[关闭]
@Macux 2017-08-18T12:46:19.000000Z 字数 1540 阅读 1146

不同时间维度的CTI之间的关系研究

Mobvista

1、数据介绍

  1. 数据来源：ods_3s_trackingcsv_raw_install 近7天（2017.8.10 - 2017.8.17）的数据
  2. 数据维度：
    • 日期（数据日期）
    • uuid（offerId）
    • network（一级渠道）
    • mb_subid（二级渠道）
    • mb_char_4（BT后的渠道）
    • clickId（点击时间）
    • timestamp（安装时间）
  3. 预处理：
    • 时间维度：将数据集拆分成“近1天”、“近3天”、“近7天”三个维度
    • 是否BT维度：将数据集拆分成“BT” 和 “notBT”两个维度
    • 一共产生 6 个数据子集

2、分析逻辑

  1. 设置CTI阈值：首小时安装 & 24小时内安装
  2. 根据预设条件，将“uuid + network + mb_subid”作为聚合键，统计有效的安装数
  3. 计算聚合键下，各渠道的安装数。
  4. 设置过滤条件：安装数 >= 10
  5. 计算“1天” 和“3天”、“7天”在“首小时安装”和“24小时内安装”的安装数的差值（用绝对值表示），并求差值占总安装数的比例。

3、结果分析

3.1 表头说明：

表头名称 含义
Threshold 差值的阈值，分为四个等级：5%, 10%, 15%, 20%
Three-one_Counts 1天与3天安装数的相差的绝对值
Three-one_Percentage 1天与3天安装数的相差的绝对值占总安装数的比例
Seven-one_Counts 1天与7天安装数的相差的绝对值
Seven-one_Percentage 1天与7天安装数的相差的绝对值占总安装数的比例

3.2 首小时内安装的CTI在“1天”、“3天”和“7天”的变化情况

Threshold Three-one_Counts Three-one_Percentage Seven-one_Counts Seven-one_Percentage
<5% 2787 50.40% 2434 43.90%
<10% 4083 73.80% 3645 65.90%
<15% 4694 84.85% 4395 79.44%
<20% 5079 91.81% 4840 87.49%
Threshold Three-one_Counts Three-one_Percentage Seven-one_Counts Seven-one_Percentage
<5% 945 67.74% 827 59.28%
<10% 1193 85.51% 1100 78.85%
<15% 1298 93.04% 1239 88.81%
<20% 1343 96.27% 1304 93.47%

3.3 24小时内安装的CTI在“1天”、“3天”和“7天”的变化情况

Threshold Three-one_Counts Three-one_Percentage Seven-one_Counts Seven-one_Percentage
<5% 2015 61.33% 1826 55.58%
<10% 2679 81.55% 2439 74.24%
<15% 2968 90.35% 2760 84.02%
<20% 3110 94.67% 2963 90.19%
Threshold Three-one_Counts Three-one_Percentage Seven-one_Counts Seven-one_Percentage
<5% 1042 82.17% 941 72.21%
<10% 1183 93.29% 1112 87.69%
<15% 1225 96.61% 1177 92.82%
<20% 1240 97.79% 1217 95.98%
添加新批注
在作者公开此批注前，只有你和作者可见。
回复批注