归因分析
|
收藏
1. 视频版讲解
2. 归因分析概述
2.1. 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
2.2. 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。
2.3. 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 |
3. 归因分析功能简介
3.1. 归因模型介绍
3.1.1. 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。
3.1.2. 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
3.2. 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
3.2.1. 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
3.2.1.1. 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
3.2.1.2. 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:
- 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
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
3.2.1.3. 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
- 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
- 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
3.2.1.4. 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
3.2.2. 归因结果表格展示区
3.2.2.1. 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
3.2.2.2. 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%
3.2.2.3. 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
|
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
|
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
|
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
|
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%
|
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% |
注:本文档内容为神策产品使用和技术细节说明文档,不包含适销类条款;具体企业采购产品和技术服务内容,以商业采购合同为准。