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。

概述

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。

功能说明

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

1. 目标事件定义

  • 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。

2. 触点事件定义

  • 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。

3. 归因模型

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

4. 窗口期

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。

5. 查询时间范围

查询时间范围,为目标事件的发生时间范围。

查询结果说明

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。

以上内容没有解答我的问题?点击我来反馈 🚀

最后更新于