1. 主页
  2. 文档
  3. 数字化营销与运营(2019)...
  4. 流量的数据化运营
  5. 营销渠道的高阶评估方法:归因

营销渠道的高阶评估方法:归因

渠道质量评估(3)——归因分析(Attribution Analysis)

这一节来讲讲归因,虽然前面介绍了两种渠道质量评估方法:

渠道质量评估(1)——指标评估法(GA中实现ROI计算)

渠道质量评估(2)——波士顿矩阵评估法(GA中的气泡图)

但这两种方法都有些问题,只考虑一个接触渠道的情况,忽略其他渠道的作用,在实际情况另一种方法用的比较多——归因。

为什么需要归因

营销渠道的多样化,用户在转化之前可能通过多种渠道访问过你的站点,下面一个用户转化前的多路径访问流程图

营销渠道的高阶评估方法:归因

  • 第一次是通过SEM进入
  • 第二次是通过Display
  • 第三次是通过Email的然后才转化

如果用指标评估和波士顿矩阵的话,一般是将转化归类到Email,但实际上Email之前的SEM和Display也是对这个转化有贡献的。

如这个Email是站内的营销的,那么没有前面的SEM和Display,根本不可能做Email营销的。

营销渠道越多、顾客行为路径越复杂,就越需要归因来帮助判断渠道价值,从而可以合理分配营销资源,资源有限性使得资源的分配变得很小心翼翼,这是营销策略里很重要的一个环节,而在渠道上的分配差异则是与同行的差异所在,合理的分配可能使你企业在市场竞争中脱颖而出。

什么是归因分析

按谷歌的定义归因是指一种或一组规则,用于确定如何将销售功劳和转化功劳分配给转化路径中的接触点。其实归因是将销售功劳和转化功劳在各个触点上的分配。

分配的规则就叫归因模型,也可以称这个为分账模型。

归因有三要素

  • 转化:关键的事件或产出,事件如注册,信息提交,产出如订单,都可以作为产出。
  • 触点:转化之前的每个接触的步骤都称为触点,包括消费者与广告进行的所有互动,可如浏览、点击或其他互动(语音),这些触点构成消费者的转化路径,过程类似于如下所示:营销渠道的高阶评估方法:归因
  • 回溯期:用于指定转化有资格被分配归因功劳的回溯时间。例如,如果回溯期是 30 天,则 1 月 30 日完成的所有转化将仅会归因到 1 月 1 日至 1 月 30 日这一期间内发生的接触点。

所有的归因都要明确这三个要素,不同工具对比的时候,数据不一致往往就是这三个要素中有不一样的。

归因的作用

借助归因模型,我们可以实现:

  • 能够将预算分配到不同的渠道去,提升ROI,这就是一个简单的最优化问题了,有限的资源在有效的渠道分配,如何使得产出最大化。
  • 了解不同渠道的协同效应,定位助攻渠道,按漏斗的来理解就是扩大开口。
  • 了解目标受众的习惯和行为,知道受众是通过哪些渠道触达到我们的广告的,这类受众是否具有明显的一些用户属性上的规律。
  • 提供更加客观的理由以取得市场预算,给预算的正确提供数据依据,说服Boss给你更多的预算,。

归因的几种常用方法

从上一节的渠道质量评估(3)——归因分析(Attribution Analysis)知道归因有三要素,转化、触点和回溯期。

在Google Analytics中要想使用归因,首先应该设置转化,就是设置目标的了,不同的工具里面的转化可能会有不同的表述,有了转化才可以归因,假设我这里设置的转化是注册成功:

营销渠道的高阶评估方法:归因

设置后就可以看Channel报告、多渠道报告和归因报告。

Channel报告:默认Last Click归因

归因里面最常用的就是Last Click归因,就转化归功于最后一个点击进来的渠道,在Google Analytics中的Channel中默认就是使用这个:

