- 综合排序
- 最热优先
- 最新优先
- 来自专栏seth-shi的专栏
广告归因-让你彻底弄归因架构实现
app, 然后首次安装启动时能从本地存储获取到归因数据 曝光归因 曝光归因由于有数据量极大、不会使用此项 点击归因(常用) 所谓点击归因, 就是点击广告之后首个转化, 基本都是用这种方式归因 归因模型 ',') # 归因成功日志表(这个表按各自日志需要设计) # 回调日志表(这个表按各自日志需要设计) 根据时序图, 来说明实际场景(以下为伪代码, 所有数据库查询自行做好缓存处理) 点击广告(这一步是不需要我们处理的 , 用户点击广告的请求直达渠道商) 点击监测, 渠道商会请求我们的监测链接 监测链接说明 由于每一家的参数不一样, 我的建议是不要针对每一个渠道开发, 而是应该适配一个通用的输入 然后根据通用的输入, links where id = {$id}"; // $id if (is_null($link)) { return 'FAIL'; } // 3. 查询 app $app = "select * apps where id={$appId}"; // 3.
1.8K21编辑于 2023-12-18 - 来自专栏云计算
巨量广告APP广告归因回传原理解析
最近公司在抖音跑app项目，刚好碰到需要广告的归因注册回传这里来聊聊，核心就三步：接住点击、匹配设备、回传注册。这事儿难在APP一安装，点击时的线索就断了，得靠“设备指纹”来认人。 一、接收数据广告平台会在用户点击广告时，向你预设的监测链接发送一个请求，里面包含了归因的关键：clickid和一堆设备信息。需要有个接口来接住它，并把这些信息存起来。 //2.获取当前请求的设备信息（可从请求头或Session中获取）StringdeviceFingerprint=getDeviceFingerprintFromRequest(request);//3. 总结APP注册归因回传，说白了就是：点击时存线索：接住广告平台给的clickid和设备信息。激活时对暗号：APP启动上报设备信息，后端用OAID/IDFA精确匹配，不行再用IP、时间模糊匹配。 虽然iOS14.5后的ATT框架让IDFA获取变难，但结合IP和时间窗口的模糊匹配，仍能保证大部分场景下的归因准确性。
59700编辑于 2026-01-08 - 来自专栏非典型程序猿
是谁送你来到我身边--广告归因介绍
在广告系统中，归因过程去做的事情是将转化的功劳分配给用户完成转化之前所经历路径中的不同广告、点击和其他因素。下面是一个用户在日常广告生态中的一个简化的历程。 使用在这段时间内的数据进行归因分析，且认为这段时间的转化是由于某一特定广告促成的。归因的时间窗口根据广告主所在行业和广告主推广类型的不同而不同。 而且随着视频广告的广泛使用，展示归因能够更准确地反映这些广告的实际推广效果，从而让营销者做出更加准确的决策。 缺点：展示归因可能存在隐藏的假量问题。 该归因模型与其他归因模型的区别在于，它会使用帐号数据（如点击广告历史），确定哪些关键字、广告和广告系列对您的业务目标影响最大，计算每次触点的实际功劳。 ，想作为应用商店在广告归因中分一杯羹，并为未来更大的广告业务做准备。
4.5K50发布于 2021-09-27 - 来自专栏腾讯大讲堂的专栏
广告归因：买量如何做价值衡量？
图片来源：曾嵘胡扯的地方 从上图可以看出，从广告投放到转化的过程，核心依赖于三个步骤： 第 3 步：用户设备在点击广告时，将广告 ID 、用户信息发送给归因平台； 第 7 步：新装的 APP 启动后， 二、记录点：归因所需数据及使用方式 用户观看广告和发生转化通常不是发生在闭环的 APP 内，要实现用户跨 APP 的追踪实际上就是要连通第3步（广告的上报）和第7步（转化的上报），并将二者的 ID 图片来源 Adjust 参考文档 目前由国外的 Facebook、国内的快手等平台采用有效触点归因方案，具体逻辑为：广告平台将用户点击 + 有效触点（如播放3秒后）均作为广告归因信息发给广告主。 ：例如在买量团队在快手投放广告，是按点击+播放3s两种方式归因（抢到原有的自然量），广告转化率提升；具体而言： 对于已使用有效触点的流量来说，流量价值由于纳入了原有的自然量ecpm会上升，广告的模型能拿到更多量 归因窗口：点击7天，展示1天，可自行设定 归因模型：默认最后点击模型，可自行设定 3.
