
網(wǎng)站數(shù)據(jù)分析 多渠道歸因模型
在GoogleAnalytics中跟蹤一個(gè)設(shè)備是沒有問題,而且很完善,但是在多個(gè)設(shè)備間切換就不行了,因?yàn)樵O(shè)備中都有瀏覽器,網(wǎng)站分析工具會(huì)將cookie放到不同設(shè)備的瀏覽器中,所以cookie就沒有辦法傳遞。帶著這個(gè)問題,看到了Avinash的一篇關(guān)于多渠道歸因模型的文章,才知道原來多渠道歸因有三種模型,以前只知道其中一種,就是跨渠道,例如跨廣告,自然搜索,電子郵件,推薦流量等的這種模型,對(duì)文章進(jìn)行了簡單的翻譯,希望對(duì)網(wǎng)站分析同行有幫助,內(nèi)容如下:
多渠道歸因問題的三種類型:
關(guān)于多渠道歸因,會(huì)有很多的迷惑和不解,在我們的世界里有三種類型的歸因問題。
一、多渠道歸因,線上到實(shí)體店(MCA-O2S):
營銷和分析人員嘗試去弄懂網(wǎng)絡(luò)營銷和廣告的對(duì)線下的影響(收入/品牌價(jià)值/電話等)。我們把這個(gè)歸因稱為MCA-O2S。
我這里使用的實(shí)體店,它包括以下幾種情況:零售商店或公司的呼叫中心的銷售(訂單或目錄請(qǐng)求),人們通過在線活動(dòng)然后去獻(xiàn)血,或者任何因?yàn)榫€上渠道帶來的線下收入。
MCA-O2S的一個(gè)例子是Verizon想知道多少線下和線上電話激活是因?yàn)樵诰€搜索廣告帶來的。
這是我用便利貼畫的模型圖:MCA-O2S,紅色圓點(diǎn)代表我們要衡量的活動(dòng)節(jié)點(diǎn),這些點(diǎn)可以確保我們理解用戶行為,并且得到影響我們市場和廣告的行動(dòng)見解…
我經(jīng)常與首席執(zhí)行官和首席營銷官們討論,當(dāng)談?wù)摰蕉嗲罋w因的時(shí)候,他們總是會(huì)說到MCA-O2S。然而,當(dāng)我的數(shù)據(jù)分析同行談?wù)撨@個(gè)話題時(shí),他們卻不談?wù)揗CA-O2S,你可以想像,為什么事情會(huì)變得混亂,因?yàn)閮烧咧g缺少溝通。
所以,當(dāng)你遇到一個(gè)CEO時(shí),他可能會(huì)說:“請(qǐng)幫我解決這個(gè)多渠道歸因問題”,你會(huì)說:“你對(duì)哪種MCA模型比較感興趣?”如果情況是這樣的話,就不同了,對(duì)問題的進(jìn)一步明確將有助于促進(jìn)一個(gè)有價(jià)值的談話。
二、多渠道歸因,跨多個(gè)屏幕(MCA-AMS):
高級(jí)領(lǐng)導(dǎo)人,特別是大公司的,當(dāng)他們說多渠道歸因的時(shí)候,已經(jīng)開始提到跨屏幕。
隨著移動(dòng)手機(jī)和平板電腦的大量應(yīng)用,我們都將變成擁有“四個(gè)屏幕”的人(電視,臺(tái)式機(jī),平板電腦,智能手機(jī))。對(duì)于這種復(fù)雜的景象,許多高級(jí)領(lǐng)導(dǎo)人急于想看懂這種復(fù)雜的,混亂的景象,急于理清多渠道歸因的頭緒。他們指的其實(shí)就是MCA-AMS。
他們真正想要了解清楚的,是用戶在使用多個(gè)設(shè)備體驗(yàn)互聯(lián)網(wǎng)網(wǎng)站時(shí),通過什么樣的媒體(廣告及市場推廣)和發(fā)生了怎樣的結(jié)果和轉(zhuǎn)換。
MCA-AMS的一個(gè)例子是,假設(shè)我在看電視廣告的時(shí)候,看到了一則廣告,然后在我的平板電腦上進(jìn)行搜索,點(diǎn)擊了付費(fèi)廣告后到達(dá)了一個(gè)相機(jī)網(wǎng)站,后來閱讀了NexusS相機(jī)的評(píng)論,我回到家后,使用我的筆記本在索尼網(wǎng)站上下了一個(gè)訂單。
在這種情況下要將銷售歸功給誰呢?電視,平板電腦付費(fèi)搜索廣告,智能手機(jī)上的評(píng)論,PC上的下單。有點(diǎn)暈,對(duì)吧?
