
網站數(shù)據(jù)分析 多渠道歸因模型
在GoogleAnalytics中跟蹤一個設備是沒有問題,而且很完善,但是在多個設備間切換就不行了,因為設備中都有瀏覽器,網站分析工具會將cookie放到不同設備的瀏覽器中,所以cookie就沒有辦法傳遞。帶著這個問題,看到了Avinash的一篇關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,對文章進行了簡單的翻譯,希望對網站分析同行有幫助,內容如下:
多渠道歸因問題的三種類型:
關于多渠道歸因,會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,線上到實體店(MCA-O2S):
營銷和分析人員嘗試去弄懂網絡營銷和廣告的對線下的影響(收入/品牌價值/電話等)。我們把這個歸因稱為MCA-O2S。
我這里使用的實體店,它包括以下幾種情況:零售商店或公司的呼叫中心的銷售(訂單或目錄請求),人們通過在線活動然后去獻血,或者任何因為線上渠道帶來的線下收入。
MCA-O2S的一個例子是Verizon想知道多少線下和線上電話激活是因為在線搜索廣告帶來的。
這是我用便利貼畫的模型圖:MCA-O2S,紅色圓點代表我們要衡量的活動節(jié)點,這些點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見解…
我經常與首席執(zhí)行官和首席營銷官們討論,當談論到多渠道歸因的時候,他們總是會說到MCA-O2S。然而,當我的數(shù)據(jù)分析同行談論這個話題時,他們卻不談論MCA-O2S,你可以想像,為什么事情會變得混亂,因為兩者之間缺少溝通。
所以,當你遇到一個CEO時,他可能會說:“請幫我解決這個多渠道歸因問題”,你會說:“你對哪種MCA模型比較感興趣?”如果情況是這樣的話,就不同了,對問題的進一步明確將有助于促進一個有價值的談話。
二、多渠道歸因,跨多個屏幕(MCA-AMS):
高級領導人,特別是大公司的,當他們說多渠道歸因的時候,已經開始提到跨屏幕。
隨著移動手機和平板電腦的大量應用,我們都將變成擁有“四個屏幕”的人(電視,臺式機,平板電腦,智能手機)。對于這種復雜的景象,許多高級領導人急于想看懂這種復雜的,混亂的景象,急于理清多渠道歸因的頭緒。他們指的其實就是MCA-AMS。
他們真正想要了解清楚的,是用戶在使用多個設備體驗互聯(lián)網網站時,通過什么樣的媒體(廣告及市場推廣)和發(fā)生了怎樣的結果和轉換。
MCA-AMS的一個例子是,假設我在看電視廣告的時候,看到了一則廣告,然后在我的平板電腦上進行搜索,點擊了付費廣告后到達了一個相機網站,后來閱讀了NexusS相機的評論,我回到家后,使用我的筆記本在索尼網站上下了一個訂單。
在這種情況下要將銷售歸功給誰呢?電視,平板電腦付費搜索廣告,智能手機上的評論,PC上的下單。有點暈,對吧?
以下的這張圖是關于MCA-AMS的,這個用戶體驗有點復雜,紅色圓點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,當訪客與我們的網站互動的時候,不停地切換設備,去追蹤他們變得越來越困難。其實,我不應該說越來越困難,我應該說,幾乎是不可能的(cookies,通用特定標識符,隱私,政府等原因)。
也許唯一的例外,就是用戶使用四種設備時都進行了登錄,亞馬遜和紐約時報都需要用戶進行登錄。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,并確定用戶相關的消費習慣和購買模式。通常,但并不總是,他們還可以梳理出不同設備的收入情況(使用GoogleAnalytics高級細分功能的話,5秒鐘就可以)和客戶分析的渠道推廣計劃。
即使這樣,它還是很難。對很多人來說這仍然是一個復雜的情況,因為建立數(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的進步,隱私政策的更新,政府的決策和不斷變化的用戶使用習慣。然后才是我們對數(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沒有什么關系。但是,當你遇到管理人員時,他們可能會說:“請及時解決多渠道的歸因問題”,相信這時候大多數(shù)人會問更進一步的問題:“你指的是MCA-O2S還是MCA-AMS?”
