最近更新时间:2023.09.22 16:24:22
首次发布时间:2021.02.23 10:41:47
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:
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:(注:首次、末次的判定是按照事件发生的时间顺序界定)
- 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。
- 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。
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。
目前归因分析支持基于任一埋点事件
进行使用,而不单单只是基于touchpoint_click
事件。
老版本基于 touchpoint_click
事件的使用方式,仍然继续支持,您可以手动上报该事件,同时上报 tp_content
属性,该属性用于记录位的名称。
进行归因分析时,首先需要选择目标事件。目标事件通常是能够代表某一业务的事件,查看事件的数据表现就能知道业务的运营状况。比如:电商行业最常见的事件就是购买
或支付成功
了,对于某些以报名为目标的活动,相关的事件也可能是报名成功
,对于企业服务来讲,留资完成
也是个合适的目标事件。
待归因事件,顾名思义就是指需要分析对目标事件
贡献度的事件,添加数量上限为10个。此外 ,你可以按照属性对事件进行分组,比较不同属性值之间的差异,也可以设置过滤条件,缩小查询范围。
过程事件,是指完成目标事件之前,必须要进行的事件。你会经常遇到目标事件
覆盖的范围很大的情况,此时可以通过增加过程事件
、配置属性筛选的方式,使目标事件
范围更加准确,从而提升分析结果的可信度。比如:支付成功事件之前经常使用的过程事件有商品详情页浏览、商品加入购物车等。
关联属性,是指配置通过过程事件
和目标事件
的相同属性,来保证过程事件
和目标事件
的确是相关的。比如:通过配置商品id,你可以保证商品浏览详情页和商品支付成功两个事件是同一商品id发生的事件,从而保证过程事件
准确性。
也计算其他转化,是指某些场景下,比如对业务流程不够熟悉、待归因事件过多等,你并不能将所有待归因事件罗列完全,甚至不知道有没有配置完全,此时就可以勾选也计算其他转化
让模型自动为你计算其他不在配置列表中的事件对目标事件
的贡献度,助你更全面的了解贡献情况。
逻辑说明:[其他事件]不参与归因模型逻辑分配。[其他事件]计算的是在归因周期内转化目标前未发生待归因事件的次数(或对应的属性指标),并在贡献度计算时与经过归因模型分配后的转化目标按比例分摊。例如:选择A和B事件为待归因事件,C为目标事件。假设有一条用户行为是A-B-D(其他事件)-C,报表计算时将仍按A-B-C为归因路径应用归因模型分配目标转化;仅当出现D(其他事件)-C这一类在归因窗口内,目标事件C之前未发生任何待归因事件的路径会归为其他事件的贡献。
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。 |