很可惜 T 。T 您現在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經錄用會有專人和您聯系
咨詢如何成為春羽作者請聯系：鳥哥筆記小羽毛（ngbjxym）
在復雜的數據時代，我們每天都會面臨產生產生的大量的數據以及用戶復雜的消費行為路徑，特別是在互聯網廣告行業(yè)，在廣告投放的效果評估上，往往會產生一系列的問題：
· 哪些營銷渠道促成了銷售？
· 他們的貢獻率分別是多少？
· 而這些貢獻的背后，是源自于怎樣的用戶行為路徑而產生的？
· 如何使用歸因分析得到的結論，指導我們選擇轉化率更高的渠道組合？
歸因分析(Attribution Analysis)要解決的問題就是廣告效果的產生，其功勞應該如何合理的分配給哪些渠道。
你可能第一反應就是：當然是我點了哪個廣告，然后進去商品詳情頁產生了購買以后，這個功勞就全部歸功于這個廣告呀！沒有錯，這也是當今最流行的分析方法，最簡單粗暴的單渠道歸因模型------這種方法通常將銷售轉化歸功于消費者第一次(首次互動模型，First Model)或者最后一次接觸(末次互動模型，Last Model)的渠道。但是顯然，這是一個不夠嚴謹和準確的分析方法。
舉個例子：
小陳同學在手機上看到了朋友圈廣告發(fā)布了最新的蘋果手機，午休的時候刷抖音看到了有網紅在評測最新的蘋果手機，下班在地鐵上刷朋友圈的時候發(fā)現已經有小伙伴收到手機在曬圖了，于是喝了一杯江小白壯壯膽回家跟老婆申請經費，最后老婆批準了讓他去京東買，有保障。那么請問，朋友圈廣告、抖音、好友朋友圈、京東各個渠道對這次成交分別貢獻了多少價值？-----太難了，筆者也不知道
我們發(fā)現，現實情況往往是很復雜的多渠道投放，在衡量其貢獻價值以及做組合渠道投放力度的分配時，只依靠單渠道歸因分析得到的結果和指導是不科學的，于是引入了多渠道歸因分析的方法。當然，多渠道歸因分析也不是萬能的，使用怎樣的分析模型最終還是取決于業(yè)務本身的特性以及考慮投入其中的成本。
也稱，最后點擊模型-----最后一次互動的渠道獲得100%的功勞，這是最簡單、直接，也是應用最為廣泛的歸因模型。
優(yōu)點：首先它是最容易測量的歸因模型，在分析計方面不容易發(fā)生錯誤。另外由于大部分追蹤的cookie存活期只有30-90天（淘寶廣告的計算周期最長只有15天)，對于顧客的行為路徑、周期比較長的場景，在做歸因分析的時候可能就會發(fā)生數據的丟失，而對于末次互動模型，這個數據跟蹤周期就不是那么特別重要了。
弊端：這種模型的弊端也是比較明顯，比如客戶是從收藏夾進入商品詳情頁然后形成了成交的，按照末次歸因模型就會把100%的功勞都歸功于收藏夾（直接流量）。但是真實的用戶行為路徑更接近于產生興趣、信任、購買意向、信息對比等各種環(huán)節(jié)，這些都是其他渠道的功勞，在這個模型中則無法統(tǒng)計進來，而末次渠道的功勞評估會被大幅高估。
適用于：轉化路徑少、周期短的業(yè)務，或者就是起臨門一腳作用的廣告，為了吸引客戶購買，點擊直接落地到商品詳情頁。
上面講到的末次互動模型的弊端是數據分析的準確性受到了大量的'直接流量'所誤導，所以對于末次非直接點擊模型，在排除掉直接流量后會得到稍微準確一點的分析結果。
在營銷分析里，直接流量通常被定義為手動輸入URL的訪客流量。然而，現實是市場上的所有分析工具都把沒有來源頁的流量視為直接流量。比如：文章里沒有加跟蹤代碼的鏈接、用戶直接復制粘貼URL訪問等等
