首页 / 网络广告 / 营销归因分析概念/价值/模型和三大归因方式

营销归因分析概念/价值/模型和三大归因方式

归因分析概念

归因分析(Attribution Analysis)是指在特定时间周期内,用户旅程中所经历的不同营销渠道的不同接触点对达成转化目标的贡献价值评估。其中:
    * 特定时间周期一般称为归因回溯窗口,从用户完成转化的时间点开始,设定一个回溯窗口时间,只有在该时间内发生的营销渠道的对应接触点才会被计入转化归因。
    * 用户旅程(User Journey)描述的是用户从认识特定企业/品牌,并通过一系列的互动或学习,到购买使用企业/品牌的服务或产品,最终成为忠诚客户的整个流程。
    * 营销渠道来源包括线下渠道(广播、电视、杂志、报纸、广告牌等)和线上渠道(展示广告、SEM、短信营销、邮件营销等),渠道终端包含电视、电脑、手机、平板等,完整的归因分析需要能够跨线上线下、跨渠道、跨终端。
    * 接触点又简称为触点(Touch point或Contact point),包括曝光、点击及其他互动等。

归因分析价值

1.量化并优化营销渠道费用的价值
  •     * 衡量不同营销渠道的转化效果,评估其对最终转化目标的影响(直接影响或间接影响)及其对应的贡献价值
  •     * 合理分配营销费用,找到最优营销渠道组合,最大化营销转化率和ROI
2.勾勒用户旅程中每一个转化的营销全流程路径图
  •     * 计算从接触到用户到用户完成转化的时间周期
  •     * 描绘用户转化过程的历史轨迹:第一次接触到用户是几时、用户总共看过哪些营销渠道的哪些广告、用户在每个广告中的广告行为是怎样的……
3.识别作弊渠道,降低欺诈损失
  •     *依据用户转化的历史轨迹发现异常(比如曝光转化率远低于行业平均值、广告点击到完成转化的时间差低于正常值),找到作弊渠道

归因分析模型

  • 1.末次互动归因模型:把转化(注册、下单等)功劳全部归于末次触点(曝光、点击等)对应的渠道或创意。这是比较直接的单一来源渠道归因模型,但忽略了其它节点的功劳。
  • 2.平均分配归因模型:把转化功劳平均分配给每个触点(用户从看到广告到产生转化过程中的各个触点).这是比较简单的多渠道归因模型,但有可能会高估了中间节点的功劳。
  • 3.时间衰减归因模型:根据用户转化旅程中的时间轴,将功劳倾向于划分给最接近转化的触点,也就是首次触点的功劳最小,中间的多个触点的功劳依次变大,末次触点的功劳最大,这种方式相对较为合理。
  • 4.价值加权归因模型:对不同渠道的位置价值或不同创意的内容价值进行加权,将转化功劳根据权重进行划分。这种方式需要合理划分不同渠道及不同创意的价值。
  • 5.自定义归因模型:自定义各个渠道或各个创意的权重,将转化功劳根据权重进行划分。

归因方式

按按触点来分,归因分析方式分为:曝光归因、点击归因和其它互动归因(比如语音交互等)。

  • 1.曝光归因:英文简称 VTA(View-Through Attribution)或VBA(View-Based Attribution),是依据转化用户在转化前的特定时间段内,所经历的不同营销渠道的广告浏览轨迹来评估各营销渠道的贡献价值。用户看到某营销渠道广告而未采取行动不代表该广告是完全无效的,可能正是这些广告才影响了用户后续的转化决定。比如用户看到某广告时因为时间(比如正在上班不方便)、网络(比如因为没有WIFI无法下载大文件)等原因没有进行转化,后面再次看到这个广告后或者在合适的时间主动搜索广告对应的产品/服务并直接采取转化行动;又比如,用户是第一次看到这个广告,因为看到广告的次数不够(即广告频次)没能影响其转化决定,当用户看到广告达到一定次数后,对其形成深刻印象并产生转化行动。
    曝光归因方式中,在进行各渠道的价值加权时,也可以综合考虑当前渠道对应的广告曝光有没有产生广告点击或者其它互动,如果有,可以适当加权。
  • 2.点击归因:英文简称CTA(Click-Through Attribution)或CBA(Click-Based Attribution),是依据转化用户在转化前的特定时间段内,所经历的不同营销渠道的广告点击轨迹来评估各营销渠道的贡献价值。目前移动端行业常说的归因作弊,主要是指末次点击转化归因作弊,作弊平台只需要向广告主的点击服务发送用户的设备号ID(作弊平台甚至不需要曝光任何广告)即可,该用户一旦产生激活注册,这部分转化用户就直接成为作弊平台的功劳了。如下图:正常来说,该转化属于B平台,但是由于C平台的归因作弊出现在用户激活注册之前,因此转化归于C作弊平台。
    attachments-2018-09-IYNqLYka5b90d31ed5b66.png
  • 3.其他互动:跟曝光归因和点击归因类似,只不过归因方式不是聚集于广告曝光或点击,而是其它接触点。