以下的這張圖是關(guān)于MCA-AMS的,這個(gè)用戶體驗(yàn)有點(diǎn)復(fù)雜,紅色圓點(diǎn)代表的是我們接下來要弄明白的…
我們面臨的挑戰(zhàn)主要是,當(dāng)訪客與我們的網(wǎng)站互動(dòng)的時(shí)候,不停地切換設(shè)備,去追蹤他們變得越來越困難。其實(shí),我不應(yīng)該說越來越困難,我應(yīng)該說,幾乎是不可能的(cookies,通用特定標(biāo)識(shí)符,隱私,政府等原因)。
也許唯一的例外,就是用戶使用四種設(shè)備時(shí)都進(jìn)行了登錄,亞馬遜和紐約時(shí)報(bào)都需要用戶進(jìn)行登錄。這類公司通常擁有自己的數(shù)據(jù)倉庫,這些數(shù)據(jù)倉庫容量非常大,這樣他們就有能力定期做數(shù)據(jù)挖掘,并確定用戶相關(guān)的消費(fèi)習(xí)慣和購買模式。通常,但并不總是,他們還可以梳理出不同設(shè)備的收入情況(使用GoogleAnalytics高級(jí)細(xì)分功能的話,5秒鐘就可以)和客戶分析的渠道推廣計(jì)劃。
即使這樣,它還是很難。對(duì)很多人來說這仍然是一個(gè)復(fù)雜的情況,因?yàn)榻?a href='/map/shujucangku/' style='color:#000;font-size:inherit;'>數(shù)據(jù)倉庫需要大量的投入,我只能說很抱歉。
我相信真正的解決方案將來自cookies的進(jìn)步,隱私政策的更新,政府的決策和不斷變化的用戶使用習(xí)慣。然后才是我們對(duì)數(shù)據(jù)處理能力。
通過以上的解釋,你可以明白為什么歸因模型好像跟MCA-AMS沒有什么關(guān)系。但是,當(dāng)你遇到管理人員時(shí),他們可能會(huì)說:“請(qǐng)及時(shí)解決多渠道的歸因問題”,相信這時(shí)候大多數(shù)人會(huì)問更進(jìn)一步的問題:“你指的是MCA-O2S還是MCA-AMS?”
MCA-AMS很復(fù)雜,是一個(gè)很大的挑戰(zhàn)。對(duì)于大多數(shù)人來說,還不是一個(gè)迫切的問題,但很多人以后都會(huì)碰到。
三、多通道歸因,跨渠道(MCA-ADC):
覺大多數(shù),在網(wǎng)絡(luò)營銷的圈子里談到的多通道歸因(不是首席執(zhí)行官和首席營銷官),指的都是以下的這個(gè)模型。
MCA-ADC是理解數(shù)字營銷渠道(社交媒體,展示廣告,YouTube,推薦來源,電子郵件,搜索等等)的模型,歸因于一個(gè)特定的轉(zhuǎn)換或者多個(gè)轉(zhuǎn)換。
目前所有的網(wǎng)站分析工具,例如AdobeSiteCatalyst,WebTrends,GoogleAnalytics,Coremetrics等,會(huì)將轉(zhuǎn)換歸屬到轉(zhuǎn)換前的最后一次接觸的渠道,也就是為人們所熟知的【歸因到最后點(diǎn)擊】。
有了MCA-ADC,你會(huì)試圖跳出最后一次點(diǎn)擊的思維,而是會(huì)考慮轉(zhuǎn)換前的所有渠道(請(qǐng)看以下GoogleAnalytics的例子):
對(duì)于這個(gè)網(wǎng)站,767次的轉(zhuǎn)換來自同一種路徑類型:首先起始于社交媒體網(wǎng)站(例如Facebook,Twitter),然后直接訪問網(wǎng)站,然后通過自然搜索到達(dá)網(wǎng)站,然后通過推薦網(wǎng)站再次進(jìn)入,最后產(chǎn)生訂單的是直接流量的點(diǎn)擊。
數(shù)字營銷的人員都迫切地想要了解以上轉(zhuǎn)換中,權(quán)重是如何計(jì)算和分配的。直接流量應(yīng)該獲得50%嗎?社交媒體呢?100%?自然搜索呢?2%?但是當(dāng)我們明白了一個(gè)很關(guān)鍵的,隱藏的,細(xì)微的差別后,得把我們把剛才的想法先放一放。
當(dāng)人們談?wù)揗CA–ADC時(shí),他們只是在討論使用一臺(tái)設(shè)備時(shí)的情況。因?yàn)榫W(wǎng)站分析工具去分析一個(gè)人使用不同屏幕(AcrossMultipeScreens–AMS)的情況是不太可能的。
所以你上面看到的轉(zhuǎn)換,網(wǎng)站分析工具都可以將網(wǎng)站內(nèi)容和一個(gè)瀏覽器的多個(gè)訪問聯(lián)系起來(請(qǐng)注意,是瀏覽器而不是人)順便說一句,GA真是太棒了,因?yàn)槠渌蟛糠止ぞ叨紱]有能力可以告訴你。
假設(shè)以上的自然搜索在手機(jī)中產(chǎn)生……不管使用了什么網(wǎng)站分析工具,對(duì)于大多數(shù)網(wǎng)站來說,訪問基本上是丟失的,因?yàn)閏ookie記錄在手機(jī)的瀏覽器上,而一部分cookie則記錄在電腦的瀏覽器上,ohmygod.