從上面的案例中，我們可以想象，用戶是從淘寶收藏夾里點了一個商品然后進行了購買，但是實際上他可能是點了淘寶直通車后把這個商品加入到收藏夾的，那么在末次非直接點擊互動模型里，我們就可以把這個功勞歸功于淘寶直通車。
適用于：如果你的公司認為，你們業(yè)務的直接流量大部分都被來自于被其他渠道吸引的客戶，需要排除掉直接流量，那么這種模型會很適合你們。
末次渠道互動模型會將100%的功勞歸于客戶在轉化前，最后一次點擊的廣告渠道。需要注意這里的'末次互動'是指任何你要測量的轉化目標之前的最后一次互動，轉化目標可能是銷售線索、銷售機會建立或者其他你可以自定義的目標。
優(yōu)點：這種模式的優(yōu)點是通常跟各渠道的標準一致，如Facebook Insight使用末次Facebook互動模型，谷歌廣告分析用的是末次谷歌廣告互動模型等等。
弊端：很明顯當你在多渠道同時投放的時候，會發(fā)生一個客戶在第一天點了Facebook的廣告，然后在第二天又點擊了谷歌廣告，最后并發(fā)生了轉化，那么在末次渠道模型中，Facebook和谷歌都會把這次轉化的100%功勞分別歸到自己的渠道上。這就導致各個部門的數據都看起來挺好的，各個渠道都高估了自己影響力，而實際效果則可能是折半，如果單獨使用這些歸因模型并且把他們整合到一個報告中，你可能會得到'翻倍甚至三倍'的轉化數據。
適用于：單一渠道，或者已知某個渠道的價值特別大
首次互動的渠道獲得100%的功勞。
如果，末次互動是認為，不管你之前有多少次互動，沒有最后一次就沒有成交。那么首次互動就是認為，沒有我第一次的互動，你們剩下的渠道連互動都不會產生。
換句話說，首次互動模型更加強調的是驅動用戶認知的、位于轉化漏斗最頂端的渠道。
優(yōu)點：是一種容易實施的單觸點模型
弊端：受限于數據跟蹤周期，對于用戶路徑長、周期長的用戶行為可能無法采集真正的首次互動。
適用于：這種模型適用于沒什么品牌知名度的公司，關注能給他們帶來客戶的最初的渠道，對于擴展市場很有幫助的渠道。
對于路徑上所有的渠道，平等地分配他們的貢獻權重。
線性歸因是多觸點歸因模型中的一種，也是最簡單的一種，他將功勞平均分配給用戶路徑中的每一個觸點。
優(yōu)點：他是一個多觸點歸因模型，可以將功勞劃分給轉化漏斗中每個不同階段的營銷渠道。另外，他的計算方法比較簡單，計算過程中的價值系數調整也比較方便。
弊端：很明顯，線性平均劃分的方法不適用于某些渠道價值特別突出的業(yè)務。比如，一個客戶在線下某處看到了你的廣告，然后回家再用百度搜索，連續(xù)三天都通過百度進入了官網（真實用戶場景也許就是用戶懶得記錄或者收藏官網地址），并在第四天成交。那么按照線性歸因模型，百度會分配到75%的權重，而線下某處的廣告得到了25%的權重，這很顯然并沒有給到線下廣告足夠的權重。
適用于：根據線性歸因模型的特點，他更適用于企業(yè)期望在整個銷售周期內保持與客戶的聯系，并維持品牌認知度的公司。在這種情況下，各個渠道在客戶的考慮過程中，都起到相同的促進作用。
對于路徑上的渠道，距離轉化的時間越短的渠道，可以獲得越多的功勞權重。
時間衰減歸因模型基于一種假設，他認為觸點越接近轉化，對轉化的影響力就越大。這種模型基于一個指數衰減的概念，一般默認周期是7天。也就是說，以轉化當天相比，轉化前7天的渠道，能分配50%權重，前14天的渠道分25%的權重，以此類推...