5.1K33编辑于 2022-07-06 - 来自专栏互联网数据官iCDO
选对归因模型，突破竞价广告增长瓶颈不是梦！
引言：本文深度剖析为什么默认的归因模型对于那些想要增长的电商店铺来说是一个噩梦，展示了各种归因模型的区别。如果你希望看到你的广告效果激增的话，文末处告诉你应该选用哪种归因模型。 你的PPC广告或许运行得不错，并且已经给你带来了稳定的收入。 那么到底为什么我会突如其来地说改变归因模型能最大化地影响你的广告呢？ 恰恰是因为你的广告投放上略有所成。 3 我建议大部分业务都采用基于位置归因模型来替代最终互动归因模型。 在查看AdWords类型的归因模型时，实际上就是衡量在这个特定的渠道里如何为不同类型的广告系列、广告组和关键词出价。 在AdWords里查看效果（广告系列、广告组、关键词） 在这里，毫无疑问，重点就是查看AdWords的归因，也是本文的要点。 ? 如上图的例子，可以看到把账号里的归因模型改为首次互动模型的效果。
1.4K20发布于 2018-09-30 - 来自专栏App数据监测
跨渠道广告监测+归因追踪，助力企业高效投放
多年来，openinstall在持续精进传参归因服务的同时，广告监测业务也在不断扩充优化，目前已经深度对接了市面上超过90%的主流广告平台，建立统一的广告监测平台。 企业在结合传参归因与广告监测功能后，可一站式高效率低成本实现全平台对接、跨渠道追踪、全领域覆盖的数据统计与分析，将渠道投放带来的用户来源与后链路的用户行为打通，针对全渠道下广告效果与行为事件进行一站式分析 广告监测+归因追踪，跨渠道全面覆盖H5传参安装归因运用的部分场景：线上：私域流量（社群、朋友圈、公众号）、短信、邮件、裂变分享、网页线下：地推、二维码、海报、户外广告通过配置生成多组不同的自定义参数专属链接或二维码 同时支持自定义归因回溯期、Last Click原则、oCPX广告事件回调等方式辅助，再结合自身投放数据与指标，相应地调整广告出价及计划，能大大提高精细化运营程度，实现降本增效。 采用openinstall实现对广告投放效果的全方面追踪后，团队无需再自行迭代维护数据归因方案，并且通过广告事件回传配合oCPX竞价模式，该App的出价模型在经过多轮迭代后获客更加精准，已大幅提升ROI
1.2K20编辑于 2023-07-04 - 来自专栏nginx
广告效果归因揭秘：为何“过于完美”的数据反而效果差？
广告效果归因揭秘：为何“过于完美”的数据反而效果差？ 引言 在程序化广告的世界里，数据被视为新的石油。我们习惯于认为，收集到的用户参数越多、越完整，广告投放的效果就一定会越好。 （注：文中所有广告位ID和数据均已模拟化处理） 1.1 效果好的广告位特征（部分示例） 模拟广告位ID 参数缺失情况 AD_GOOD_001 无IMSI AD_GOOD_002 无IMSI AD_GOOD 现象：在效果不佳的广告位中，出现3个以上这类参数同时缺失的组合概率高达39%，而效果好组中仅为8%。 根因分析： 定向能力丧失：广告系统无法为这些请求构建清晰的用户画像。 profileChecker.calculateProfileScore(stats.getSampleRequest()); score.setProfileScore(profileScore); // 3. 准入与淘汰机制：将健康度评分作为新广告位接入的准入标准之一。对于长期处于不健康状态的存量广告位，考虑流量降级或淘汰。
22710编辑于 2025-11-16 - 来自专栏HsuHeinrich
渠道归因（一）传统渠道归因