在cookies,ids,隱私政策,政府指導(dǎo)和用戶使用習(xí)慣問題沒有得到充分解決之前,區(qū)分MCA-AMS(acrossmultiplescreens,跨多個(gè)屏幕)和MCA-ADC(acrossdigitalchannels,跨多個(gè)渠道)是很重要的。
當(dāng)衡量MCA-AMS的時(shí)候,你可以使用上一節(jié)中提到的指導(dǎo)。對(duì)于MCA-ADC,你會(huì)使用一組不同的報(bào)告,分別是多渠道路徑和歸因模型。
我敢肯定,當(dāng)涉及到MCA–ADC的時(shí)候,你已經(jīng)弄懂了第二個(gè)差別。
以上的情形沒有追蹤和考慮到線下用戶行為的影響(O2S),網(wǎng)站分析工具在這方面不是很行,甚至可以說很差。
所以額外的3,835人在商店中或者通過手機(jī)渠道(采用上面Verizon的數(shù)字)購買是可能的。上述的所有渠道,不管是社交媒體,直接流量,搜索流量,還是推薦流量,都不會(huì)獲得“權(quán)重”。除非你愿意使用在MCA-O2S中所描述的方法。
當(dāng)你在說MCA–ADC的時(shí)候,確保你自己清楚,并且和領(lǐng)導(dǎo)溝通清楚,不是在說MCA-O2S(OnlinetoStore),同時(shí)也不是在討論MCA-AMS。
以下是最后的一張便利貼,紅色遠(yuǎn)點(diǎn)是當(dāng)你在嘗試MCA–ADC時(shí)最可能測量的節(jié)點(diǎn):
如果我想賣弄學(xué)問的話,我會(huì)說這是MCA-ADCFOD模型(Multi-channelattributionacrossdigitalchannelsforonedevice),意思就是一臺(tái)設(shè)備跨渠道的多渠道歸因模型。
現(xiàn)在有豐富的分析經(jīng)驗(yàn),時(shí)間,耐心和上帝的祝福,可以做完整的多渠道歸因分析了,多渠道包括多個(gè)線上廣告渠道,跨設(shè)備的用戶行為,線上和線下的影響。可惜的是,整體上而言非常難。我說的非常難,基本上就是不可能的意思。當(dāng)我說幾乎是不可能的,我指的是當(dāng)你知道如何解決廣告,線上和線下內(nèi)容,客戶之后的嘗試。
我知道這聽起來像無稽之言,但是這種討論的確需要回歸現(xiàn)實(shí)。有太多的虛假承諾,來自供應(yīng)商,咨詢顧問,微博愛好者,領(lǐng)袖和各路神仙,這對(duì)于整個(gè)網(wǎng)絡(luò)營銷生態(tài)系統(tǒng)是沒有幫助的。
MCA-ADC的簡單總結(jié):
下一次當(dāng)你聽到有人提到多渠道歸因的時(shí)候,你應(yīng)該用你最溫和的語氣說:“您指的是MCA-O2S,MCA-AMS還是MCA-ADC?”
