归因分析（Beta）
归因分析，主要用于衡量和评估站内的用 户触点对总体转化目标达成（如订单总金额）所作出的贡献，核心评价指标为“转化贡献度”。
所谓触点，就是用户与产品进行交互的接触点（如运营位、搜索、导航等）。这些触点，承担着引导用户行为、促进用户转化的作用。
在做运营活动时，运营同学可能会在产品内的多个运营位上投放活动素材，试图在用户与产品交互过程中的各个触点上，吸引用户的注意力，引导流量走向和用户的行为，促成最终的转化。
此外，用户本身可能还会通过搜索、内容推荐等触点获取信息，这些触点对用户是否能达成转化也在发挥着重要作用。
也就是说，在用户的转化路径上，站内的众多触点都参与了对用户的劝说和引导，影响了用户的最终决策。
那么，对比各个用户触点，它们对关键指标的达成分别贡献了多大的力量，是否都如运营人员所预期的那样，具有优秀的转化能力；亦或者，存在被低估的情况？在之后的运营中，该如何调整对各运营位资源投入的权重分配？
对于 以上问题，归因分析提供了一种直观的度量 —— 转化贡献度，可以非常直接地量化每个运营位、每个触点的转化效果和价值贡献。
结合归因分析以及漏斗分析等功能，您可以更加综合、全面地对各运营位的转化能力进行对比分析，通过运营资源配置的调整，实现产品价值最大化，促进产品数据和运营指标的提升。
通过简单的几步设置，您就可以直观地看到，各触点对总体转化指标的贡献情况。
1) 定义转化目标——目标事件
2) 定义用户触点——触点事件
3) 选择归因模型——方舟目前提供五种常见的归因模型供您选择
4) 定义窗口期——用户完成一次转化的时间期限
5) 选择查询时间范围——目标事件发生的时间范围
- 目标事件：
标志用户完成一次转化的事件，如“支付订单”；支持选择任一元事件作为目标事件。
- 目标事件的前向关联事件：
所谓前向关联事件，是指在目标事件触发之前发生的，与转化目标高度相关的事件，是对促进用户达成转化目标起到桥梁和纽带作用的事件。
通过设置前向关联事件，可以更进一步精确地定义一次转化，从而更加精准地回溯和还原用户转化的路径，提升归因模型的精度。
前向关联事件不必然是用户完成目标事件之前的上一步操作行为，但必然是触点事件之后、目标事件之前发生的动作。
举例来说，在电商类App中，用户在下单购买商品前，一般会有 “浏览商品详情页”，“加入购物车”的操作，我们可以认为这两个事件是与“购买商品”事件高度相关的前向关联事件。
通过”关联属性“，能够更加精确地限定前向关联事件的生效条件：当前向关联事件与目标事件的某一共有属性值相等时，该前向关联事件的定义才生效。
- 触点事件：
归因分析的评价对象，如点击banner、点击商品推荐位等。
- 直接转化：
在窗口期内，触发了目标事件，但没有触发任何触点事件的转化，即被视为直接转化触发了目标事件。
- 细分维度：
通过细分维度，将不同维度值的触点事件视为更细粒度 的用户触点。
用户从首次接触产品上发布的运营消息、与运营位产生交互，到最终完成转化，整个转化路径可能会经过多个触点。在用户的转化路径上，各触点对转化的功劳权重各不相同，您可以根据具体的业务场景和分析需求，来选择相应的归因模型。
目前，方舟提供了5种归因模型供您选择，模型说明详见下表：
模型 | 模型说明 |
首次触点归因 | 将转化功劳 100% 归于首次互动的待归因事件 |
末次触点归因 | 将转化功劳 100% 归于末次互动的待归因事件 |
线性归因 | 将转化功劳平均分配给转化路径上的所有待归因事件 |
位置归因 | 按待归因事件在转化路径上的位置分配转化功劳，一般首次和末次互动的事件各占 40% ，中间触点的事件均分剩余的 20% |
时间衰减归因 | 按待归因事件发生的时间顺序，分配转化功劳，距离目标事件发生时间越近的待归因事件，做出的贡献越大，分配到的功劳越多 |
所谓窗口期，即为从触发触点事件开始，到触发目标事件，完成一次目标转化的时间限制。
查询时间范围，为目标事件的发生时间范围。
结果表格中各数据项及指标含义，见下表：
指标 | 指标含义 |
触点事件的发生次数 | 统计范围内，触点事件的发生次数 |
有效触点事件的发生次数 | 统计范围内，带来转化的触点即为有效触点事件 |
转化贡献度 | 统计范围内，触点事件对总转化量指标的贡献度 |
转化贡献量 | 统计范围内，触点事件对总转化指标（如目标事件总次数）的贡献量 转化贡献量=总体转化量*转化贡献度 |
通过切换“转化目标”，可以查看触点对不同指标的贡献度。
