归因分析

归因分析功能简介

归因模型介绍

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。

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，可以更准确地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

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

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。

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

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

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

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 24 h 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 24 h 以内
• 注：自定义 1 天和自定义 24 h 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

归因结果表格展示区

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

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：（100 万 / 1000 万） * 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%

数据口径