你會(huì)贏得其他人的尊重,因?yàn)槟阒烙腥N類型,并且你可以理解他們所說的情形,然后進(jìn)行進(jìn)一步的討論,相信這些討論對(duì)職業(yè)生涯甚至商業(yè)嗅覺都會(huì)有一些提升。
多通道歸因模型
對(duì)于MCA-O2S和MCA-AMS,它是一項(xiàng)復(fù)雜的工作,需要確定“哪種廣告/營銷手段能獲得更多權(quán)重?!彼枰托暮图记?,它也需要你對(duì)16個(gè)策略的執(zhí)行能力,這些策略包括線上和線下對(duì)各自的影響。甚至,它需要一種能力(人+技能+欲望)去進(jìn)行實(shí)驗(yàn)。
所以這個(gè)問題:“誰獲得多少權(quán)重”的優(yōu)先級(jí)會(huì)降低。
有了MCA-ADC,任務(wù)會(huì)容易得多,我們有多渠道路徑報(bào)告。此外,我們能夠在一些工具中對(duì)MCA-ADC部分提到的行為(以上兩張圖片)運(yùn)用歸因模型。
最簡單的網(wǎng)站分析工具也會(huì)有最常見的歸因模型:最后點(diǎn)擊,第一次點(diǎn)擊,甚至分配。
如果你足夠幸運(yùn),你能夠使用更復(fù)雜和高級(jí)的工具,將會(huì)包括:基于數(shù)學(xué)算法的,能夠調(diào)整的時(shí)間衰減模型。
如果你更幸運(yùn),你將有可能獲得一個(gè)數(shù)字分析工具,它允許你創(chuàng)建一個(gè)定制的歸因模型。
這些模型應(yīng)用于MCA–ADC,并為您提供更好的關(guān)于數(shù)字媒體花費(fèi)的建議。
這些模型都有自己的優(yōu)點(diǎn)和缺點(diǎn),如果你有我的書的WebAnalytics(分析)2.0,請(qǐng)翻到到358頁,有些有更多的缺點(diǎn),幾乎沒有任何優(yōu)點(diǎn),記得一定要規(guī)避它們。
其中一些通過了基礎(chǔ)的測試,因此相對(duì)于停留在【歸因到最后點(diǎn)擊】的思維,會(huì)把你提升到一個(gè)更高的層次上。
但是弄懂這些模型的一個(gè)最大的好處就是,可以給你關(guān)于如何調(diào)整媒體花費(fèi)的直接指導(dǎo)。(將美元、歐元、比索從付費(fèi)搜索轉(zhuǎn)移到展示廣告,或者從展示廣告到電子郵件,或者其他組合)
成功是通過策略的不斷調(diào)整,不斷測量變化,逐步改善才能達(dá)到的(幾個(gè)禮拜,如果你公司比較小的話甚至幾周)
如果你恰巧在一家大公司,假設(shè)你在網(wǎng)絡(luò)營銷的花費(fèi)在10萬美元以上,你很快就會(huì)發(fā)現(xiàn)你在多渠道歸因中所犯的錯(cuò)誤會(huì)較少,并且你的問題會(huì)集中在“我如何權(quán)衡我的網(wǎng)絡(luò)營銷組合”,而不是“誰得到更多的權(quán)重”。
這將推動(dòng)你繼續(xù)研究解決方案,這個(gè)解決方案需要獨(dú)特的個(gè)人能力和不死的欲望去測量不能想象的模型。
當(dāng)你達(dá)到這種階段的時(shí)候,你將擁有聲譽(yù),財(cái)富和幸福。
多渠道歸因:總結(jié)
這是一個(gè)嚴(yán)峻的挑戰(zhàn),因?yàn)楝F(xiàn)實(shí)是復(fù)雜的。
客戶體驗(yàn)是以往任何時(shí)候都更加復(fù)雜,影響的渠道很多,內(nèi)容消費(fèi)很分散,三步走模型(吸引,獲取,保留)現(xiàn)在分解成很多不同的部分。
所以,你沒有選擇。如果想讓您的公司有一個(gè)有效的廣告和營銷策略,你必須處理多渠道歸因的三個(gè)問題。
以下是一些好消息:你不需要一氣呵成。事實(shí)上,如果你試圖這樣做,可能會(huì)損害你的健康(雖是玩笑,但事實(shí)的確是這樣)。你應(yīng)該采取漸進(jìn)的步驟,步步為營。
以下是一些建議:
1.首先得明確,你在解決管理團(tuán)隊(duì)的什么問題。O2S,AMS,還是ADC。
2.使用適當(dāng)?shù)慕鉀Q方案。
3.真的要把多渠道路徑報(bào)告弄懂,他們都是免費(fèi)的,他們很棒。使用概述報(bào)告中的維恩圖,并將真實(shí)的情況展示給你的管理團(tuán)隊(duì)。他們會(huì)欣賞你的杰作,并且停止浪費(fèi)金錢。
4.開始使用簡單的模型進(jìn)行試驗(yàn)。您會(huì)從最后點(diǎn)擊的歸因思維中跳出來,并且放棄?;ㄒ恍┚υ跁r(shí)間衰減歸因模型上(理想的情況是運(yùn)用幾種數(shù)學(xué)模型)。
5.做實(shí)驗(yàn),并且感受不同組合的變化
6.追蹤結(jié)果,分析數(shù)據(jù),改變變量后再進(jìn)行嘗試。
7.一旦掌握后,慢慢轉(zhuǎn)移到媒體組合的實(shí)驗(yàn)。
如果在任何一步,你注意到利潤率的遞減,回到前面的步驟,進(jìn)行優(yōu)化,直到值得公司投入更多的錢在下一個(gè)步驟中。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11