匹配规则

按不同用户识别号规则来进行归因分析,用户识别号包括Cookie_id、设备id、IP、Finger Print或其它识别号,不同识别号在识别用户方面有不同的精细度,有些需要综合使用。常用的匹配规则有:
1.Cookie_id或设备id:Cookie_id主要用于WEB浏览器,设备id包括IDFA、Android ID、IMEI等。
在中国,IOS手机是用 IDFA(ID for Advertising),Android手机是用Android ID或IMEI(其中还有IMEI-MD5或IMEI-SHA1)。
  • 2.IP+Finger Print:用户使用浏览器浏览网站时,该用户浏览器相关的数据和操作称为浏览器Finger Print(指纹),包括userAgent(包含浏览器版本号等信息)、http_accept(http协议头中的一个字段)、plugins(浏览器安装的插件信息)、timezone(时区信息)、fonts(系统安装字体)等信息。这些指纹信息与用户的个人习惯、使用环境有关,综合用户其它信息(如IP地址等),可以有效辨别用户特征。
  • 3.其它识别号:国外Android手机用Google Ads ID等。

归因回溯窗口

根据不同行业的产品/服务价格的高低、下载文件的大小等,用户场景会有所不同,归因回溯周期也会有所不同。比如:

1.快消等高频消费或者低价商品,用户从看到广告到购买决策的周期比较短,因此归因回溯窗口也比较短,一般是24小时或者3天。

2.汽车、旅游或者其他奢侈品行业,用户一般看到广告后,还会进行长时间的调研、对比、思考等过程后再决定是否购买,涉及用户决策时间较长,因此归因回溯窗口也相对较长,一般是7天甚至30天。

另外,根据产品/服务在不同时期的广告投放需求,归因回溯周期也会有所不同。比如:

1.新品发布前期预热广告投放,会设置比较长的回溯周期。

2.多个连续的不同短周期推广活动,回溯周期相应短一些,避免多个推广活动之间的信息干扰。

3.长期推广的广告活动,可以将回溯周期相应拉长一些。

目前市面上的营销渠道或者第三方监测一般都支持自定义归因回溯窗口时间,各企业可结合自身产品/服务的实际情况和历史数据进行分析并设置。

下图列举手游广告主常用的本土第三方移动统计系统有Talking Data、热云、Data Eye、友盟+等。常用的海外第三方移动统计系统有Appsflyer、Flurry、Adjust等。各家系统的统计逻辑也是不同的,匹配规则分为优先匹配(一级匹配)、其次匹配(二级匹配)等,这些匹配对应的用户识别号匹配规则、曝光和或点击归因回溯期都有所不同。

attachments-2018-09-I5C9Oe4Z5b8e81408cc8a.png
如下图所示:如果按末次点击归因模型进行归因,若忽略设备ID,广告主会将下载归功于点击3;若必须匹配设备ID,广告主则会将下载归功于点击2。
attachments-2018-09-krox8w6o5b90ebca5449a.png

模拟场景

1.某天,某IT男A在经过某商城时经过扫地机器人(用R表示)的推广活动稍微参观了一下,清洁卫生很方便。——线下推广活动
2.第2天,A晚上躺着在玩手机刷抖音时看到R广告,好奇点进去简单看了一下介绍,看完之后离开了。——抖音短视频广告
3.第5天,A看腾讯新闻网站时又看到R的展示广告,点击进去详细看了介绍觉得挺不多准备下单买,在付款瞬间又犹豫了,因为价格原因决定再思考是否有必要买。——腾讯展示广告
4.第8天,A在家看电视,看到开机广告在卖R扫地机器人。——OTT电视广告
5.A看着半年没打扫过的脏地板,但又懒得打扫,决定还是买一个扫地机器人,于是拿起手机打开百度搜索了“R扫地机器人”,看到了R的SEM广告,点击进入官网商品页,并下单购买成功。——百度SEM广告
按照不同归因分析模型,归因方式是按展示归因,并设定回溯窗口是8天,可能得出如下渠道贡献值结论:
attachments-2018-09-lKeTMN5d5b8e85e18cf7d.png
如果回溯窗口改为4天,其它不变,则可能得出如下渠道贡献值结论:
attachments-2018-09-9aNdnZPc5b8e85fbc12ec.png
如果将归因方式改为按点击归因,回溯窗口不管是4天还是8天,则结论会变为:
attachments-2018-09-EHx2W8gM5b8e863e1a262.png
说明:
模拟场景中,商城的推广活动放置了WIFI探针,当IT男A进入活动区域时被收集了MAC地址,后续可以用来作为用户定向使用;
图中的时间衰减的比例是假设的,各企业根据需要定义比例;
图中的位置加权是把短视频广告和SEM广告的价值进行加权了,加权比例也是假设的。
本文来自网络,本站仅提供信息存储空间服务。文中观点不代表网推实训营立场,转载请注明出处:https://www.shixunying.com/3590.html
上一篇
下一篇

为您推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注

返回顶部