MCA-AMS很復雜,是一個很大的挑戰(zhàn)。對于大多數(shù)人來說,還不是一個迫切的問題,但很多人以后都會碰到。
三、多通道歸因,跨渠道(MCA-ADC):
覺大多數(shù),在網絡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,歸因于一個特定的轉換或者多個轉換。
目前所有的網站分析工具,例如AdobeSiteCatalyst,WebTrends,GoogleAnalytics,Coremetrics等,會將轉換歸屬到轉換前的最后一次接觸的渠道,也就是為人們所熟知的【歸因到最后點擊】。
有了MCA-ADC,你會試圖跳出最后一次點擊的思維,而是會考慮轉換前的所有渠道(請看以下GoogleAnalytics的例子):
對于這個網站,767次的轉換來自同一種路徑類型:首先起始于社交媒體網站(例如Facebook,Twitter),然后直接訪問網站,然后通過自然搜索到達網站,然后通過推薦網站再次進入,最后產生訂單的是直接流量的點擊。
數(shù)字營銷的人員都迫切地想要了解以上轉換中,權重是如何計算和分配的。直接流量應該獲得50%嗎?社交媒體呢?100%?自然搜索呢?2%?但是當我們明白了一個很關鍵的,隱藏的,細微的差別后,得把我們把剛才的想法先放一放。
當人們談論MCA–ADC時,他們只是在討論使用一臺設備時的情況。因為網站分析工具去分析一個人使用不同屏幕(AcrossMultipeScreens–AMS)的情況是不太可能的。
所以你上面看到的轉換,網站分析工具都可以將網站內容和一個瀏覽器的多個訪問聯(lián)系起來(請注意,是瀏覽器而不是人)順便說一句,GA真是太棒了,因為其它大部分工具都沒有能力可以告訴你。
假設以上的自然搜索在手機中產生……不管使用了什么網站分析工具,對于大多數(shù)網站來說,訪問基本上是丟失的,因為cookie記錄在手機的瀏覽器上,而一部分cookie則記錄在電腦的瀏覽器上,ohmygod.
在cookies,ids,隱私政策,政府指導和用戶使用習慣問題沒有得到充分解決之前,區(qū)分MCA-AMS(acrossmultiplescreens,跨多個屏幕)和MCA-ADC(acrossdigitalchannels,跨多個渠道)是很重要的。
當衡量MCA-AMS的時候,你可以使用上一節(jié)中提到的指導。對于MCA-ADC,你會使用一組不同的報告,分別是多渠道路徑和歸因模型。
我敢肯定,當涉及到MCA–ADC的時候,你已經弄懂了第二個差別。
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,都不會獲得“權重”。除非你愿意使用在MCA-O2S中所描述的方法。
當你在說MCA–ADC的時候,確保你自己清楚,并且和領導溝通清楚,不是在說MCA-O2S(OnlinetoStore),同時也不是在討論MCA-AMS。
以下是最后的一張便利貼,紅色遠點是當你在嘗試MCA–ADC時最可能測量的節(jié)點:
如果我想賣弄學問的話,我會說這是MCA-ADCFOD模型(Multi-channelattributionacrossdigitalchannelsforonedevice),意思就是一臺設備跨渠道的多渠道歸因模型。
現(xiàn)在有豐富的分析經驗,時間,耐心和上帝的祝福,可以做完整的多渠道歸因分析了,多渠道包括多個線上廣告渠道,跨設備的用戶行為,線上和線下的影響??上У氖牵w上而言非常難。我說的非常難,基本上就是不可能的意思。當我說幾乎是不可能的,我指的是當你知道如何解決廣告,線上和線下內容,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。有太多的虛假承諾,來自供應商,咨詢顧問,微博愛好者,領袖和各路神仙,這對于整個網絡營銷生態(tài)系統(tǒng)是沒有幫助的。
MCA-ADC的簡單總結:
下一次當你聽到有人提到多渠道歸因的時候,你應該用你最溫和的語氣說:“您指的是MCA-O2S,MCA-AMS還是MCA-ADC?”
