歸因分析是做廣告的學生必備的知識。
什麽是歸因分析，有哪些歸因分析模型？不同分析模型的特點和應用場景是什麽？BI分析系統的歸因分析模塊如何設計？今天就簡單跟大家分享壹下吧。
首先，什麽是歸因分析
歸因分析實際上是壹種解決不同渠道(或人脈)貢獻的分析方法。
現在的廣告都是精細化運營。精細化運營的基礎是什麽？沒錯，就是數據。對於廣告來說，最基本的方面就是廣告效果數據。歸因分析是用來衡量廣告效果數據以及如何衡量的。
舉個簡單的例子，學生做了壹個廣告，最後500人最終購買。但是這500人有的是直接通過投放鏈接完成購買的，有的是過了幾天才完成購買的，中間還出現了站內搜索，或者看到了其他渠道的廣告。這時候最後的交易貢獻應該算哪個渠道呢？
所以，歸因分析是通過壹定的邏輯方法，計算每個渠道或接觸對最終結果的貢獻的方法。只有有了壹套合理的歸因方法，才能科學衡量不同渠道的廣告價值，指導更好的投放。
二、歸因分析模型
根據方法的不同，常見的歸因分析模型如下。
(1)首次接觸歸因模型
模型邏輯:獲得第壹互動頻道100%積分。比如壹個用戶有很多行為比如廣告點擊、站內搜索、站內點擊等。在統計時間內，最終成交。我們在第壹幕中記錄了最終交易的100%的信用。
利弊邏輯清晰易懂，也容易實現。畢竟只用到了第壹個行為，計算量可控。但問題也很明確:第壹次互動後的所有行為都不算，這在很多場景下顯然是不合理的。
適合的場景壹般是公司需要刷新的時候，公司在市場開拓過程中。這時候我們關註的是先把更多的用戶帶進來，可以用先互動模型，看看哪些渠道對業務刷新最有效。
(2)最後聯系歸因模型
模型邏輯:100%積分給最新互動頻道。即無論用戶做什麽，都只關註最後壹次。
最後的優缺點歸因是壹個應用非常廣泛的模型。壹方面，和第壹種歸因壹樣，邏輯簡單，容易實現；另壹方面，數據追蹤的數據不容易丟失。缺點和第壹次歸因差不多，很多之前的行為沒有考慮進去，不全面。比如很多用戶通過收藏夾頁面進入網站完成購買，但是這個渠道並沒有反映出太多的問題。
適合的場景壹般是公司想做短期投放，快速提升效果。這時候根據最後的歸因模型，我們就可以更好的了解哪壹個渠道對最終的轉化有更好的促進作用。
(3)線性歸因模型
模型邏輯:線性歸因就是在統計時間內平均分配所有聯系人的信用度。
優缺點優點是不用考慮不同渠道的價值權重，大家壹視同仁，計算也不復雜。缺點是，在某些情況下，如果某些渠道的價值異常高，它們可能會被“平均”，因為這種渠道是以質量而不是數量贏得結果的。
適合現場，更適合公司內部使用...人們通常不會在同壹個鍋裏打架。
(4)時間衰減歸因模型
模型邏輯:對於統計時間內的所有觸點，渠道離轉化越近，貢獻越大。
優缺點這種模式考慮了時間的作用，通常時間越長，對用戶的轉化效果越弱。缺點是如果某些渠道天然處於轉化環節的起點，對這些渠道是不公平的。
適合的場景類似於上壹次的歸因，適合推廣期大量用戶被引用完成轉化的場景。
(5)區位歸因模型
模型邏輯:第壹次歸因、最後壹次歸因和線性歸因是壹體的，第壹次接觸和最後壹次接觸各貢獻40%，中間所有接觸平均貢獻剩下的20%。
利弊的大雜燴。
適合現場。沒用過。
三、產品設計的歸因分析
上面已經介紹了很多歸因模型，那麽如何將BI分析系統中常用的分析項目——歸因分析產品化呢？
綜上所述，完成歸因分析有幾個步驟:
選擇目標轉換事件(即您希望將什麽行為作為最終的轉換行為，通常是壹個事務，您可以選擇瀏覽不同業務場景的詳細信息頁面，例如壹些時間周期較長的類別)
選擇要歸屬的事件(也就是妳要分功勞給哪些聯系人，比如購物車頁面，可能是妳的必經過程，所以不需要包含功勞來分)
選擇時間窗口(選擇要統計的時間範圍，如7天、30天或更長，不同的業務場景不同)。
選擇歸因模型(根據不同的經營目標，選擇不同的歸因模型進行分析。當然，在很多情況下，企業會選擇多個歸因模型進行壹些比較分析)
基於以上業務流程，可以進行屬性分析模塊的產品設計流程。最終演示通常分為兩部分:
(1)接觸路徑分析；(2)聯系價值報告
限於時間問題，這兩部分的詳細設計就不進行了，以後有機會再補充。
以下是Google的歸因分析截圖(今天翻不了墻，只好上網到百度的...待會能翻墻的時候再截圖):
以下是神策的歸因分析:
今天先分享到這裏，然後有時間再簡單說說Shapley值的歸因方法。