RMarkdown for automated Marketing Reporting

In a past article I presented the awesome ChannelAttribution package which helps you to run algorithmic marketing attribution models. This time I am going to use this model to create a full rmarkdown report with some analysis and visualization around the topic of marketing attribution.

Automated Reports NAV

I am starting with some web analytics data which has seven columns. The userid identifies a unique user, the sessionid identifies a unique visit on our website, the orderid does not change for a user until he buys something on our website, a timestamp, an event_type which identifies the action someone is taking on our page (page impression vs. productview vs. order), the medium the visiter is coming from to visit our page and a order_number to identify unique orders. See an example of the data below:

userid sessionid orderid timestamp event_type medium orderid
1 1 1 10.05.2017 15:36 page_impression SEA <NULL>
2 2 2 12.01.2017 16:36 page_impression SEO <NULL>
3 3 3 28.04.2017 16:06 page_impression SEA <NULL>
3 4 3 28.04.2017 18:53 page_impression SEA <NULL>
3 5 3 28.04.2017 19:01 page_impression Link <NULL>
4 6 4 16.02.2017 18:09 page_impression SEO <NULL>
4 7 4 16.02.2017 19:56 page_impression SEO <NULL>
4 8 4 17.02.2017 16:16 page_impression SEO <NULL>

To run our attribution models with the ChannelAttribution package we need to format our data to sequences. With the code below we can do that and also save some data frames for our output tables in the markdown document.

# create sequences on medium
mydata$medium = as.character(mydata$medium) 
seq = mydata %>%
 group_by(orderid) %>%
 summarise(path = as.character(list(medium)))

# save the same data for markdown output table
seq_output = mydata %>%
 group_by(orderid) %>%
 summarise(path = as.character(list(medium)))

seq_output$path = gsub("c\\(|)|\"|([\n])","", seq_output$path)
seq_output$path = gsub(",","\\1 \\2>", seq_output$path)
seq_output = merge(order_num, seq_output, by = "orderid")
seq_output$orderid = NULL
colnames(seq_output) = c("Bestellnummer","Zeitstempel","Customer Journey")
write.table(seq_output, "Qi2-Customer_Journey.csv", row.names = F, sep = ";")

# group identical paths and add up conversions
seq = seq %>%
group_by(path) %>%
summarise(total_conversions = n())

# clean paths
seq$path = gsub("c\\(|)|\"|([\n])","", seq$path)
seq$path = gsub(",","\\1 \\2>", seq$path)

# save for later use
seqdata = seq

# save the same data for markdown output table
seq_output_agg = seq
colnames(seq_output_agg) = c("Customer Journey","Conversions")
seq_output_agg = seq_output_agg[order(seq_output_agg$Conversions, decreasing = T),]

Before we run our models we are going to do some analysis on our sequences with the TraMineR package, which is perfect for any sequence based analysis. The code below prepares our data for the markdown document.

# split path into single columns
seq.table = cSplit(as.data.table(seqdata), "path", ">")
# create sequence object
seq.seq = seqdef(seq.table, var = 2:length(seq.table))
# distribution table (perc)
dist_perc = as.data.frame(seqstatd(seq.seq)[[1]])
dist_perc = as.data.frame(t(dist_perc))
dist_perc$path = rownames(dist_perc)

# prepare plot
dist_perc = melt(dist_perc, id.var="path")
dist_perc$path = gsub("path_","",dist_perc$path)
colnames(dist_perc) = c("Session","Medium","Anteil")

# distribution table (full)
dist_full = as.data.frame(seqstatd(seq.seq)[[2]])
dist_full = as.data.frame(t(dist_full))
dist_full$path = rownames(dist_full)

# preapre plot
dist_full = melt(dist_full, id.var="path")
colnames(dist_full) = c("Path","Session","Besucher")
dist_full$Path = NULL
dist_full$Session = gsub("path_","",dist_full$Session)

Next we are going to run our attribution models and save the results for display in the markdown document. Finally we need to save our data frames as a Rdata file.