你會贏得其他人的尊重,因為你知道有三種類型,并且你可以理解他們所說的情形,然后進行進一步的討論,相信這些討論對職業(yè)生涯甚至商業(yè)嗅覺都會有一些提升。
多通道歸因模型
對于MCA-O2S和MCA-AMS,它是一項復雜的工作,需要確定“哪種廣告/營銷手段能獲得更多權重?!彼枰托暮图记?,它也需要你對16個策略的執(zhí)行能力,這些策略包括線上和線下對各自的影響。甚至,它需要一種能力(人+技能+欲望)去進行實驗。
所以這個問題:“誰獲得多少權重”的優(yōu)先級會降低。
有了MCA-ADC,任務會容易得多,我們有多渠道路徑報告。此外,我們能夠在一些工具中對MCA-ADC部分提到的行為(以上兩張圖片)運用歸因模型。
最簡單的網站分析工具也會有最常見的歸因模型:最后點擊,第一次點擊,甚至分配。
如果你足夠幸運,你能夠使用更復雜和高級的工具,將會包括:基于數(shù)學算法的,能夠調整的時間衰減模型。
如果你更幸運,你將有可能獲得一個數(shù)字分析工具,它允許你創(chuàng)建一個定制的歸因模型。
這些模型應用于MCA–ADC,并為您提供更好的關于數(shù)字媒體花費的建議。
這些模型都有自己的優(yōu)點和缺點,如果你有我的書的WebAnalytics(分析)2.0,請翻到到358頁,有些有更多的缺點,幾乎沒有任何優(yōu)點,記得一定要規(guī)避它們。
其中一些通過了基礎的測試,因此相對于停留在【歸因到最后點擊】的思維,會把你提升到一個更高的層次上。
但是弄懂這些模型的一個最大的好處就是,可以給你關于如何調整媒體花費的直接指導。(將美元、歐元、比索從付費搜索轉移到展示廣告,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整,不斷測量變化,逐步改善才能達到的(幾個禮拜,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,假設你在網絡營銷的花費在10萬美元以上,你很快就會發(fā)現(xiàn)你在多渠道歸因中所犯的錯誤會較少,并且你的問題會集中在“我如何權衡我的網絡營銷組合”,而不是“誰得到更多的權重”。
這將推動你繼續(xù)研究解決方案,這個解決方案需要獨特的個人能力和不死的欲望去測量不能想象的模型。
當你達到這種階段的時候,你將擁有聲譽,財富和幸福。
多渠道歸因:總結
這是一個嚴峻的挑戰(zhàn),因為現(xiàn)實是復雜的。
客戶體驗是以往任何時候都更加復雜,影響的渠道很多,內容消費很分散,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有效的廣告和營銷策略,你必須處理多渠道歸因的三個問題。
以下是一些好消息:你不需要一氣呵成。事實上,如果你試圖這樣做,可能會損害你的健康(雖是玩笑,但事實的確是這樣)。你應該采取漸進的步驟,步步為營。
以下是一些建議:
1.首先得明確,你在解決管理團隊的什么問題。O2S,AMS,還是ADC。
2.使用適當?shù)慕鉀Q方案。
3.真的要把多渠道路徑報告弄懂,他們都是免費的,他們很棒。使用概述報告中的維恩圖,并將真實的情況展示給你的管理團隊。他們會欣賞你的杰作,并且停止浪費金錢。
4.開始使用簡單的模型進行試驗。您會從最后點擊的歸因思維中跳出來,并且放棄?;ㄒ恍┚υ跁r間衰減歸因模型上(理想的情況是運用幾種數(shù)學模型)。
5.做實驗,并且感受不同組合的變化
6.追蹤結果,分析數(shù)據(jù),改變變量后再進行嘗試。
7.一旦掌握后,慢慢轉移到媒體組合的實驗。
如果在任何一步,你注意到利潤率的遞減,回到前面的步驟,進行優(yōu)化,直到值得公司投入更多的錢在下一個步驟中。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
用 SQL 生成逆向回滾 SQL:數(shù)據(jù)操作的 “后悔藥” 指南? 在數(shù)據(jù)庫操作中,誤刪數(shù)據(jù)、錯改字段或誤執(zhí)行批量更新等問題時有發(fā)生。 ...
2025-07-14如何考取數(shù)據(jù)分析師證書:以 CDA 為例? ? 在數(shù)字化浪潮席卷各行各業(yè)的當下,數(shù)據(jù)分析師已然成為企業(yè)挖掘數(shù)據(jù)價值、驅動決策的 ...
2025-07-14t檢驗與Wilcoxon檢驗的選擇:何時用t.test,何時用wilcox.test? t 檢驗與 Wilcoxon 檢驗的選擇:何時用 t.test,何時用 wilcox. ...
2025-07-14AI 浪潮下的生存與進階: CDA數(shù)據(jù)分析師—開啟新時代職業(yè)生涯的鑰匙(深度研究報告、發(fā)展指導白皮書) 發(fā)布機構:CDA數(shù)據(jù)科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內權威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數(shù)據(jù)中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07