归因分析

归因分析主要用于衡量站内多个位或事件对业务目标事件的转化贡献。
举例来说，常见的场景如下：

1. 用户进行了搜索，最后完成了目标转化，希望了解不同搜索词的贡献度。
2. 用户先从渠道A的广告来访，又从渠道B的广告来访，最终完成目标转化，想知道不同渠道对目标的贡献度。
3. 用户在访问网页的过程中，同时打开了很多个页面，点击了不同的位，最后完成了目标转化，想了解相关位对目标的贡献度。

以上的场景中，很有可能出现的结果是用户在完成目标转化之前点击了多个位，那么我们该将转化的贡献记到哪个位头上呢？我们该如何评价每个位孰优孰劣呢？
这时就需要用到归因分析。我们采用了业内常用的5种归因方法。

通过归因，我们就可以看到不同事件对一个目标转化的贡献度，因此可以更有针对性地调整产品策略，以实现效益最大化。

2.1 操作示例场景

为便于您理解归因分析的操作，以下以一个典型的示例场景为例，为您介绍典型场景下的配置建议。您可以结合自身的业务场景进行灵活配置。

• 示例场景：某电商APP，用户从登录APP浏览商品到购买支付过程中，可能经过商品的搜索、浏览、咨询、加购物车、支付等多个事件，希望分析各事件对最后商品支付事件的贡献度。

2.2 配置事件指标

2.2.1 配置目标事件

2.2.2 配置待归因事件

2.2.3 配置过程事件

2.2.4 也计算其他转化

2.3 配置细分筛选

您可以在细分筛选中通过属性过滤、行为圈选、动态圈选等多种方式来圈选分析的目标人群。归因分析的配置操作与DataFinder的通用能力一致，详情请参见文内分群。

2.4 查看详细结果数据

1. 配置查询数据的时间周期和回溯期。

   参数	参数说明	配置示例
   查询周期	您可以单击顶部的查询周期日历，配置归因分析的数据查询周期。	例如希望分析过去7天各待归因事件与目标事件的相关性，则可选择时间范围为过去7天。
   回溯期	设置当目标事件发生后，在多长的回溯期内去分析待归因事件与目标事件间的归因结果数据。	例如，上述示例场景中，用户的商品搜索事件后，多长时间内支付成功订单可以归属到这个搜索动作上。

2. 选择归因方式，并查看归因分析结果的详细数据。

   • 归因方式

     归因方法	详情
     首次归因& 末次归因	首次归因：完成某个目标事件的所有归因位中，第一个归因位获得100%贡献。 末次归因：完成某个目标事件的所有归因位中，最后一个归因位获得100%贡献。 注意 DataFinder的首次、末次的判定是按照事件发生的时间顺序界定。
     线性归因	完成某个目标事件的所有归因位中，所有归因位平分贡献。
     位置归因	完成某个目标事件的所有归因位中，首末归因位获得40%贡献，其余位置平分剩余20%的贡献。
     时间衰减归因	完成某个目标事件的所有归因位中，离转化目标时间更近的归因位获得更多贡献，贡献度衰减情况，按照半衰期公式计算：m=M(1/2)^(t/T)，其中M表示目标事件的指标值，t表示归因事件距离目标事件的时间间隔，T表示半衰期。

   • 详细数据的指标介绍

     指标	指标解释
     相关性	按皮尔森相关系数计算，表示在计算周期内，发生事件A的时候，有多大的概率发生事件B，表征的是事件A和事件B的线性相关程度，完全线性正相关意味着相关系数为 +1，完全线性负相关意味着相关系数为 -1，其他情况下相关系数在 -1和 +1之间。绝对值越大表明相关性越强。 例如：参与了某活动后，大多数人都完成了购买，数值越大则这两个行为之间的相关性更强，建议更多激发用户参与该活动。
     触发次数	表示在计算周期内，「待归因事件」一共触发了多少次。
     有效转化的触发次数/率	表示在计算周期内，按照当前所选「归因模型」，「待归因事件」真正对「目标事件」转化有贡献的事件一共触发了多少次。例如：末次归因中，计算周期内一共发生了100次，但是处于末次归因位置的只有50次，那么有效转化的触发次数=50次，比率即为50%。
     转化目标（次数/按...求和）	表示在计算周期内，「目标事件」按选择的归因模型分配后的结果。例如： 支付次数按位置归因，设置首40%-中20%-尾40%，假设某归因路径为归因位A-B-A-支付，则该次支付将分配0.4（首）+0.4（尾）=0.8次为A的贡献，0.2为B的贡献，其他指标同理。
     贡献度	通过归因模型计算后，归属于该待归因事件的贡献占整体的占比，计算逻辑为：当前待归因事件下的转化目标指标 / 整体转化目标之和。