常见用户行为分析模型解析—— 归因分析

归因分析

一、什么是归因分析

归因分析要解决的问题是：广告效果的产生，其功劳应该如何合理的分配给哪些渠道。

直接方法：当然是我点了哪个广告，然后进去商品详情页产生了购买以后，这个功劳就全部归功于这个广告呀！
这也是比较流行的方法：单渠道归因模型。这种方法通常将销售转化归功于消费者第一次（首次互动模型，First Model）或者最后一次接触（末次互动模型，Last Model）的渠道。但这种方法也不够严谨与准确。

例子：一次购买行为可能是由于多次广告效果一起的结果（朋友圈广告、抖音、朋友圈、京东等各渠道）
所以，现实情况往往是很复杂的多渠道投放，在衡量其贡献价值以及做组合渠道投放力度的分配时，只依靠单渠道归因分析得到的结果和指导是不科学的，于是引入了多渠道归因分析的方法。当然，多渠道归因分析也不是万能的，使用怎样的分析模型最终还是取决于业务本身的特性以及考虑投入其中的成本。

二、几种常见的归因模型

1.末次互动模型
最后点击模型——最后一次互动的渠道获得100%的功劳，这是最简单、直接，也是应用最为广泛的归因模型。

优点：最容易测量的归因模型，由于大部分追踪的cookie存活期只有30-90天（淘宝广告的计算周期最长只有15天)，对于顾客的行为路径、周期比较长的场景，在做归因分析的时候可能就会发生数据的丢失，而对于末次互动模型，这个数据跟踪周期就不是那么特别重要了。【只需要关注最后一次】

弊端：前期其他渠道的功劳会被忽略，末次渠道的功劳评估会被大幅高估。比如客户是从收藏夹进入商品详情页然后形成了成交的，按照末次归因模型就会把100%的功劳都归功于收藏夹（直接流量）。但是真实的用户行为路径更接近于产生兴趣、信任、购买意向、信息对比等各种环节。

适用：转化路径少、周期短的业务，或者就是起临门一脚作用的广告，为了吸引客户购买，点击直接落地到商品详情页。

2.首次互动模型
首次互动的渠道获得100%的功劳。

末次互动是认为，不管你之前有多少次互动，没有最后一次就没有成交。那么首次互动就是认为，没有我第一次的互动，你们剩下的渠道连互动都不会产生。
即，首次互动模型更加强调的是驱动用户认知的、位于转化漏斗最顶端的渠道。
优点：容易实施的单触点模型
缺点：受限于数据跟踪周期，对于用户路径长、周期长的用户行为可能无法采集真正的首次互动。
适用：这种模型适用于没什么品牌知名度的公司，关注能给他们带来客户的最初的渠道，对于扩展市场很有帮助的渠道。

3.线性归因模型
对于路径上所有的渠道，平等地分配他们的贡献权重。
线性归因是多触点归因模型中的一种，也是最简单的一种。
优点：多触点归因模型，可以将功劳划分给转化漏斗中每个不同阶段的营销渠道。另外，他的计算方法比较简单，计算过程中的价值系数调整也比较方便。
缺点：很明显，线性平均划分的方法**不适用于某些渠道价值特别突出的业务。**比如，一个客户在线下某处看到了你的广告，然后回家再用百度搜索，连续三天都通过百度进入了官网（真实用户场景也许就是用户懒得记录或者收藏官网地址），并在第四天成交。那么按照线性归因模型，百度会分配到75%的权重，而线下某处的广告得到了25%的权重，这很显然并没有给到线下广告足够的权重。
适用：**更适用于企业期望在整个销售周期内保持与客户的联系，并维持品牌认知度的公司。**在这种情况下，各个渠道在客户的考虑过程中，都起到相同的促进作用。

4.基于位置的归因模型
也叫U型归因模型，它其实是混合使用了首次互动归因和末次互动归因的结果
多触点归因模型，实质上是一种重视最初带来线索和最终促成成交渠道的模型，一般它会给首次和末次互动渠道各分配40%的权重，给中间的渠道分配20%的权重，也可以根据实际情况来调整这里的比例。

适合那些十分重视线索来源和促成销售渠道的公司。该模型的缺点则是它不会考虑线索转化之后的触点的营销效果，而这也使得它成为销售线索报告或者只有销售线索阶段目标的营销组织的理想归因模型。

5.时间衰减归因模型
对于路径上的渠道，距离转化的时间越短的渠道，可以获得越多的功劳权重。
触点越接近转化，对转化的影响力就越大。这种模型基于一个指数衰减的概念，一般默认周期是7天。也就是说，以转化当天相比，转化前7天的渠道，能分配50%权重，前14天的渠道分25%的权重，以此类推……

优点：相比线性归因模型的平均分权重的方式，时间衰减模型让不同渠道得到了不同的权重分配，当然前提是基于“触点离转化越近，对转化影响力就越大”的前提是准确的情况下，这种模型是相对较合理的。
弊端：这种假设的问题就是，在漏洞顶部的营销渠道永远不会得到一个公平的分数，因为它们总是距离转化最远的那个。
适用：客户决策周期短、销售周期短的情况。比如，做短期的促销，就打了两天的广告，那么这两天的广告理应获得较高的权重。

6.马尔科夫链
马尔科夫链(Markov Chain)，描述了一种状态序列，其每个状态值取决于前面有限个状态，马尔科夫链是具有马尔科夫性质的随机变量的一个数列。
今天的事情只取决于昨天，而明天的事情只取决于今天

回到归因模型上，马尔科夫链模型实质就是：访客下一次访问某个渠道的概率，取决于这次访问的渠道。

三、如何选择归因模型

两类：
（1）基于规则的：预先为渠道设置了固定的权重值，他的好处是计算简单、数据容易合并、渠道之间互不影响，当然你也可以根据实际需要去调整他们的权重配比。
（2）基于算法的：每个渠道的权重值不一样，会根据算法和时间，不同渠道的权重值会发生变化（数据驱动）。
根据业务模式选择：

• 如果是新品牌、新产品推广，企业应该给予能给我们带来更多新用户的渠道足够的权重，那么我们应该选择首次互动模型；
• 如果公司很在乎线索来源和促成销售渠道，那么我们应该选择U型归因模型；
• 如果公司的渠道多、数据量大，并且由永久用户标识，基于算法的归因模型能够为营销分析提供巨大的帮助；

没有完美的归因模型。任何模型都存在他的局限性和不足，应该有效地结合客观数据与主观推测。