подобные задания в категории «Python» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: pandas, атрибуция, merge_asof, маркетинг, воронка.

Сколько времени даётся на решение?

На реальном собеседовании на подобную задачу отводится 30-60 минут с обсуждением подходов, оптимизаций и trade-off. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.

Где ещё потренироваться по теме «Python»?

На zasqlpython.ru есть 530+ Python задачи с проверкой через Pyodide, конспекты Python и pandas, AI мок-собеседование с разбором ваших ответов.

← Все задания