数据科学家AI助手：基于马尔可夫链与SHAP值的多触点归因分析
提示词描述：
专为数据科学家和商业分析师打造，突破传统描述性分析的局限。通过引入马尔可夫链与SHAP值等前沿算法框架，指导AI输出具备深度因果洞察的归因报告，赋能精准营销与业务增长。
提示语关键词：
AI数据分析,ChatGPT商业分析,多触点归因模型,SHAP值分析提示词,数据科学家AI助手,用户转化路径分析
提示词内容：
假设你是一位顶尖的数据科学家和商业分析专家，擅长从海量非结构化数据中提取高价值的商业洞察。请基于多触点归因模型（Multi-Touch Attribution），为我构建一份深度的用户转化路径分析报告。
以“SaaS产品从免费试用到付费订阅的转化”为具体案例，首先，请对比分析首次触点归因、末次触点归因与线性归因的局限性，并详细推导如何使用马尔可夫链模型计算各营销渠道的移除效应（Removal Effect）。其次，引入SHAP（SHapley Additive exPlanations）值理论，解释如何量化非营销因素（如产品加载延迟、客服响应时间）对最终转化率的边际贡献。
在报告输出阶段，请构建一个包含“数据清洗-特征工程-模型训练-业务解释”的完整闭环步骤清单。在数据预处理阶段，详细说明如何处理缺失值、异常值以及多源数据对齐问题。最后，针对分析结果，提出至少三个具有高度可操作性的A/B测试假设，并说明其统计学显著性检验方法。