BI分析系统——归因分析_数据运营_鸟哥笔记.docVIP

BI分析系统——归因分析_数据运营_鸟哥笔记 “?归因分析，用来解决不同渠道、不同触点贡献度的问题。归因模型的选择没有对错，只有场景是否适合。” 归因分析，是广告投放同学的必备知识。归因分析具体是什么，都有哪些归因分析模型？不同分析模型的特点以及应用场景是啥？如何设计BI分析系统的归因分析模块？今天和大家简单分享一下。 01—什么是归因分析 归因分析，其实是解决不同渠道（或者触点）贡献度的分析方法。 现在的广告投放，都在讲求精细化运营。精细化运营的基础是什么？对，是数据。对于广告投放而言，最基础的一个方面，就是广告效果数据了。广告效果数据如何衡量、怎么衡量，这就用到了归因分析。 举个简单例子，广告投放同学做了一次广告投，最后有500个人最终发生了购买。但是这500个人呢，有的是通过投放链接直接完成了购买，有的是过了好几天才完成购买，中间又发生了站内搜索行为、或者又看了其他渠道的广告，这时，要把最终的成交贡献计算在哪个渠道呢？ 因此，归因分析是通过一定的逻辑方法，计算每个渠道、或者触点对最终结果贡献程度的方法。有一套合理的归因办法，才能科学地衡量不同渠道的广告价值，指导更好的投放。 02—归因分析模型 按照不同的方法，常见的归因分析模型有以下几种。 （1）首次触点归因模型 模型逻辑：将首次互动的渠道获得100%的功劳。举个例子，一个用户在统计时间内有广告点击、有站内搜索、站内点击等多个行为，最终成交了。我们把最终的成交100%的功劳都记在第一次行为里。 【优缺点】这个逻辑是清晰可理解的，实施起来也是容易实施的，毕竟只用了第一次的行为，计算量可控。但带来的问题也很清楚：首次互动后的所有行为，都没有进行统计，这显然在很多场景下不合理。 【适合场景】一般是需要进行拉新的时候，公司处于市场开拓的时候，这个时候我们关心把更多的用户先圈过来，那么用首次互动模型可以看出来哪些渠道对于业务拉新最有效。 （2）末次触点归因模型 模型逻辑：将发生转化最近一次的互动渠道获得100%的功劳。即不管用户发生了啥行为，只关注最后一次。 【优缺点】末次归因是应用非常广泛的模型。一方面，和首次归因一样，逻辑简单，很容易实施；另一方面，数据追踪的数据也不易丢失。缺点和首次归因类似，很多之前的行为没有纳入考虑，并不全面。比如很多用户都是通过收藏夹页面进入网址完成购买，但这个渠道并不能反映太多问题。 【适合场景】一般是公司想要做短期的投放，快速提升效果，这时按照末次归因模型，能比较好了解到底是哪个渠道对于最终的转化有比较好的促进作用。 （3）线性归因模型 模型逻辑：线性归因是把统计时间内所有的触点的功劳进行平均分配。 【优缺点】优点是不用考虑不同渠道的价值权重，大家一视同仁，计算也不复杂。缺点是，部分情况下，若有的渠道价值异常高，可能会“被平均”，因为这种渠道是靠质量而不是数量赢得结果的。 【适合场景】比较适合公司内部使用……大锅饭大家一般不会打架 （4）时间衰减归因模型 模型逻辑：对于统计时间内的所有触点，距离转化越近的渠道获得的贡献越大。 【优缺点】这个模型考虑了时间的作用，通常也是时间越久对于用户的转化作用是越弱的。缺点是如果有的渠道天然处于转化链路的起点，那么对于这些渠道是不公正的 【适合场景】和末次归因比较类似，适合促销期间大量引用用户完成转化的场景。 （5）位置归因模型 模型逻辑：综合了首次归因、末次归因、线性归因，将第一次和最后一次触点各记贡献40%，中间的所有触点平均剩下的20%贡献。 【优缺点】大杂烩。 【适合场景】没用过 03—归因分析的产品设计 以上介绍了一大堆归因的模型，那对于一套BI分析系统，如何将归因分析这个常用的分析项，产品化呢？ 总结下来，想要完成归因分析有这么几步： 选择目标转化事件（即你想要把什么行为作为最终转化行为，通常是成交，针对不同业务场景，比如一些时间周期长的类目，可能会选择浏览详情页等） 选择待归因事件（即你要把哪些触点进行功劳划分，比如购物车页面，可能是你的必须流程，就不需要纳入功劳来划分了） 选择时间窗口（选择你要统计的时间范围，比如是7天、还是30天，还是更久，不同业务的场景有所差异） 选择归因模型（根据业务目标不同，选择不同的归因模型进行分析。当然很多情况下，业务会选择多个归因模型进行一些对比分析） 基于以上的业务流程，可以进行归因分析模块的产品设计流程。最终的呈现往往分为两部分： （1）触点路径分析；（2）触点价值报告 受限于时间问题，不展开这两部份的详细设计了，后续有机会补充。 以下是谷歌的归因分析截图: 以下是神策的归因分析： 今天先分享到这，后续有时间可以简单讲讲夏普利值的归因方法。 -END-