营销渠道的高阶评估方法:归因

通过这个可以看到注册成功的数据和转化率,但看转化是社交的最好,但转化最多的却是自然和直接访问,我们不能通过这个报告就直接判断一个渠道的好坏,通常还会看辅助报告。

辅助转化

在用户多次访问的过程中,有些是有效的,有些可以说是无效的,我们可以找出其中有效的访问渠道,这些渠道虽然没有直接带来转化,但是有助于用户在后面转化,这类渠道就助攻渠道,在Google Analytics可以通过辅助转化报告(Assisted Conversions)去分析:

营销渠道的高阶评估方法:归因

  • Assisted Conversions :说明了渠道助攻别人(也包括自己)取得转化的次数。
  • Last Interaction Conversions:则意味着自己直接产生转化(得分)的次数。
  • Assisted / Last Click or Direct Conversions:“辅助/最终互动转化”是用渠道发挥辅助作用的转化次数除以渠道为最终互动的转化次数所得到的比率。

判断助攻渠道,主要是通过辅助/最终互动转化的数值来判断,这个比有三种情况:

  • 接近于0,越小,该渠道是最终转化渠道,是收网渠道。
  • 等于1,助攻和最终的都一样,表示进来后直接转化的,通常转化量不多,如果转化量很多,那么这渠道就是你关注的重点了。
  • 大于1 的,越高,表示它贡献的辅助转化越多。

通过上面可以看到youtube和zhihu明显是助攻渠道,虽然在Channel的转化率不高,但是在促进转化上的作用是很多的,我们可以进一步去多渠道报告看起辅助作用,最终是助推了哪个渠道。

多渠道报告

可以看多渠道报告中的最热路径,选择Source Path的类型,然后用高级过滤,过滤出youtube和zhihu的转化渠道:

营销渠道的高阶评估方法:归因

可以明显看到youtube和zhihu带来的流浪后续主要是通过直接访问的,而且有些有序访问十几次的,用户一次进来后就记住网站的。

还可以看看多渠道的默认报告:

营销渠道的高阶评估方法:归因

可以看单一渠道转化和多渠道转化的比例情况:

单一渠道比例高的是冲动型的,那么重点将是在着陆页和站点页面上的CTA(Call to Action)因素上,让其有更高的消费转化欲望,CTA是有很多操作空间的,如位置、颜色、文案、主调、形状等,你做的够极致了嘛?

如果是多渠道的比例高,那这往往是转化周期的比较长的类型,大部分的用户是多次渠道访问后才转化的,需要吸引用户回访,在这方面除了可以做考虑再营销外,其实可以通过试用、体验等方式去压缩用户的转化周期。

归因模型对比

归因对比就是用两个模型对比,充分衡量各个渠道的广告效果:

营销渠道的高阶评估方法:归因

比如这些选最后点击归因和线性归因。

  • 如果是负数,表示在最后转化之前,通过其他的渠道进来过,才会将转化分摊了一部分,导致线性归因的时候,转化变少了。
  • 如果是0,表示进来后直接访问
  • 如果是正数,表示用户多次通过这个渠道进来,是回访的主要渠道,对其他渠道是助攻的作用。

自定义归因

根据自己的需求可以创建适合自己的归因模型,通常会是建立基于位置的归因,也就U型归因,对一些渠道的贡献度做调整:

营销渠道的高阶评估方法:归因

归因工具

归因工具是Google Analytics里面专门用于归因的一个功能,从多渠道路径那发展而来,但比多渠道路径有更强的自定义功能,而且包含有数据驱动归因模型:

营销渠道的高阶评估方法:归因

探索里面的几个功能跟多渠道路径分析是对应的。

归因模型分类

归因模型就是功劳的分配规则。

归因是一个很大而且复杂的领域,里面的模型和方法很多,国外归因监测领域已经走出了三家独角兽,国内也有多家做专做归因产品的公司,经营不错的。

根据触点类型可以分为点击归因、浏览归因和其他归因,目前主要在于点击归因,浏览是在最近两三年才提出来的,还没有完善,也没有大规模应用。然后还有一个其他归因,就是其他新兴的类型,如语音。

营销渠道的高阶评估方法:归因

根据触点类型可以分为点击归因、浏览归因和其他归因,点击归因可以细分为Web归因、移动归因、和API回传,Web归因可以进一步细分为单触点归因、多触点归因和全渠道归因,多触点归因可以进一步分为O2S归因,AMS归因和ADC归因,ADC还可以进一步分的,根据我的经验,我做如下的分类