優(yōu)點：相比線性歸因模型的平均分權重的方式，時間衰減模型讓不同渠道得到了不同的權重分配，當然前提是基于'觸點離轉化越近，對轉化影響力就越大'的前提是準確的情況下，這種模型是相對較合理的。
弊端：這種假設的問題就是，在漏洞頂部的營銷渠道永遠不會得到一個公平的分數，因為它們總是距離轉化最遠的那個。
適用于：客戶決策周期短、銷售周期短的情況。比如，做短期的促銷，就打了兩天的廣告，那么這兩天的廣告理應獲得較高的權重。
基于位置的歸因模型，也叫U型歸因模型，它其實是混合使用了首次互動歸因和末次互動歸因的結果。
U型歸因模型也是一種多觸點歸因模型，實質上是一種重視最初帶來線索和最終促成成交渠道的模型，一般它會給首次和末次互動渠道各分配40%的權重，給中間的渠道分配20%的權重，也可以根據實際情況來調整這里的比例。
U型歸因模型非常適合那些十分重視線索來源和促成銷售渠道的公司。該模型的缺點則是它不會考慮線索轉化之后的觸點的營銷效果，而這也使得它成為銷售線索報告或者只有銷售線索階段目標的營銷組織的理想歸因模型。
馬爾科夫鏈模型來自于數學家Andrew Markov所定義的一種特殊的有序列。馬爾科夫鏈(Markov Chain)，描述了一種狀態(tài)序列，其每個狀態(tài)值取決于前面有限個狀態(tài)。馬爾科夫鏈是具有馬爾科夫性質的隨機變量的一個數列。
馬爾科夫鏈思時間、狀態(tài)都是離散的馬爾科夫過程，是將來發(fā)生的事情，和過去的經歷沒有任何關系（只和當前有關系）。通俗的講：今天的事情只取決于昨天，而明天的事情只取決于今天。
谷歌的PageRank，就是利用了馬爾科夫模型。假設有A,B,C三個網頁，A鏈向B，B鏈上C。那么C分到的PR權重只由B決定，和A沒有任何關系。如果互聯網上所有的網頁不斷地重復計算PR，很容易可以想到這個PR值最后會收斂，并且區(qū)域一個穩(wěn)定的值，這也就是為什么它會被谷歌用來確定網頁等級。
回到歸因模型上，馬爾科夫鏈模型實質就是：訪客下一次訪問某個渠道的概率，取決于這次訪問的渠道。
歸因模型的選擇，很大程度上決定轉化率計算結果，像前面講的首次互動、末次互動等模型，實際上需要人工來分配規(guī)則的算法，顯然它并不是一種“智能化”的模型選擇。而且因為各個推廣渠道的屬性和目的不同，我們也無法脫離用戶整個的轉化路徑來單獨進行計算。因此，馬爾科夫鏈歸因模型實質上是一種以數據驅動的(Data-Driven)、更準確的歸因算法。
馬爾科夫鏈歸因模型適用于渠道多、數量大、有建模分析能力的公司。
那么具體馬爾科夫鏈怎么玩？（請自備圖論知識）
如果將各推廣渠道視為系統(tǒng)狀態(tài)，推廣渠道之間的轉化視為系統(tǒng)狀態(tài)之間的轉化，可以用馬爾科夫鏈表示用戶轉化路徑。
馬爾科夫鏈表示系統(tǒng)在t+1時間的狀態(tài)只與系統(tǒng)在t時間的狀態(tài)有關系，與系統(tǒng)在t-1,t-2,...,t0時間的狀態(tài)無關，平穩(wěn)馬爾科夫鏈的轉化矩陣可以用最大似然估計，也就是統(tǒng)計各狀態(tài)之間的轉化概率計算得到。用馬爾科夫鏈圖定義渠道推廣歸因模型：
1、狀態(tài)集合，定義為 banner,text,keyword,link,video,mobile,unknown 7種推廣類型加上start,null,conversion 3種系統(tǒng)狀態(tài)
2、穩(wěn)定狀態(tài)下的轉化矩陣，通過某公司web網站20天的原始click數據計算的得到如下狀態(tài)轉化矩陣
3、利用該轉化矩陣來構造有向圖（Directed Graph），通過計算從節(jié)點start到節(jié)點conversion的所有非重復路徑（Simple Path）的累乘權重系數之和來計算移除效應系數
4、通過移除效應系數，計算各個狀態(tài)的轉化貢獻值
什么是移除效應？
渠道的移除效應定義為：移除該狀態(tài)之后，在start狀態(tài)開始到conversion狀態(tài)之間所有路徑上概率之和的變化值。通過計算各個渠道的移除效應系數，根據移除效應系數在總的系數之和之中的比例得到渠道貢獻值。移除效應實際上反映的是移除該渠道之后系統(tǒng)整體轉化率的下降程度。
三、如何選擇歸因模型
從上面這么多種歸因模型來看，我們大概可以把他們分成2類：
（1）基于規(guī)則的：預先為渠道設置了固定的權重值，他的好處是計算簡單、數據容易合并、渠道之間互不影響，當然你也可以根據實際需要去調整他們的權重配比
（2）基于算法的：每個渠道的權重值不一樣，會根據算法和時間，不同渠道的權重值會發(fā)生變化（數據驅動）
在選擇用何種歸因模型之前，我們應該先想清楚業(yè)務模式！