说到渠道归因，那最容易想到的就是传统的渠道归因，这种方法一般是基于业务决策的。 首次归因：首次点击渠道赋予全部转化 末次归因：末次点击渠道赋予全部转化 线性（平均）归因：每个渠道均分转化 位置归因：自定义位置的权重，一般首位占50%，其余为0 时间衰减归因：距离转化的时间越短的渠道 累计未转化次数 path total_conversions total_conversion_value total_null 0 eta > iota > alpha > eta 1 0.244 3 1 iota > iota > iota > iota 2 3.195 6 2 alpha > iota > alpha > alpha > alpha > iota > ... 2 6.754 6 3 7377.5 1 beta 1910.0 2 delta 3.0 3 epsilon 315.0 4 eta 3665.5 5 gamma 128.5 6 iota 3980.5 7 kappa 152.0
67520编辑于 2023-08-10 - 来自专栏nginx
归因分析：马尔可夫链模型在广告转化路径中的应用
归因分析：马尔可夫链模型在广告转化路径中的应用 在数字广告领域，归因分析（Attribution Analysis）是衡量广告效果的关键技术。 它帮助广告主理解不同广告渠道对最终转化的贡献，从而优化广告预算分配。传统的归因模型（如最后一次点击、线性归因）往往忽略了用户行为的复杂性和路径间的相互影响。 归因分析的挑战 在广告投放过程中，用户通常会经历多个接触点（Touchpoints），例如： 点击展示广告 观看视频广告 搜索品牌关键词 直接访问网站 传统的归因模型存在以下局限性： 忽略路径复杂性：用户行为路径可能包含多个步骤 例如： 从“展示广告”到“搜索广告”的概率为0.3。 从“搜索广告”到“转化”的概率为0.2。 3. 马尔可夫链模型的实现步骤 3.1 数据准备 首先，需要收集用户路径数据。 示例数据 用户ID 路径 是否转化 1 展示广告 -> 搜索广告 -> 转化 是 2 视频广告 -> 空转化 否 3 展示广告 -> 直接访问 -> 转化 是 3.2 构建转移概率矩阵 通过统计用户路径数据
39810编辑于 2025-11-15 - 来自专栏凹凸玩数据
数据运营36计(四)：互联网广告渠道归因分析之Sharply Value
互联网广告渠道归因分析 这里直接上例子来解释上面的公式，比如假设有3个渠道：信息流(A)，开屏(B)，视频(C)。他们的独自投放、两两投放和三个一起投放的效果如下图所标识。 三个渠道一共有3！ =3!=6。 那么，当S为空集时，即最先投放A，有： ? S中只有一个元素, 可以是B, 或是C，即第二投放渠道A，有： ? S中有两个元素, 可以是B+C，即第三投放渠道A，有： ? 通过上面的例子，公式现在就很好解释了，首先是最先投放A，那么A的贡献度肯定等于单独投放A的效果，再计算最先投放A的概率，即1/3（因为Shapley Value假设的是随机投放每个渠道的概率相等，所以可以使用排列组合计算概率 的概率为1/6，那么A的贡献度肯定等于同时投放AB的效果减去单独投放B的效果，即A的贡献度为投放AB时在B基础上的增量(C同理)；最后第三顺序投放A，那么前面有BC和CB两种，那么这种情况出现的概率为1/3，
1.6K31发布于 2020-06-05 - 来自专栏HsuHeinrich
渠道归因（三）基于Shapley Value的渠道归因
渠道归因（三）基于Shapley Value的渠道归因 通过Shapley Value可以计算每个渠道的贡献权重，而且沙普利值的计算只需要参加的渠道总数，不考虑顺序，因此计算成本也较低。 pd import matplotlib.pyplot as plt import seaborn as sns 本文所有数据如果有需要的同学可关注公众号HsuHeinrich，回复【数据挖掘-渠道归因 成功转化次数 marketing_channel_subset converted 0 Email 110 1 Email,Facebook 11 2 Email,Facebook,House Ads 8 3 = json.load(f) journeys[:5] # 用户各渠道流转日志，数字表示渠道代号 数据格式要求：json数据，每一行为成功转化的流转路径，数字为渠道ID [[16, 4, 3, 总结 日常业务中，可以结合多个方法看一下归因的差异。
