Gewichtung von Mikrozielen für Engagement-Scoring in Analytics mit Random Forest in RStudio bestimmen

microconversion-impact.R

#-------------------------------------------------------------------------------------------------------
#  Abhängigkeit zwischen Transaktionen / Makrozielen und Mikro-Zielerreichungen untersuchen
#-------------------------------------------------------------------------------------------------------

#VORBEREITUNG (einmalig): Installation der Pakete, wenn nicht bereits installiert
#Im Bedarfsfall hier das Kommentarzeichen "#" vor den beiden folgenden Zeilen entfernen und
#diese ebenfallsausführen 

#install.packages("googleAnalyticsR")
#install.packages("h2o")
#install.packages("ggplot2")


#-------------------------------------------------------------------------------------------------------
#  SETUP: Einstellungen an eigene Datenansicht und Ziele etc. anpassen, um das Script zu nutzen
#-------------------------------------------------------------------------------------------------------

#Hier die ID der Datenansicht eintragen. 
#Steht in den Einstellungen der Datenansicht in GA oben in den Grundeinstellungen
checkId = "123456789" 

#Anzahl der Tage, für die Daten abgerufen werden sollen - passend zur typischen Dauer bis zur Makroconversion
checkDays = 60

#Von welchem Makroziel soll die Abhängigkeit der Mikroziele untersucht werden? 
#Beispiele: transactions oder goal1Completions 
#Darunter einen sprechenden Namen angeben
macro_goal = "transactions"
macro_goal_name = "Kaufabschluesse"

#In welcher Benutzerdefinierten Dimension steht die ClientId? 
#Zur Speicherung in den eigenen Daten siehe z. B.  
#(GTM): https://www.simoahava.com/analytics/improve-data-collection-with-four-custom-dimensions/
#(GTAG.JS): https://www.simoahava.com/analytics/add-clientid-to-custom-dimension-gtag-js/
cliendIdDimension = "dimension5"

#Zu untersuchende Mikroziele (vermutlich Zielerreichungen) eintragen, die gewichtet werden sollen. 
#Der Umfang der Liste ist je nach eigener Zielgestaltung und -anzahl variabel
#Darunter sprechende Namen in gleicher Reihenfolge angeben - macht die Ergebnisse leichter lesbar
micro_goals = c("goal2Completions", "goal3Completions", "goal4Completions", "goal5Completions")
micro_goal_names = c("Tel- und Mail-Links", "Kontaktformular", "Kommentar Blog", "Newsletter-Abo")

#ENDE SETUP. Ab hier muss nichts mehr geändert werden, nur noch alles ausgeführt. Das Ergebnis als  
#Gewichtung ist am Ende des Vorgangs unten in der Console zu finden (siehe dort)
 

#Beispiel:
#  Variable Importances: 
#  variable relative_importance scaled_importance percentage
#1      Newsletter-Abo          332.969299          1.000000   0.481998
#2     Kontaktformular          242.134705          0.727198   0.350508
#3 Tel- und Mail-Links          113.618210          0.341227   0.164471
#4      Kommentar Blog            2.088477          0.006272   0.003023


#-------------------------------------------------------------------------------------------------------
#  Daten aus GA beziehen und vorbereiten
#-------------------------------------------------------------------------------------------------------

library(googleAnalyticsR)

ga_auth()
checkDateRange <- c(Sys.Date()-checkDays-1, Sys.Date()-1)

#Offline? Dann Cachefile einlesen, wenn vorher erzeugt (siehe unten)
#ga_dataset <- read.csv("sampledata_random_forest.csv")

#Daten via API aus Analytics ziehen
ga_dataset <- google_analytics(viewId = checkId, date_range = checkDateRange,
                              metrics = append(micro_goals, macro_goal),
                              dimensions = as.vector(cliendIdDimension),
                              anti_sample = TRUE)

#Cachefile aktualisieren? Dann auskommentieren
#write.csv(ga_dataset, file = "sampledata_random_forest.csv")

#unnütze konsolidierte Datensätze ohne ClientID und Spalte ClientID entfernen
ga_dataset <- subset(ga_dataset, ga_dataset[,1] != "(other)" & ga_dataset[,1] != "(not set)")
ga_dataset <- ga_dataset[ , !(names(ga_dataset) == cliendIdDimension)] #ClientIDs auch rauswerfen - werden hier nicht mehr benötigt

#Marker für Auftreten von Conversions und Zielen auf 0 oder 1 reduzieren 
ga_dataset[,-1] <- (ga_dataset[,-1] != 0)*1

#Spaltenbezeichnungen anpassen
names(ga_dataset)[names(ga_dataset)==macro_goal] <- macro_goal_name
for(i in 0:length(micro_goals)) {
  names(ga_dataset)[names(ga_dataset)==micro_goals[i]] <- micro_goal_names[i]
}

#Übersicht der Daten ausgeben: Alle Felder sollen Min=0 und Max=1 haben
summary(ga_dataset[,-1])

#Wie viele Zeilen mit Mikro- und Makrozielen sind vorhanden?
colSums(ga_dataset[,-1])

#Wie viele an Abschlüssen beteiligte Mikroziele gibt es? 
#Dazu Daten auf Zeilen mit Abschlüssen reduzieren und dann summieren
ga_conversion_rows <- subset(ga_dataset, ga_dataset[, ncol(ga_dataset)] == 1)[,-1]
colSums(ga_conversion_rows)


#-------------------------------------------------------------------------------------------------------
#  #Random Forest aus h2o für die Untersuchung der Daten nutzen
#-------------------------------------------------------------------------------------------------------

library(h2o)
h2o.init()
data <- as.h2o(ga_dataset)

#Aufteilen in Trainings- und Testdaten
sample <- h2o.splitFrame(data,0.75)  
train  <- sample[[1]]
test   <- sample[[2]]

#Modell trainieren
m <- h2o.randomForest(micro_goal_names, macro_goal_name, train, nfolds=10, model_id = "RF_defaults") 

#Modell mit Testdaten überprüfen. 
#Zur Interpretation der auf der Console ausgegebenen Werte siehe 
#http://docs.h2o.ai/h2o/latest-stable/h2o-docs/performance-and-prediction.html
#Wenn die Belastbarkeit zu gering ist, größeren Zeitraum für mehr Daten und/oder Wert für "nfolds" oben erhöhen
h2o.performance(m, test)

#Gewichtung der Mikroziele anhand der Wichtigkeit für die Erreichung des Makroziels auf der Console  
#und rechts als Plot ausgeben. Siehe http://docs.h2o.ai/h2o/latest-stable/h2o-docs/variable-importance.html
#Nutzung: Werte der Spalte "scaled_importance" zur Gewichtung der Mikroziele im Engagement-Scoring verwenden
h2o.varimp_plot(m)
h2o.varimp(m)

#oder in schön / präsentationsfähig:
library(ggplot2)
ggplot(h2o.varimp(m)) + aes(y = percentage, x= reorder(variable, -percentage)) + 
  geom_bar(stat = "identity", fill="darkorange") + 
  xlab("Mikroziel") + ylab("Wichtigkeit") + 
  ggtitle(paste("Einfluss von Mikrozielen auf", macro_goal_name))