如果是新品牌、新產品推廣，企業(yè)應該給予能給我們帶來更多新用戶的渠道足夠的權重，那么我們應該選擇首次互動模型；
如果是投放了單一的競價渠道，那么我們應該選取末次互動歸因模型或者渠道互動歸因模型；
如果公司很在乎線索來源和促成銷售渠道，那么我們應該選擇U型歸因模型；
如果公司的渠道多、數據量大，并且由永久用戶標識，基于算法的歸因模型能夠為營銷分析提供巨大的幫助；
....
總的來說，沒有完美的歸因模型。任何模型都存在他的局限性和不足，如何有效地結合客觀數據與主觀推測，是用好歸因模型的重要能力前提。
本文為作者獨立觀點，不代表鳥哥筆記立場，未經允許不得轉載。
《鳥哥筆記版權及免責申明》 如對文章、圖片、字體等版權有疑問，請點擊 反饋舉報
我們致力于提供一個高質量內容的交流平臺。為落實國家互聯網信息辦公室“依法管網、依法辦網、依法上網”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據本公約中的條款對注冊用戶和發(fā)布在本平臺的內容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質內容，同時也將采取必要措施管理違法、侵權或有其他不良影響的網絡信息。
一、根據《網絡信息內容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權益；
11)通過網絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內容；
2. 不友善：不尊重用戶及其所貢獻內容的信息或行為。主要表現為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網站秩序的內容，或進行相關行為。主要表現為：
1)多次發(fā)布包含售賣產品、提供服務、宣傳推廣內容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內容；
4)多次發(fā)布包含欺騙性外鏈的內容，如未注明的淘寶客鏈接、跳轉網站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產品、品牌等內容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網站秩序的推廣內容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內容，如通過偽造經歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內容審核的廣告內容。
4. 色情低俗信息，主要表現為：
1)包含自己或他人性經驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內容；
4)帶有性暗示、性挑逗等易使人產生性聯想；
5)展現血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內容。
5. 不實信息，主要表現為：
1)可能存在事實性錯誤或者造謠等內容；
2)存在事實夸大、偽造虛假經歷等誤導他人的內容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構或個人存在關聯。
6. 傳播封建迷信，主要表現為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現為：
1)以各種夸張、獵奇、不合常理的表現手法等行為來誘導用戶；
2)內容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內容，主要表現為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網絡生態(tài)造成不良影響的其他內容。
二、違規(guī)處罰
本網站通過主動發(fā)現和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內容質量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內容時，本網站將依據相關用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內容時，本網站將加重處罰。
三、申訴
隨著平臺管理經驗的不斷豐富，本網站出于維護本網站氛圍和秩序的目的，將不斷完善本公約。
如果本網站用戶對本網站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網站進行反饋。
(規(guī)則的最終解釋權歸屬本網站所有)