营销渠道的高阶评估方法:归因

数据驱动归因的几个算法

数据驱动归因,英文是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。

自Google 宣布即将推出归因模型以来,广告主对新的数据驱动模型表现出很大兴趣。

Google于2013年推出了Google Analytics Premium的数据驱动归因模型,并于2014年在AdWords中发布了该模型。

数据驱动归因是一种基于机器学习的归因模型,与基于规则的归因模型不同,数据驱动归因使用所有可用的路径数据,包括路径长度,曝光顺序和广告素材,来了解特定营销接触点的存在如何影响用户转化的可能性以更好地将功劳分配给任何接触点。

数据驱动归因是基于算法的,要想使用数据驱动归因,数据量需要积累到一定的规模才可以使用,目前数据驱动归因可在Google营销体系中的多个平台上使用:Google Attribution 360,Google Analytics 360,DoubleClick和AdWords,不同平台对数据量的要求是不一样的,如下:

营销渠道的高阶评估方法:归因

算法或机器学习中有两大类算法:分类和回归,转化可以用0和1来表示,那么算法归因实际是一个分类问题,理论上能用于分类的算法都可以用于算法归因的。实际常用的算法有马尔科夫链、沙普利值、生存分析和Harsanyi Dividend。

前面三个算法在学精算的有涉及到,马尔科夫链是随机过程,沙普利值是计算投资组合,生存分析是寿险精算,但都只记得个名字了?‍♀️

具体的算法原理和实现过程有兴趣自己去谷歌一下吧。

Markov Chain:马尔科夫链

马尔可夫链因俄国数学家Andrey Andreyevich Markov得名,为状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备“无记忆”的性质:下一状态的概率分布只能由当前状态决定,在时间序列中它前面的事件均与之无关。这种特定类型的“无记忆性”称作马尔可夫性质。

Shapley Value:沙普利值

Shapley Value是由经济学诺贝尔奖获得者Lloyd S. Shapley开发的,它是一种在团队成员之间公平分配团队产出的方法。对于以数据为依据的归因,要分析的“团队”具有营销接触点(例如自然搜索,展示和电子邮件)作为“团队成员”,而团队的“输出”就是转化。数据驱动的归因算法计算每个营销接触点的反事实收益,即,将暴露于这些接触点的相似用户的转换概率与路径中未出现接触点之一的概率进行比较。

Survival Analysis:生存分析

生存分析是研究生存现象和响应时间数据及其统计规律的一门学科。是将事件的结果和出现这一结果所经历的时间结合起来分析的一种统计分析方法,目前在多个方面都有应用。

Harsanyi Dividend

Harsanyi Dividend是沙普利值的延伸。可能只有Adobe使用,网络上的信息非常少,Adobe也只是文档放了两个原文链接。

请参阅原文:

  • Shapley, Lloyd S. (1953). A value for n-person games. Contributions to the Theory of Games, 2(28) , 307-317.
  • Harsanyi, John C. (1963). A simplified bargaining model for the n-person cooperative game. International Economic Review 4(2) , 194-220

业界使用情况

目前国际一线互联网公司,谷歌系的产品用的是基于Shapley值,如Google Attribution 360,Google Analytics 360,DoubleClick和AdWords,是要付费产品才可以使用,但是在Google Analytics归因工具的测试版里面也可以使用数据驱动归因:
营销渠道的高阶评估方法:归因

Facebook也有使用归因算法,但并未公布使用的具体算法是哪个,只是说定期更新算法模型,Facebook的是预估增量影响为各个触点分配转化功,且只能衡量 Facebook、Instagram、Audience Network 和 Messenger 上的营销活动,我估计用的是增量模型(Uplift Modeling),这个模型在腾讯和阿里都有应用。
Adobe Analytics是基于Harsanyi Dividend。
国内有些公司使用的是Markov Chain。
参考内容:

