在上篇，（為什麼要進行跨渠道多觸點歸因分析）我們簡單地提到了渠道歸因分析的概念：即對用戶在完成轉化之前所接觸到的所有宣傳推廣渠道進行分析，也闡述了多觸點跨渠道歸因的好處：不增加市場推廣費用的情況下，通過合理安排推廣費用在不同渠道間的分配，顯著提升銷售額。本篇將會給大家詳細地介紹多觸點渠道歸因的困難點和方法。

多渠道歸因分析有三個重要的方面，也是三個極具挑戰的難題：

1.線上廣告投放對線下渠道（店鋪銷售、品牌價值等）的影響。

2.營銷活動的跨屏（台式或手提電腦、移動設備或手機、電視屏幕）影響。

3.轉化或銷售額對所有線上渠道的歸因。

上面三個方面都是跨渠道分析非常重要的方面。我們今天就著重講解第三個方面，也就是如何將整體轉化/銷售額在不同的線上渠道之間做出合理的分配。

先看一個例子。假設你在微信、百度以及導流網站（折800、卷皮等）都投放了廣告。有767個消費者通過以下路徑購買了你的產品：

「直接」是指直接輸入你的官網網址。

你有以下不同的模型可以完成跨渠道歸因：

一、最後點擊（Last
Click）歸因模型

這是一個最典型的歸因方式，在所有的網頁分析報告及報告工具中（Google Analytics例外），可能包括你們自己的分析系統報告中，都可以看到這樣的歸因結果。

你可以看到這樣的歸因模型是比較愚昧的（可是你確實天天在用它！）它會將上面的767個轉化統統歸因於「直接」渠道。儘管你花了大量的推廣費用在微信、百度搜索及導流網站上，這些推廣渠道也確實對這767個轉化做出了貢獻，但你現在使用的歸因模型卻並沒有給它們記上一點功勞。

你可能會訴苦說：我沒有辦法給它們記上功勞, 因為我不知道在最後轉化前，它們都經歷了哪些渠道。好！這在過去是個很好的理由，但是現在已經不能成為理由了，因為現在已經有公司的軟體可以幫你追蹤所有的轉化路徑了。在不久的將來，如果你還使用這種「最後點擊」的歸因方式，你的工作恐怕就要保不住了，因為它會將歸因結果帶到錯誤的方向上，從而讓你的公司白白損失大量廣告費！

二、最後一次非直接點擊模型

這是Google
Analytics的報告中使用的標準模型，它把轉化100%歸因於最後一個「非直接」渠道上，在上述圖示中，就是「導流」網站。

這種做法也是不準確的。首先，很多消費者最終通過「直接」渠道產生購買，原因或者是因為其他渠道的短期影響（例如，微信中的一個軟文或展示廣告的一個產品宣傳讓他記住了你公司的URL），或者是因為你的公司長期品牌價值使消費者對你公司的URL一直保持記憶狀態（比如說人們直接輸入JD.com進入京東官網點擊購買）。這種情況下，將轉化貢獻完全歸功於「直接」渠道前的「導流」顯然是誇大了「導流」渠道的作用，因而也是不準確的。是的，我確實是在說: Google Analytics報告中的歸因模型是有缺陷的!

三、首次點擊（First Click）歸因模型

這個是最後點擊歸因的反向，它將所有的轉化的功勞歸功於消費者第一次點擊的渠道。在上面的圖示中，就是「微信」渠道。

這個模式初看起來也有一點道理，但仔細想想也會有很多漏洞：你的初次點擊可能發生在兩年前，然後你徹底地忘記了那個網站。兩年後那家公司在「愛奇藝」上做了大量廣告，你看到了並進入了官網產生了購買。這種模式完全忽略了讓你購買的「愛奇藝」的廣告效果。更為麻煩的是，在很多情況下，我們無法確切地知道哪一個渠道是消費者真正接觸到的「第一個渠道」，就像沒有人會知道他/她所有的朋友的第一個戀人是誰一樣，儘管他/她可能可能會知道那些朋友現任的太太/丈夫的名字。

四、線性歸因模型

假設你剛剛拿到了奧斯卡獎，獎金有100萬（這只是個假設），你將要拿這些錢感謝幫助你拿到獎的人。為了簡化模型，我們假設對你有幫助的人只有你的父親、母親、經紀人和導演。你將怎麼分配這些錢呢？

有一個方法比較簡單粗暴，給他們平分了。也就是說，他們給你的幫助都是等價的，沒有人做特殊處理。這個方法雖然簡單，也考慮了多方面的因素對你產生的影響，但是，很顯然，這不夠合理。

線性歸因模型就像這樣，把貢獻率以等量權重賦值給所有影響因素/渠道。

五、基本位置歸因模型

這種模型將40%轉化歸功於首次點擊，另外40%歸功於最後點擊，剩餘20%平均分配給中間渠道。該模型看上去比上面的幾種更合理一些，而且簡單實用。如果你的公司沒有很好的統計分析師或者數據科學家，你可以嘗試這種模型。

六、時間衰減模型

當一次廣告展示或者點擊行為離最終購買時間越久遠，它在你記憶中留下的印象越模糊，對最終轉化的貢獻就越小。所以，時間衰減模型用時間衰減曲線來給不同的渠道觸點分配權重。在此基礎上得到一個合理的渠道貢獻分配比例。如下圖：

這種模型比上述其他模型要合理一些，困難點在於如何擬合不同的時間衰減曲線。這需要專業知識及對業務的充了解。

七、個性化的歸因模型

事實上，不同的企業有不同的產品類別，不同的消費群體，採用不同的市場推廣方式。這在很大程度上限制了上述模型，特別是後面幾類模型的應用。並不是說上述模型不能用，主要原因是歸因的準確度會有很大的影響。很多因素，例如市場狀況、消費者類別、競爭對手狀況、長期品牌價值的影響、地域情況等都會影響到歸因的準確性。

多渠道歸因分析可以說是在大數據分析領域少有的幾個最具複雜性和挑戰性的分析項目之一。目前，有少數公司投入了大量的人力物力開發了針對不同行業的專用的個性化歸因模型。這樣的專業模型在大數據的基礎上考慮了儘可能多的因素的影響，在歸因準確程度方面比一般的模型提升很多。例如北京目標科技責任有限公司就開發了這種專業模型，可以為電商、互聯網金融、教育、遊戲、汽車等行業提供專業的的渠道歸因和優化服務。

渠道歸因分析的好處是顯而易見的。它能讓很多企業把錢投在最有效的推廣渠道上，在不增加市場推廣費用的情況下，通過合理安排推廣費用在不同渠道間的分配，顯著提升銷售額。

那麼怎樣知道您的企業是否存在跨渠道歸因問題？市場對多觸點歸因分析有什麼錯誤想法？全球市場在跨渠道歸因分析方面的趨勢怎樣？營銷技術前沿在下一篇為大家一一道來。

歡迎大家關注微信公眾號：營銷技術前沿。更多營銷知識等著你。


推薦閱讀：
相关文章