1. 归因分析概述

1.1. 概述

归因分析是神策分析提供的重要功能之一,可以帮助您了解不同触点对转化的贡献度,以便您优化营销策略、提升产品功能或者优化用户体验。

本文档将详细介绍归因分析的基本原理、产品功能及应用场景。帮助您掌握何为归因分析,如何使用归因分析去挖掘用户转化行为背后的事件。通过本文档,您将理解并掌握:
- 归因模型的种类和概念
- 如何运用归因分析进行分析

1.2. 常用分析场景

营销效果评估:

业务上需要分析某个广告位、推广位对目标指标的转化贡献时,可以使用归因分析模型进行分析。在归因分析模型中,广告位的点击、推广位的点击等被称为「归因事件」,支付订单的订单金额等目标被称为「转化指标」。通过归因分析,可以了解哪些营销渠道或广告在转化路径中产生了贡献作用,从而评估每个营销触点的效果,并据此优化营销策略和预算分配。

战略决策支持:

通过归因分析,可以理解用户的转化情况,并依此调整产品设计甚至业务策略。例如,可能会发现某个看似无关的功能,实际上在用户转化过程中起了很大作用,在这种情况下,就可能需要重视和优化这个功能。

1.3. 适用角色

权限点\角色系统角色自定义角色
允许使用归因分析模型管理员分析师开发者普通用户自定义角色名称
默认开通默认开通默认开通默认不开通自定义配置

2. 归因分析功能简介

2.1. 归因模型介绍

2.1.1. 归因模型统计规则

归因分析提供了5种归因模型来帮助您从多个角度分析理解转化行为:

  • 首次触点归因:多个「归因事件」对同一个「转化事件」作出贡献时,认为第一个「归因事件」功劳为 100%
  • 末次触点归因:多个「归因事件」对同一个「转化事件」作出贡献时,认为最后一个「归因事件」功劳为 100%
  • 线性归因:多个「归因事件」对同一个「转化事件」作出贡献时,认为每个「归因事件」平均分配此次功劳
  • 位置归因:多个「归因事件」对同一个「转化事件」作出贡献时,认为第一个和最后一个「归因事件」各占 40% 功劳,其余「归因事件」平分剩余的 20% 功劳
  • 时间衰减归因:多个「归因事件」对同一个「转化事件」作出贡献时,认为越靠近「转化事件」做出的贡献越大

通过使用合适的归因模型,可以更全面地了解用户的转化事件是如何受到各种营销活动影响的,这对于优化营销策略、提升投资回报率具有重要的意义。

2.1.2. 归因模型使用场景

1、首次触点归因:在市场活动中,希望了解用户初次接触的事件从而分析市场宣传的有效性

  • 分析了解用户第一次了解到产品或服务的来源渠道;
  • 分析各不同渠道带来的新用户转化,以优化未来新用户获取策略;
  • 计算不同拉新渠道的投入产出比,帮助公司对营销预算进行更为科学的分配

2、末次触点归因:在重点关注购买决策的业务场景时,需要分析哪些事件触发了用户的最终购买行为

  • 某电商网站想要分析用户在完成最终购买之前,最后点击的广告或活动链接的行为,通过末次触点归因的分析,可以更准确的评估出哪个营销事件对用户转化产生实际贡献,从而优化运营策略,提高转化

3、线性归因:提供了衡量全线活动效果的方式,而不是只关注首次或末次触点

  • 在一个业务过程和需要和用户交互多次的场景下,所有触点涵盖了从初次觉知到购买决策的整个用户旅程,每一次点击都对最后的用户转化起到贡献,即可使用线性归因进行分析

4、位置归因:这种应用场景用于给予特定触点(首次和末次接触点)更多的权重,但同时也考虑中间触点带来的影响

  • 某电商网站将主要贡献分给吸引用户点击进入的广告(首次触点)和实际促使用户完成购买的广告(末次触点),同时考虑整个用户行为路径中所触达的其他广告,从而分析不同的广告营销权重

5、时间衰减归因:在业务上需要关注用户临近决策时的行为,通过时间衰减归因评估不同广告触点对决策的影响程度

  • 在短期活动推广、限时促销等活动时,用户的购买决策可能主要受最后阶段的影响,分析其影响决策的关键触点,及时调整运营策略

2.2. 归因分析基础功能

归因分析的模块组成为:

