营销推广必备课程:数据归因逻辑和方式介绍

上次文章有提到不同的平台也有不同的归因模型和归因方式,不同的模型下数据归因会有较大差异。那今天卡卡就跟大家简单聊一聊广告投放中那些不同的归因模式和归因方式。enjoy~

首先,我们来看web端(电脑PC端和手机浏览器页面(H5))常见的归因模型, APP 端的归因需要跨设备相对而言更复杂。

单触点归因

常见的归因比如last click attribution,first click attribution都是基于单个触点(比如点击)去归因,那这种一般称为单触点归因。特征是将归因归功于某一个触点,容易理解也容易操作。

那还有一种其实也属于单触点归因,Last Non-Direct Click Attribution,也叫最终非直接点击归因。做联盟的小伙伴可能不太熟悉,没关系,一个一个看吧。

Last Click Attribution

末次点击归因,把100%的转化价值归功给最后一次有效的点击所属的渠道或者转化之前有过互动的渠道。在广告投放中应用非常普遍,这个归因方式也是联盟营销最常用的一种方式。

营销推广必备课程:数据归因逻辑和方式介绍

优点:容易理解,容易评估,在各个渠道里大家的标准都一样。如Facebbok Insight使用Facebook最终互动归因,谷歌广告分析用的是谷歌广告最终互动归因等。

缺点:这种归因模型偏向各自的渠道,而忽略了产生订单前其他渠道带来的价值,比如促进顾客产生认知的品牌广告或者KOL 的口碑宣传,在各自的转化路径里大家都是last click, 归因也会重复。产生的结果就是,同一个转化订单被FB, Google, Affiliate 都归因到了,大家的数据就是1+1+1>1。其实大家都对订单产生了贡献价值,只是归因模式使然。

使用场景:比较适合购买路径短的情况。

First Click Attribution

首次点击归因,把转化价值归因给产生点击或者互动的第一个渠道。这个归因模型下,这个用户是通过哪个渠道进来首次访问的网站,那么功劳都给这个渠道。

营销推广必备课程:数据归因逻辑和方式介绍

优点:容易理解和实操,可以让品牌了解到哪些渠道可以让用户发现和了解你的渠道,以及如何利用这些渠道扩大品牌知名度,获取更多潜在目标受众。

缺点:过分强调品牌认知对转化的影响,也无法评估到转化过程其他渠道的作用;用户的消费路径很复杂,可能会通过其他渠道反复访问网站最终完成转化;另外需要说明的是,如果归因窗口期过长,那可能这个点击只是这个时间内的第一次点击,而非真正意义上的首次点击,所以归因窗口过长数据无法归因给首次互动渠道。

使用场景:比较适合购买周期短的产品,容易引起冲动性消费的。或者品牌认知对用户转化有重要影响的产品。

Last Non-Direct Click Attribution

最终非直接点击功劳,这种归因模式忽略直接流量,将转化价值归给最后一次非直接互动。在这个归因模型下,直接流量被忽略,仅仅关注转化前的营销活动的效果。

营销推广必备课程:数据归因逻辑和方式介绍

优点:很多时候直接流量难以确定,当直接流量来源无法明确的时候,可以使用这个归因模型来避免这些流量引起的难以归因。

缺点:那缺点也很明显,忽略了直接流量的影响,相对来讲不够准确。

多触点归因:Multi-Touch Attribution

顾名思义,就是考虑多个渠道对用户转化产生的价值,有种功劳大家一起分的意思。 那这种归因方式对技术的要求较高,甚至可能会有线上线下渠道的交叉进行,归因模型相对单触点来说更为复杂,实操难度也更高。

在消费路径复杂的情况下,这种归因模式就显得较为公平和准确,可以衡量多个渠道的价值。

营销推广必备课程:数据归因逻辑和方式介绍

常见的多触点归因有以下这些:

  • 线性归因(Linear):线性多点触摸归因为买家旅程中的每个接触点分配相同的功劳。它考虑到了转化中每个渠道的价值并且均分功劳,但是很少有品牌的渠道是占比非常接近的情形,所以实用性不强。

营销推广必备课程:数据归因逻辑和方式介绍

  • 时间衰减归因(Time Decay):时间衰减归因将更多功劳分配给更接近最终转化的交互。这种归因模型基于一种假设:即触点越接近转化,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……

这种归因模型下,强调临近转化的关键触点,适合较长的用户决策周期。但是也忽略了早期触达渠道的重要性。

营销推广必备课程:数据归因逻辑和方式介绍

  • U型归因:又称位置归因模型(Position-Based Attribution), U 形归因将大部分转化功劳分配给客户旅程中的第一次和最后一次互动,中间有触达的渠道获得分配较少。这种归因模式综合考虑用户旅程的起点和终点,适合复杂的用户路径。缺点是需要对每个接触点进行合理权重分配,操作复杂。如果要做到相对科学,需要对用户完整的下单路径相当了解和分析,去合理分配每个渠道应该获得的比例。

营销推广必备课程:数据归因逻辑和方式介绍

  • W型归因: W 形归因将最大功劳分配给第一个、中间和最后一个接触点,非常适合涉及多个接触点的复杂渠道。它是U型归因的升级,W形归因将更多的功劳分配给转化前的第一个和最后一个接触点,还强调在客户的渠道中部接触点。

以上这些归因在线上营销当中非常常见,那线下的多触点归因一般如何实现呢?

Online to Store,简称O2S,线上到实体店归因。

就是线上营销的对线下营收的影响,如线上推广营销,最终需要到店消费的,线上直接到线下现在有很好归因的,比如直接在美团、猫眼都是这类,或其他方式的营销会通过领券的方式从而实现归因,但是如果用户在网站上看到某家餐饮品牌的广告,然后去美团搜索,最后到店消费,这种场景就会出现数据是断开了,毕竟是不同平台的数据。

数据驱动归因

那除了以上提到的归因,在FB、Google 广告中也有一种和以上都不同的归因模式,叫数据驱动归因, 英文全称Data-Driven Attribution,简称DDA,或数据驱动归因模型,英文是Data-Driven Attribution Models,简称DDAM,也叫算法归因。

这种归因模型是利用机器学习来分析转化功劳并将其分配给整个客户旅程中的各个接触点。该模型根据您帐户的历史数据,考虑每个营销接触点在推动转化方面的实际贡献。

与其他依赖预定义规则来分配转化功劳的归因模型不同,数据驱动归因会考虑用户与广告互动数据特征,并相应地调整功劳分配。

优点:相对于定义规则来归因,数据驱动归因分析了用户下单路径的特点,相对来讲更为科学衡量各个渠道在用户转化中发挥的作用。

缺点:算法归因模式更考验技术,也需要花费大量人力物力,谷歌的Google Attribution 360,Google Analytics 360,DoubleClick和AdWords,是要付费产品才可以使用这种归因模型。

关于web 端归因方式就分享到这里了,大家感兴趣的花可以继续去网上探索。数据归因模型多种多样,基于不同的规则我们会得到不同的转化分配,从而更好衡量各个渠道的价值。

来源公众号: 卡卡推广笔记(ID:gh_a4cd985352cb)一个深耕联盟营销将近5年的跨境人

本文由 @卡卡推广笔记新航家会员 原创发布于奇赞平台,未经许可,禁止转载、采集。

该文观点仅代表作者本人,奇赞平台仅提供信息存储空间服务。

Like (0)

为你推荐

发表回复

Please Login to Comment
李坤锦
公众号
视频号
小程序