# run models
basic_model = heuristic_models(seq, "path", "total_conversions")
dynamic_model = markov_model(seq, "path", "total_conversions")

# build data frame for plot
result = merge(basic_model,dynamic_model, by = "channel_name")
names(result) = c("channel","first","last","linear","algorithmic")

# melt the data frame for plotting
result = melt(result, id.vars="channel")
colnames(result) = c("Kanal","Modell","Conversions")
result$Conversions = round(result$Conversions, 0)

# build data frame for devisation plot
result1 = merge(basic_model,dynamic_model, by = "channel_name")
names(result1) = c("channel","first","last","linear","algorithmic")
result1$first = ((result1$first - result1$algorithmic)/result1$algorithmic)
result1$last = ((result1$last - result1$algorithmic)/result1$algorithmic)
result1$linear = ((result1$linear- result1$algorithmic)/result1$algorithmic)
result1$algorithmic = NULL

# melt the data frame for plotting
result1 = melt(result1, id.vars="channel")
colnames(result1) = c("Kanal","Modell","Conversions")
result1$Conversions = round(result1$Conversions, 5)

# colorpalette for plotting
mypal = colorRampPalette(c("#FFD296", "#C77100"))

Now we are able to use our processed data from above to create a nifty markdown document. I have used the plotly package to create some interactive ggplot visualizations. I also used a markdown theme called united and my own css for styling the document as you can see in the YAML header.

---
# YAML
title: "Case Study: Marketing Attribution"
author: erstellt von Alexander Kruse, etracker Data Lab
date: "`r format(Sys.time(), '%d %B %Y')`"
output:
html_document:
includes:
in_header: extLogo.html
css: "mycss.css"
theme: united
highlight: tango
---

```{r include=FALSE}

# rm
#options(warn=-1)

# packages
require(ggplot2)
require(viridis)
library(DT)
library(plotly)
library(magrittr)
require(RColorBrewer)

cedta.override = c("gWidgetsWWW","statET","FastRWeb","slidify","rmarkdown")
assignInNamespace("cedta.override",c(data.table:::cedta.override,"rmarkdown"),"data.table")

# load pre-processed data
setwd("K:/Consulting/13_Alex_Data_Analyst/Datenanalyse_Projekte/Attribution/anonym")
load("full_save_anonym.RData")
rm(seq.table, dynamic_model, basic_model, mydata, seq.seq, seq, seqdata, ids, order_num)

```

<style type="text/css">

h1.title {
color: #FF5F01;
}

h2 {
color: #FF5F01;
}

</style>




## Einleitung
Über die Oberfläche von etracker Analytics haben Sie derzeit noch nicht die Möglichkeit sich die Customer Journeys Ihrer Käufer auf Bestellnummerebene anzeigen zulassen. In diesem Sinne zeigt Ihnen der vorliegende Report welche Kanalkontakte ein Besucher hatte, bevor er etwas auf Ihrer Website gekauft hat. Der Report wird zudem durch weitere Analysen und Visualisierungen zum Thema Marketing-Attribution ergänzt. Ausführliche Informationen und Anwendungsbeispiele befinden sich im etracker Whitepaper [Attribution: Mit der richtigen Strategie die Marketing Performance optimieren](https://www.etracker.com/wp-content/uploads/2017/05/etracker_WP_Attributionsmodell.pdf). Tiefergehende Erklärungen zum Thema algorithmische Marketing-Attribution finden Sie in folgendem Video: [Multi-touch Attribution: How It Works & Why It Will Disrupt Media Buying](http://www.onebyaol.com/blog/teg-talks-episode-3-multi-touch-attribution-how-it-works-why-it-will-disrupt-media-buying).

Das vorliegende Dokument wurde vom etracker Data Lab erstellt. Über das Data Lab bietet etracker Website-Betreibern verschiedene Analyse-Services an, die über den Umfang der etracker Webanalyse-Lösung hinausgehen. Ein Team von Data-Analysten beantwortet dabei auch sehr komplexe und individuelle Fragestellungen auf Basis Ihrer Webanalyse-Rohdaten und statistischer Modelle sowie spezieller Visualisierungsmöglichkeiten. Wichtig ist hierbei, dass das Data Lab für seine Analysen die gleichen Daten nutzt die Sie auch an der etracker Oberfläche sehen.