  • 归因分析条件配置区
  • 归因表格展示区

2.2.1. 归因分析配置区

  • 转化事件配置区:转化指标、转化分组
  • 归因事件配置区:归因事件、归因事件分组
  • 筛选条件:用户筛选、全局筛选
  • 归因窗口期
  • 时间选择

共分为以上几个模块,将在接下来的内容中,详细讲解各部分的业务含义和配置方式

2.2.1.1. 转化指标

转化指标是归因分析的必填条件,该指标的设置是为了界定和明确业务关注的目标,比如:我们希望通过归因分析了解什么样的营销活动更有效,那么就可能会将"购买完成的总次数"设定为转化指标。

转化指标配置:

  • 选择需要分析的转化目标,一般为和收益相关的指标,例如:下单的总次数、支付的总金额......
  • 支持选择元事件和虚拟事件的事件触发总次数,以及该事件所包含的数值类型属性的总和

前向关联条件:

  • 转化事件支持添加前向关联条件
  • 选择转化事件的前向关联条件,主要是为了提升归因模型的计算精度。该部分的事件一般选择与转化事件有强关联的事件,类似商品曝光,如:查看商品详情、加入购物车...
    • 例如电商购物平台:如果转化事件是用户成功完成购买,前向关联条件可以是用户在网站上浏览了特定商品页面、将商品加入购物车,以及在结账页面填写了送货地址等事件
    • 注:多个前向关联条件,在计算时为「或」的关系
  • 关联属性:将转化事件和前向关联事件进行关联的属性

转化指标分组 :

  • 支持对转化指标配置分组
  • 支持针对转化事件配置「事件发生时间」的分组,并支持「按小时」、「按天」、「按周」、「按月」的粒度查看分析条件

2.2.1.2. 归因事件

归因事件在归因分析中是必填条件,至少有一个归因事件才能发起查询

  • 选择归因事件,一般为与广告曝光、推荐曝光等运营相关事件,如:点击广告位、点击banner位等
    • 支持选择元事件或虚拟事件
  • 支持对归因事件进行分组
    • 公共分组:按照全部归因事件的共同属性进行分组

 

    • 单事件分组:按照归因事件各自的事件属性分组,仅针对指定事件按分组拆分,不影响未选择的事件
      • 在「单事件分组」时,可以选择每个属性作为一列,也可以选择将不同的事件属性分组合并为同一列(分组集合)。详见以下图例:

每个属性作为一列:

不同的事件属性分组合并为同一列(分组集合):

1、合并为一列(分组集合)的业务场景:

        • 现需统计广告位点击、产品内运营位曝光,共计2个归因事件带来的转化效果,需要按照「城市」分组,以进一步评估不同城市的营销效果;
        • 由于埋点上报的不同,「城市」分别上报为:广告位点击事件中的属性——「城市」,和产品内运营位曝光事件中的属性——「地区」;
        • 配置分组时,由于不是公共属性,只能选择「单事件分组」,此时,为方便数据解读,可将两个分组合并至同一列进行分析和展示

2、基于以上业务场景,合并为一列(分组集合)有以下使用限制:

        • 单个分组集合内,每一个归因事件最多添加一个事件属性
        • 单个分组集合内,用户属性、用户分群、用户标签、事件发生时间,有且仅能有一个,不支持合并为一列

2.2.1.3. 筛选条件

和其他分析功能一样,归因分析也提供了筛选功能,归因分析的筛选提供了两种筛选

  1. 用户筛选:该筛选为用户属性上的筛选,例如:我们添加的筛选条件是“性别”为“男”,则只有属性中“性别”为“男”的用户,才满足这个筛选条件,并且出现在筛选后的归因分析结果中
  2. 全局筛选:该筛选为事件属性上的筛选,是对事件属性值的过滤

筛选基础概念及逻辑可参考:属性筛选条件说明

2.2.1.4.  归因窗口期

归因窗口期是指用户首次与广告互动到完成最终转化的有效时间,例如:设置了7天的归因窗口期,那么如果用户在点击广告后的7天内完成了购买,那么这次购买的贡献将被归因于该广告。如果超过了7天,用户还未进行购买,那么即使后续触发了购买行为,此功劳也不会被归因于该点击广告的行为。

