中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

在用戶行為分析領域，數據分析方法的科學應用結合理論推導，能夠相對完整地揭示用戶行為的內在規律。而歸因是精細化運營必不可少的利器，歸因的目的，終究是為了提升運營轉化與收入增長。本文詳細介紹了歸因分析模型的概念和應用場景，與大家分享。

在 PC 互聯網時代，一個網站吸引新用戶的主要方式之一就是投放線上廣告。而同樣一篇廣告可以投放至多個渠道，一個用戶也可能在不同渠道商多次看到廣告才發生購買。這時候用戶雖然是最后一次看到廣告才發生點擊，但前面的幾次曝光 可能給用戶留下了印象，建立了心理認知，因此對用戶的本次點擊亦有貢獻。

那么如何將用戶點擊行為的“貢獻”合理地 分配到每一個渠道呢？這便是渠道歸因要解決的問題。通過渠道歸因來衡量渠道的效果，反過來可以指導業務人員在渠道 投放時合理分配投入。

一、歸因分析概述

隨著移動互聯網的興起，業務的形態越來越復雜，站內歸因(也常被稱作“坑位歸因”)的需求日趨增多。以自營電商為 例:同樣的一個商品，可能會在站內多處“坑位”產生曝光，比如:首頁 Banner 的特賣活動頁、商品詳情頁的相關推薦、 購物車頁面下方的推薦列表中。運營人員會需要知道這些“坑位”對商品最終成單產生的“貢獻”分別是多大，從而指導 站內的商品運營工作，例如將主推的商品推至成單貢獻度高的坑位中，給予更多的曝光從而帶來更多的轉化。

對于歸因分析而言，一個很重要的命題即是，針對當前的場景和目標，怎么把“貢獻”合理分配到每一個坑位上。下面我 們就以站內歸因為例，普及一下幾種常見的歸因分析計算思路。假設一個用戶一天內使用 APP 的行為順序如下:

首先，啟動 APP，進入首頁，先行搜索，在搜索結果列表頁看到了商品 A，瀏覽了商品 A 的詳情，覺得不錯，但是并未購買， 退出 APP。然后，再次啟動 APP，看到首頁頂部 Banner，點擊進入活動分會場，瀏覽過程中再次看到商品 A，點擊再次 查看商品 A 詳情。接著，直接退出到了首頁，底部推薦列表中推薦了一篇商品 A 的用戶評論，點擊進入，再次查看商品 A 的詳細信息。最后，下定決心，購買了商品 A。

以上過程是一個非常典型的用戶購買決策路徑，在整個過程中用戶一共三次瀏覽到了商品 A 的詳情頁，均通過不同的入口 發生訪問。如果將這個用戶的成單轉化的功勞分配到對應的 3 個坑位上，實際上這類問題其實并沒有標準答案。以下介紹 幾種常見的思路供參考。

圖 四種常見的歸因思路

1. 首次歸因

多個待選中觸點時，認為第一個的功勞為 100%。理由是第一個觸點給用戶建立了認知，與用戶形成了連接。適用于重視 新用戶線索的業務。

2. 末次歸因

多個待選中觸點時，認為最后一個的功勞為 100%。這種思路適用范圍最為廣泛，常用于電商業務的站內歸因的計算。

3. 線性歸因

多個待選中觸點時，認為每個“待歸因事件”平均分配此次功勞。適合坑位效果比較平均的產品。

4. 位置歸因

多個待選中觸點時，認為第一個和最后一個各占 40% 功勞，其余平分剩余的 20% 功勞。兼顧最初的線索和最終的決策。

除此之外，還有“時間篩選歸因”，“末次非直接點擊”的歸因計算思路，此處不再詳細闡述，感興趣的讀者可進一步查閱 相關資料。以上每一種歸因計算思路均有各自的考量和不同的適用范圍，沒有絕對的孰優孰劣，在實際的應用過程當中， 需要根據自身業務特點來選擇合適的歸因計算思路。

二、歸因分析應用示例

1. 場景：電商業務下站內歸因

回到上面那個電商案例中，我們對 2月3日至2月5日成交訂單進行歸因分析，此處我們選用的歸因計算方式是“末次歸因”。歸因窗口期設為 1 天，即觀察用戶在發生訂單行為之前的 24 時之內點擊了哪些坑位。然后再找到離“提交訂單”最 近的一個坑位點擊行為。

最終得到的結果如下圖，APP 內多個坑位中，首頁精選推薦，商詳頁相關推薦，首頁 Banner 以及首頁運營位對于成單的 貢獻分別占據了 37.5%、20.83%、20.83%、12.5%。搜索和購物車下方的相關推薦僅帶來不足 10% 的成單貢獻。通過這 個結果，可以清晰地反映如下幾點信息:

1. 最終的貢獻度反映了不同坑位對最終成單轉化的貢獻及互相之間的差異。
2. 對比不同坑位的有效轉化點擊率，可得知不同坑位對用戶的吸引程度。

圖 電商業務下的站內歸因

注：總點擊數和有效點擊次數的區別。在所選的時間段內以及往前回溯的窗口期，總點擊數是總共發生了多少次坑位點擊，其中絕大部分是沒有帶來最終成單轉化的，而帶來的成單轉化的那些點擊即視作為有效點擊數。因此有效轉化點擊率可能衡量坑位的吸引程度。轉化率越高則吸引程度越大，發生一次坑位點擊則有更大的概率帶來轉化。

事實上，凡是有成交、充值環節的業務，都可以通過歸因分析來幫助我們在眾多的營銷觸點當中，找到最有效、對用戶認知影響最明顯的一個或幾個觸點。以此來指導我們在后續的站內資源位分配時，給不同的業務分配最適合它的資源位。

#相關閱讀#

常見用戶行為分析模型解析（1）——行為事件分析

常見用戶行為分析模型解析（2）——用戶留存分析

常見用戶行為分析模型解析（3）——漏斗分析

常見用戶行為分析模型解析（4）——用戶行為路徑分析

常見用戶行為分析模型解析（5）——用戶分群

常見用戶行為分析模型解析（6）——點擊分析

常見用戶行為分析模型解析（7）—— 間隔分析模型

作者：張喬，神策數據內容營銷負責人。公眾號：神策數據

本文由@張喬? 原創發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。