![](etracker_data_lab.PNG)


## Datengrundlage
Der vorliegende Report wurde mit den etracker Trackingdaten eines anonymisierten Accounts erstellt und kann auch auf Grundlage Ihrer Daten erstellt werden. Die nachfolgenden Tabellen zeigen zunächst die Customer Journeys pro Bestellnummer an. Eine Customer-Journey besteht aus allen im Zeitraum getrackten Kanalkontakten eines Besuchers bis zu seinem Kauf. Kanalkontakte außerhalb des Datenausschnitts werden nicht berücksichtigt, was ein wesentlichen Einfluss auf die Analyse hat. Bei Conversions zu Beginn des Analysezeitraums fehlen ggf. Kanalkontakte einzelner Customer Journeys. Die untenstehende Tabelle ist interaktiv und verfügt über eine Sortier- und Suchfunktion.




```{r, echo=FALSE}

datatable(seq_output, options = list(
initComplete = JS(
"function(settings, json) {",
"$(this.api().table().header()).css({'background-color': '#FF5F01', 'color': '#fff'});",
"}")
))

```




In der nachfolgenden Tabelle finden Sie sämtliche Customer Journeys die zum Kaufabschluss geführt haben. Eine weitere Tabellenspalte zeigt Ihnen an, wie häufig diese Kontaktkombination zu einer Conversion geführt hat. Identische Customer Journeys wurden demnach zusammengezählt. Bei Betrachtung der Tabelle zeigt sich, dass ein Großteil der Customer Journeys nur einen (z.B. Type-In) oder identische (sog. distinkte) Kanalkontakte aufweisen (z.B. Type-In > Type-In). All diese Kunden hatten also nur Kontakt zu einem Kanal.




```{r, echo=FALSE}

datatable(seq_output_agg, options = list(
initComplete = JS(
"function(settings, json) {",
"$(this.api().table().header()).css({'background-color': '#FF5F01', 'color': '#fff'});",
"}")
))

```




## Customer-Journey-Analyse
Die nachfolgenden Grafiken analysieren und visualisieren die obenstehenden Daten aus weiteren Blickwinkeln. Die erste Grafik zeigt Ihnen an, wie viele Käufer eine Customer Journey mit einer, zwei oder mehreren Sessions bzw. Kanalkontakten vor einem Kauf hatten. Die meisten Käufer hatten nur einen Kanalkontakt. Die Kurve flacht schnell ab und nur ca. 1% aller Käufer hatten mehr als zehn Sessions vor einer Conversion. Auch die folgenden Grafiken sind interaktiv, Sie können zoomen oder sich mit der Maus Werte anzeigen lassen.




```{r, echo=FALSE, fig.width=9.5, fig.height=4}
ggplotly(ggplot(dist_full, aes(x = Session, y = Besucher, group = 1)) +
theme_minimal() +
geom_point(stat='summary', fun.y=sum) +
stat_summary(fun.y=sum, geom="line") +
xlab("Session") + ylab("Besucher"))

```




Die nachfolgende Grafik führt die obenstehende Idee noch weiter aus. Sie können für jeden Customer-Journey-Abschnitt (Session 01, Session 02, ...) erkennen, welche Medien wie häufig genutzt wurden. So lässt sich z.B. erkennen, das Type-Ins verständlicherweise mit zunehmender Customer-Journey-Länge mehr werden, da die Besucher die Website z.B. im Browserverlauf gespeichert haben. Es zeigt sich zudem, dass die Kanäle Affiliate und Link bei zunehmender Customer-Journey-Länge an Bedeutung verlieren. Dies ist ein erster Hinweis darauf, dass ein Last-Click-Attributionsmodell diese Kanäle unterbewerten, ein First-Click-Modell ggf. überbewerten würde. Da wie oben beschrieben nur wenige Besucher eine Customer-Journey mit mehr als zehn Sessions haben macht es Sinn die Kanalverteilung auch nur bis zu dieser Customer-Journey-Länge zu betrachten.




```{r, echo=FALSE, cache=FALSE, message = FALSE, warnings = FALSE, fig.width=10.9, fig.height=5}
mypal <- suppressWarnings(colorRampPalette(brewer.pal(7,"Oranges")))
ggplotly(ggplot(dist_perc, aes(x = Session, y = Anteil, fill = Medium)) +
theme_minimal() +
geom_bar(stat = "identity") +
xlab("Session") + ylab("Anteil an Besuchern") +
scale_fill_manual( values = mypal(7)) +
guides(fill = guide_legend(title = "Kanal:")))

```




## Marketing-Attribution
Website-Besucher haben oft deutlich mehr als nur einen Werbemittelkontakt und es kann viel Zeit vergehen, bis aus einem ersten Kontakt mit dem gesuchten Produkt ein Kaufabschluss wird. So rückt immer häufiger die Frage ins Zentrum, welches Werbemittel welchen Anteil am Erfolg einer Marketing-Strategie hat.