  • 在「归因窗口期」中,支持选择「当天」 或自定义时间
    • 当天的计算逻辑为:前向关联事件和归因事件,只追溯到与转化事件是同一天的情况
    • 自定义时间的1天,指的是前向关联事件和归因事件,与转化事件的间隔在24h以内
    • 自定义时间的24小时,指的是前向关联事件和归因事件,与转化时间的相隔在24h以内
  • 注:自定义1天和自定义24h的区别。
    • 选择自定义1天:按天则精确到当前时刻。例如日期选择2024-09-24,当前时刻为14:25,窗口期为2024-09-23 14:25 至 2024-09-24 14:25
    • 选择自定义24小时:自定义小时会精确到小时粒度。例如日期选择2024-09-24,当前时刻为14:25,窗口期为2024-09-23 14:00 至 2024-09-24 14:00


2.2.2. 归因结果表格展示区

2.2.2.1. 表格功能

1、展示分组汇总

归因分析的表格支持两种样式:透视表&二维表

  • 透视表:勾选「展示分组汇总」后,表格展示为透视表的样式
    • 「小计」统计的是该分组下的分组汇总值

  • 二维表:取消勾选「展示分组汇总」后,表格展示为二维表的样式

2、显示设置

「显示设置」支持自定义配置表格展示的指标

  • 例如:在业务上只关注有效归因事件总次数、转化指标(购买会员总次数、签约完单总金额等)、转化率这三个指标,可在显示设置中只勾选这3个指标作为始终展示,并且在下次进行归因分析时,可以直接展示这3个指标

2.2.2.2. 数据解读

1、转化率:关键性能指标,用于衡量营销活动或广告策略的有效性。这个指标是通过成功转化的数量(例如购买、下载、注册等)除以总的访问点击次数计算转化的。在神策的归因分析内,具体的计算公式为:转化率=(当前归因事件下转化事件的总次数 / 归因事件总次数)*100%

  • 例:一次会员拉新的活动中,为电子书内漂浮图标广告所促成购买会员的转化率是100%,相较其他触点,转化率较高,可以通过提高漂浮图标广告的曝光量,来提高会员的购买率

2、贡献度:一种衡量方式,用于量化触点对转化事件的影响程度,这个指标可以帮助公司了解哪些因素对业绩产生了较大影响,从而优化资源分配和决策制定。在神策的归因分析内,具体的计算公式为:贡献度=(当前归因事件下转化事件的总次数 / 所有转化事件的总次数之和)*100%

  • 例:在某公司的一次节日大促中,考察推广团队在整体销售额中的贡献度。假设地推团队在这次大促中的销售额为100万,整个公司的总销售额总和为1000万,那么地推团队的贡献度为:(100w/1000w)*100%=10%。这就意味着在该大促活动中,地推团队对公司的销售额贡献了10%

2.2.2.3. 数据口径

指标名称指标解释
全量归因事件总次数

在选择的时间范围加上向前取的一个窗口期内,归因事件触发的总次数

  • 仅没有添加「转化分组」时,才会计算这个指标
全量归因事件用户数

在选择的时间范围加上向前取的一个窗口期内,触发了归因事件的独立用户数

  • 仅没有添加「转化分组」时,才会计算这个指标
归因事件总次数

每个目标事件窗口期内的,归因事件总次数的加和

归因事件用户数

每个目标事件窗口期内,触发了归因事件的独立用户数

有效归因事件总次数

符合选中的归因模型和窗口期内发生的归因事件,仅统计真正对转化事件产生贡献的归因事件,并计算其总次数

有效归因事件用户数

符合选中的归因模型和窗口期内的归因事件,仅统计真正对转化事件产生了贡献的独立用户数

有效归因事件总次数占比

(有效归因事件总次数 / 归因事件总次数)*100%

转化指标(总次数)

窗口期内有归因事件的转化事件的次数,按选择的归因模型分配后的结果

  • 比如:转化事件支付订单,按照位置归因后,对应的广告位的贡献结果为(广告位 A(40%) , 广告位B(20%) , 广告位A(40%) ),则,A的转化总次数= 1*(40%+40%) = 0.8,B的转化总次数= 1*20% = 0.2
转化事件用户数

符合选中的归因模型,且在窗口期内有归因事件的转化事件的用户数

  • 仅首次和末次归因时,支持查看转化事件用户数,这是因为别的归因模型,一次待归因事件的贡献度会不为1,比如20%,则会导致转化事件用户数是0.2个用户,不符合用户的语义
转化率

(当前归因事件下转化事件的总次数 / 归因事件总次数)*100%

  • 仅转化事件的度量为「总次数」时,才会计算这个指标
贡献度(当前归因事件下转化事件的总次数 / 所有转化事件的总次数之和)*100%