78620编辑于 2023-08-10 AI素材分析驱动广告创意迭代：从归因洞察到科学增长
解析广告创意迭代的战略瓶颈 广告技术演进至“创意为王”“创意即定向”阶段，素材作为核心变量直接影响投放效果与增长。 undefined数据来源：腾讯全球数字生态大会，主讲人杨源海（腾讯广告素材AI分析实践分享） 阐释选择腾讯的技术与价值逻辑 选择腾讯的核心在于技术与价值双支撑： 技术确定性：整合混元大模型、COS
9310编辑于 2026-04-16- 来自专栏素质云笔记
多渠道归因分析（Attribution）：传统归因（一）
4 归因分析的服务商 1 zoho CRM —— 营销归因 2 Google Attribution 360使用 3 VisualIQ 4 Convertro 5 归因分析的一些案例 5.1 亚马逊广告归因 等等… 3 算法归因的几种方法 参考：互联网广告的归因分析(Attribution Analysis) 数据驱动归因的几个算法 之前看到的传统归因，大多基于规则； 数据驱动归因（Data-Driven 抖音使用的播放归因是以点击和播放同时作为有效触点，综合评估用户转化行为路径上的广告投放效果。结合平台用户的行为特征及广告呈现特点，此次抖音切换后的播放归因模式选择以3秒播放时长作为评估标准。 3 部分媒体切换成有效触点归因，由于部分用户仅曝光而无点击的也有广告转化，广告的竞争力(ECPM)会提升，其他媒体没有跟进或者无法跟进（比如说缺少短视频广告场景）广告成本尽管不变，但是对比有触点归因的媒体获量能力就下降了 参考文献 1 互联网广告的归因分析(Attribution Analysis) 2 2.3、流量的高级分析与流量渠道的协同：归因和归分析型 3 【科普】深度解析亚马逊广告归因（含案例解析） 4 【数据分析思维
2.9K43编辑于 2021-12-07 - 来自专栏互联网数据官iCDO
国外线上广告投放对线下实体店的营销归因分析方法
话说，许多品牌不追踪当地实体店铺的市场营销归因是有原因的： 因为它真的十分困难。正如有句谚语所说，一半的广告花费都被浪费了，但就是不知道到底是哪一半被浪费了。 幸运的是，Facebook正致力于通过店铺流量和线下转化API来助力归因。 店铺访问（可以在广告报告中找到），衡量的是看到Facebook广告后访问店铺的顾客。 与此同时，线下转化API将帮你把店铺销量和Facebook广告活动通过匹配来自顾客数据库或者销售终端系统的交易数据，与实时广告报告连接起来。 Foursquare（美国社交签到应用） Foursquare归因也拥有相似能力，它先通过其130万选择不断分享位置信息的用户来获取线上到线下的归因，然后再通过测试对比浏览过某广告用户的访问率以及那些没有浏览过广告的对照组的访问率 如果本店的产品销售是源自店铺本地着陆页上的广告，那是否应该把电商也算作店铺的客流呢？ 一旦得到了这些问题的答案，相信你就能有效的进入下一阶段去高效地追踪你实体店铺的营销归因了。
1.9K80发布于 2018-03-05 - 来自专栏App渠道推广
如何从归因、跑量、深度回传，辅助社交App投放信息流广告？
本文将以第三方广告监测归因平台openinstall为例，介绍如何从归因、跑量、深度回传等方面辅助社交App投放信息流广告。 多渠道广告投放，势必涉及广告归因的判定和回传等问题，用户一旦在多个平台上都接触过同样的广告，平台之间抢归因功劳、归因窗口难以评估、结算标准混乱、作弊行为层出不穷等问题就会接踵而至。 作为中立的第三方数据监测服务，openinstall介于广告主与平台方之外提供独立归因与统计，当用户跨平台接触相同广告时，openinstall会以移动广告生态默认的Last click（最后一次点击归因 ）原则为基础，将转化功劳归因于最后一次点击生效的广告渠道，从而避免社交App在多个平台投放广告时产生归因冲突。 openinstall提供多种广告归因的自定义配置方案，一方面，为每个广告渠道提供了精准归因和模糊归因两种方式，通过模糊匹配等方案跑量能有效提高广告匹配精准度，提高流量获取能力，让广告模型越来越正向。
