首页|多因素影响下如何归因？( 三 )_融创|酒业|五粮液|阿里|酒企

文章插图
优点：在这种模式下，你可以使用线性归因、首次归因、末次归因、时间衰减归因，以及位置归因模型作为基准线，通过不断地测试，调整各个渠道的权重，最好的效果是，它可以个性化地评估当前的业务，并可以随着时间的推移进行优化。
缺点：在没有先做一些测试之前不要直接使用自定义模型，不要仅靠经验判断哪些渠道的贡献可能更大，实际数据上的表现可能会有所差异，需要基于数据的测试来进行判断。
三、归因分析的实际案例以电商用户购物场景为例，用户进入App到最终产生支付购买行为，中间可能会有以下关键的渠道和坑位：

点击搜索栏进行搜索进入商详页
点击首页运营位进入商详页
通过点击push消息进入商详页
通过参与限时活动进入商详页
通过微信公众号推动消息进入商详页
通过购物车等坑位直接转化

我们对近30日成交订单进行归因分析，此处我们选用的归因计算方式是“末次归因”。归因窗口期设为 1 天，即观察用户在发生订单行为之前的 24 时之内点击了哪些坑位。然后再找到离“提交订单”最近的一个坑位点击行为。

文章插图
最终得到的结果如上图，APP 内多个坑位中，点击搜索栏和直接转化对于成单的贡献分别占据了 52.67%、27.56%。运营位、活动、Push和微信公众号的相关推荐仅带来不足 10% 的成单贡献。通过这个结果，可以清晰地反映如下几点信息:

最终的贡献度反映了不同坑位对最终成单转化的贡献及互相之间的差异。
对比不同坑位的有效转化点击率，可得知不同坑位对用户的吸引程度。

以上就是数据分析思维—归因分析部分的内容，部分数据分析思维请翻看历史文章，更多数据分析思维的文章持续更新中，敬请期待，如果觉得不错，也欢迎分享、点赞和收藏！
本文由 @数据分析星球原创发布于人人都是产品经理，未经许可，禁止转载。
【首页|多因素影响下如何归因？】题图来自 Unsplash，基于CC0协议