归因作弊的几种手法

Attribution Fraud、Spoofed Attribution、归因作弊、伪造归因、抢归因 ,是利用归因逻辑上的一些漏洞进行作弊的手段,通过发布虚假的曝光/点击,劫持真实用户产生的转化,常见的有Click Spamming、Click Injection和Installation hijacking 等。

营销渠道的高阶评估方法:归因

 

Click Spamming

Click Spamming,也叫Click Stuffing或Click Flood,中文名叫点击泛滥、点击填塞、大点击、预点击、撞库。

做法是伪造海量广告的曝光或点击,等到用户真安装之后,在Last Click归因原则下,如点击后N天内安装的都算成带来点击的渠道,将其他渠道或者是自然量归因抢到自己的渠道中来。

这种方式的作弊成本最低,但隐蔽性很差。

Click Injection

Click Injection 、中文名点击劫持、点击注入、小点击, 是当前安卓应用系统最猖獗的作弊手法,虽然谷歌最新的Google Install Referrer API供点击引荐时间、应用安装开始的时间,可以有效避免点击劫持,但是基于Google Play,国内无缘。

做法是弊者利用的是安卓操作系统上的广播接收器(broadcast) ,由于安卓设备上的所有应用都可以配置广播接收器(包括最常见的 Google referrer 广播)来收听系统广播的信息—包括接收装置上其他新安装的信息。

如你手机中流氓APP或恶意插件监听到你正在安装一个APP,于是乎同时捏造一个假的点击上报。也就相当于宣告当前的安装是由于这个假点击所产生的,而如果这个用户确实安装了该APP,根据Last Click规则监测工具就会认定这个应用是由这个渠道带来的。如下示例:

时间:22:55:57——用户在渠道A在点击下载APP,触发监测平台的监测链接,记录到点击前的数据

时间:22:55:59——用户被重定向到应用商店

时间:22:57:26——监测平台在收到了渠道B的点击

时间:22:59:00——应用程序的第一次打开发生在

在这个过程中,用户第一次打开应用,根据Last Click原则,这次转化归功于渠道B。

这种方式实现难度更大,更精准,隐蔽性更强。

IOS不存在,因为IOS不存在类似安卓的广播机制,但是还是可以收集IDFA去主动发送去撞库,就是上一种情况。

Installation hijacking

Installation hijacking,中文叫安装劫持、渠道包劫持。

做法主要是利用在不同应用市场或推广渠道的渠道包在打包时会通过渠道ID区分来源的原理,在用户想要安装APP时对用户发出不安全提示,引导用户前往自己的应用市场,在用户不在不知情的状态下改变渠道包的来源,从而让自己应用商店或渠道获取新用户。

当用户在浏览器中下载了一个 App,准备安装的时候,突然画面跳出对话框,提示基于病毒或是其他安全因素,建议用户从手机厂商的“官方渠道”下载 App,一旦用户选择同意,用户会跳转至手机厂商的“官方渠道”下载。这意味着手机厂商已经劫持了此次安装。这里手机厂商利用自己在系统权限上的优势做的小动作。

下面是对对正常转化和安装劫持的两个示例:

正常转化

用户点击媒体渠道A的广告,然后立即下载应用或跳转到媒体渠道指定的国内第三方应用商店A下载。在监测平台中,会记录到以下归因数据:

  • 媒体渠道 :媒体渠道A
  • Install app store :媒体渠道指定的国内第三方应用商店A

安装劫持

用户点击媒体渠道A的广告。在启动下载时,设备上会弹出一个警告窗口,提示用户从设备制造商的应用商店下载应用程序。如果用户同意,用户会跳转至制造商的第三方应用商店B下载。在监测平台中,会记录到以下归因数据:

  • 媒体渠道 :媒体渠道A
  • Install app store :设备制造商的应用商店B

不要以为这只是薅羊毛,小团伙或小公司在做,不少知名大公司,甚至上市公司也在这么干,了解一下最近几年被Google Play下架过APP互联网公司就可以知道,有些公司是每年都会被下架一些APP,都有经验了,重复犯错,拒不悔改的节奏。

 

 


如有疑问,可以在文章底部留言或邮件(haran.huang@ichdata.com) 我~

我们要如何帮助您?

发表我的评论
取消评论
表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址