Abgerundet wird die vorliegende Analyse daher mit der Attribution der einzelnen Conversions zu den genutzen Medien. Die Grafik zeigt deutlich, dass der Kanal SEO für die meisten Conversions verantwortlich gemacht werden kann, unabhängig für welches Attributionsmodell wir uns entscheiden. Auffällig ist jedoch, wie unterschiedlich die Verteilung der Conversions bei den Kanälen Affiliate und Link ist. Ein Last-Click-Modell ordnet diesen Kanälen verhältnismäßig wenige Conversions zu.




```{r, echo=FALSE, fig.width=10.9, fig.height=4}
# plot everything
ggplotly(ggplot(result, aes(Kanal, Conversions)) +
theme_minimal() +
geom_bar(aes(fill = Modell), position = "dodge", stat="identity") +
scale_fill_manual( values = mypal(4)) +
xlab("") + ylab("Conversions") +
guides(fill = guide_legend(title = "Modell:")))

```




Die verschiedenen Attributionsmodelle unterscheiden sich darin, wie sie die einzelnen Medien bei der Zuordnung der Conversions gewichten. Dabei kann generell zwischen zwei Modellarten unterschieden werden: den heuristischen (z. B. Last-Click) und den algorithmischen Attributionsmodellen. Algorithmische Attributionsmodelle errechnen den Wert der einzelnen Kanäle aus den gesamten historischen Besucherdaten auf feingranularer Ebene, ohne Informationsverlust oder starre Zuordnungsregeln und ist der exakteste Ansatz zur Verteilung des Ertrages eines Werbeerfolges auf Werbekanäle. In den Grafiken sehen Sie daher neben den klassichen Modellen auch ein von etracker konzipiertes algorithmisches Attributionsmodell. Technische Informationen zu unserem Modell finden Sie in folgendem Paper: [Mapping the Customer Journey: A Graph-Based Framework for Online Attribution Modeling](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2343077).




```{r, echo=FALSE, fig.width=10.9, fig.height=4}
# plot everything
ggplotly(ggplot(result1, aes(Kanal, Conversions)) +
geom_bar(aes(fill = Modell), position = "dodge", stat="identity") +
theme_minimal() +
scale_fill_manual( values = mypal(4)) +
xlab("") + ylab("Abweichung vom algo. Modell (in %)") +
guides(fill = guide_legend(title = "Modell:")))

```




Die obenstehende Grafik zeigt wie stark die heuristischen Modelle vom algorithmischen Attributionsmodell abweichen. Die wenigsten starken Ausschläge zeigt das lineare Modell, welches damit dem algorithmischen Modell von etracker am ähnlichsten ist. Sollte Sie den Attributionsreport über die etracker Oberfläche nutzen, empfiehlt sich somit den Fokus auf das lineare Modell (oder ggf. Badewanne) zulegen.




## Fazit
Die vorliegende Analyse zeigt deutlich, dass die Wahl eines geeigneten Attributionsmodell eine wichtige Entscheidung darstellt. Ein Last-Click-Modell bewertet die Kanäle Affiliate und Link deutlich unter, wobei klassische Kanäle wie SEO und SEA hingegen überbewertet werden. Es kann davon ausgegangen werden, dass das algorithmische Attributionsmodell von etracker die genauste Kanalbewertung errechnet und von den heuritischen Modellen dem linearen Attributionsmodell am ähnlichsten ist.






<center>

Bei Fragen kommen Sie gerne auf uns zu.






Alexander Kruse

etracker Data Lab

Tel: +49 40 555 659 667

E-Mail: kruse@etracker.de

</center>

The final document can be seen here. Make sure you check out my Github for other data driven projects.

Advertisements

Author: inside data blog

data analysis & visualization blog

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s