
多渠道歸因模型-網(wǎng)站分析
多渠道歸因在網(wǎng)站分析行業(yè)是一個非?;鸬脑掝},但是卻很少人了解它。我相信,由此產(chǎn)生的問題【混亂,F(xiàn)UD(害怕,不確定和懷疑),焦慮,每天祈禱,和浪費預(yù)算】是由于缺乏一個明確的多渠道歸因框架來幫助界定問題。
在這篇文章中,我希望分享一個有助于確定問題所在的框架。包括衡量和數(shù)據(jù)分析的建議。如果這還不夠,我會分享關(guān)于數(shù)字營銷歸因模型的更多想法。
這個過程很有趣,卷起你的袖子,帶上微笑,清醒一下頭腦,然后跟著我出發(fā)吧…
多渠道歸因問題的三種類型:
關(guān)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(wǎng)絡(luò)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(xiàn)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。
[如果你對這個感興趣的話,請查看以下這篇文章:1個線上激活的伴隨著5個線下激活 !如果不計算帶來的線下影響,就相當(dāng)于不承認(rèn)線上營銷渠道的作用。一般情況下,就會少估5倍的影響!因此你可以想象為什么MCA-O2S歸因模型對于地球上的每個公司而言,都是很重要的。]
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(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因的時候,他們總是會說到MCA-O2S。然而,當(dāng)我的數(shù)據(jù)分析同行談?wù)撨@個話題時,他們卻不談?wù)揗CA-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(dāng)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(jìn)一步明確將有助于促進(jìn)一個有價值的談話。
目前幾乎所有關(guān)于歸因模型的熱點和重要文章都沒有談到MCA-O2S。這是因為當(dāng)涉及到MCA-O2S時,你能想到的解決方案只能是我之前分享的兩篇文章,是關(guān)于16個策略和控制實驗的(例如如Verizon的案例)。
再推薦兩篇多渠道分析的文章:1.跟蹤線下廣告的線上影響 2.追蹤線上廣告的線下影響 。
MCA-O2S是很基礎(chǔ)的模型,它的歸因建立在實驗之上,當(dāng)你成功使用它的時候,收獲會很大!
二、多渠道歸因,跨多個屏幕(MCA-AMS):
高級領(lǐng)導(dǎo)人,特別是大公司的,當(dāng)他們說多渠道歸因的時候,已經(jīng)開始提到跨屏幕。
隨著移動手機和平板電腦的大量應(yīng)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(fù)雜的景象,許多高級領(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。他們指的其實就是MCA-AMS。
他們真正想要了解清楚的,是用戶在使用多個設(shè)備體驗互聯(lián)網(wǎng)網(wǎng)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(jié)果和轉(zhuǎn)換。
MCA-AMS的一個例子是,假設(shè)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(jìn)行搜索,點擊了付費廣告后到達(dá)了一個相機網(wǎng)站,后來閱讀了Nexus S相機的評論,我回到家后,使用我的筆記本在索尼網(wǎng)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(guān)于MCA-AMS的,這個用戶體驗有點復(fù)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(dāng)訪客與我們的網(wǎng)站互動的時候,不停地切換設(shè)備,去追蹤他們變得越來越困難。其實,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)備時都進(jìn)行了登錄,亞馬遜和紐約時報都需要用戶進(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Google Analytics高級細(xì)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(fù)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。
上面兩篇文章中的一些想法,可以幫助理解MCA-AMS。
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,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(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(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(zhuǎn)換或者多個轉(zhuǎn)換。
目前所有的網(wǎng)站分析工具,例如Adobe SiteCatalyst,WebTrends,Google Analytics,Coremetrics等,會將轉(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(zhuǎn)換前的所有渠道(請看以下Google Analytics的例子):
對于這個網(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,他們只是在討論使用一臺設(shè)備時的情況。因為網(wǎng)站分析工具去分析一個人使用不同屏幕(Across Multipe Screens – 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(shè)以上的自然搜索在手機中產(chǎn)生……不管使用了什么網(wǎng)站分析工具,對于大多數(shù)網(wǎng)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,oh my god.
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 (across multiple screens,跨多個屏幕) 和 MCA-ADC (across digital channels,跨多個渠道)是很重要的。
當(dāng)衡量MCA-AMS的時候,你可以使用上一節(jié)中提到的指導(dǎo)。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(dāng)涉及到MCA – ADC的時候,你已經(jīng)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(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(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(Online to Store),同時也不是在討論MCA-AMS。
以下是最后的一張便利貼,紅色遠(yuǎn)點是當(dāng)你在嘗試MCA – ADC時最可能測量的節(jié)點:
如果我想賣弄學(xué)問的話,我會說這是MCA-ADCFOD模型(Multi-channel attribution across digital channels for one device),意思就是一臺設(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,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(shè)備的用戶行為,線上和線下的影響??上У氖?,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。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,這對于整個網(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(jìn)行進(jìn)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(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。”它需要耐心和技巧,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(jìn)行實驗。
所以這個問題:“誰獲得多少權(quán)重”的優(yōu)先級會降低。
有了MCA-ADC,任務(wù)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(wǎng)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(fù)雜和高級的工具,將會包括:基于數(shù)學(xué)算法的,能夠調(diào)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(yīng)用于MCA – ADC,并為您提供更好的關(guān)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Web Analytics(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(chǔ)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(guān)于如何調(diào)整媒體花費的直接指導(dǎo)。(將美元、歐元、比索從付費搜索轉(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(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(dāng)你達(dá)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(jié)
這是一個嚴(yán)峻的挑戰(zhàn),因為現(xiàn)實是復(fù)雜的。
客戶體驗是以往任何時候都更加復(fù)雜,影響的渠道很多,內(nèi)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(yīng)該采取漸進(jìn)的步驟,步步為營。
以下就是我的建議:
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(dāng)?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(jìn)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(xué)模型)。
5. 做實驗,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(jìn)行優(yōu)化,直到值得公司投入更多的錢在下一個步驟中。
如果你理解了框架,如果你了解內(nèi)在的挑戰(zhàn),如果你能夠把公司存在的問題定義清楚,并且按照上面的框架采取進(jìn)一步的行動,得到的將是令人滿意的結(jié)果,人家會說你很棒。
一如既往,現(xiàn)在輪到你說話了。
你的公司正在解決什么樣的多渠道歸因問題?你明白了上面三個模型的區(qū)別嗎?有沒有在這篇文章中未涉及的第四個模型呢?你覺得哪一個是最具挑戰(zhàn)性的?你對我們會解決的AMS(跨多個屏幕)的問題感到比較樂觀嗎?你信奉那種MCA – ADC歸因模型?誰是你永遠(yuǎn)的朋友(BFFS)?
請通過評論分享您的想法,反饋,批判,和很棒的想法。謝謝!
有些專業(yè)術(shù)語說明下:
FUD:Fear, uncertainty and doubt 的縮寫,指的是害怕,不確定和懷疑
BFFS: Best Friend forever, 朋友,引申為解決方案
MCA-O2S: Multi-Channel Attribution, Online to Store,指的是多渠道歸因,線上到實體店
MCA-AMS: Multi-Channel Attribution, Across Multiple Screens, 指的是跨多個設(shè)備,跨多個屏幕
MCA-ADC: Multi-Channel Attribution, Across Digital Channels,指的是跨渠道,例如廣告,SEO,電子郵件,推薦流量等
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
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(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)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(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 動態(tài)隨機一般均衡(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)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(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)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(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” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 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)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(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 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(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值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(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” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(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