1.7K20编辑于 2023-09-01 - 来自专栏HsuHeinrich
渠道归因（二）基于马尔可夫链的渠道归因
渠道归因（二）基于马尔可夫链的渠道归因 在应用当中，序列中的每个点通常映射为一个广告触点，每个触点都有一定概率变成真正的转化。通过这种建模，可以选择最有效，概率最高的触点路径。 本文主要参考自python实现马尔可夫链归因[1]。 马尔可夫链是一个过程，它映射运动并给出概率分布，从一个状态转移到另一个状态。 所以马尔可夫链模型可以用来做归因分析。 total_conversion_value 0 eta 3440.255709 13711.503304 1 iota 3732.042103 14535.970443 2 alpha 5821.609182 19315.152418 3 共勉～ 参考资料 [1] python实现马尔可夫链归因: https://mattzheng.blog.csdn.net/article/details/117296062
93540编辑于 2023-08-10 openinstall实时归因+超级渠道：3步构建CPACPS结算系统
实时数据反馈与归因通过SDK集成实现实时数据同步。广告主可实时查看各渠道的ROI，并调用API接口同步有效推广数据至财务系统，基于用户生命周期价值动态调整预算分配策略。 以CPA为例，CPA成本虽然高，但在CPA计费模式下，只要保证转化行为带来的收入＞CPA出价就能保证 ROI＞1，从而就有利润可赚，广告主可以最大程度上规避风险。 3、技术实现路径通过三步完成结算体系升级：SDK集成：接入openinstall SDK（Android/iOS/HarmonyOS全平台支持）渠道配置：在管理后台设置「渠道分组-超级渠道-创建分发 ，让广告主能基于实时ROI动态调整渠道策略，形成“数据驱动-资源调配-效果验证”的敏捷闭环。 这套技术框架的价值不仅在于降低结算摩擦，更深远的意义在于重构了渠道合作生态的底层规则——当每一个用户的点击、激活、付费行为都能被精准归因到对应渠道，广告主与推广者之间CP结算的零和博弈将转化为基于数据可视化的协同共创
53510编辑于 2025-03-26- 来自专栏素质云笔记
多渠道归因分析：python实现马尔可夫链归因（三）
本篇主要是python实现马尔科夫链归因，关联的文章： 多渠道归因分析（Attribution）：传统归因（一） 多渠道归因分析：互联网的归因江湖（二） 多渠道归因分析：python实现马尔可夫链归因（ 三） 多渠道归因分析（Attribution）：python实现Shapley Value（四） 多渠道归因分析（Attribution）：用attention-RNN来做归因建模（附代码demo）（五 所以马尔可夫链模型可以用来做归因分析。 论文：吸收态马尔可夫链及其应用中的一则使用： 2 R语言实现 基本，参考：数据运营36计：马尔可夫链对营销渠道归因建模，R语言实现 官方论文： https://papers.ssrn.com/sol3 这是一个多渠道归因模型问题。 Google Analytics（分析）的定义有助于：归因模型是一个或一组规则，用于确定如何将销售和转化功劳分配给转化路径中的接触点。
1.3K21编辑于 2021-12-07 - 来自专栏万能的小草
网站及APP坑位流量归因分析-（3）数据计算篇
outputData 输出数据表 bili_ads.ads_dot_detail_1d Objects 归因对象 uuid,user_id Dimensions 归因维度 up_id_com,app_key recent,average startDate 进行归因计算的日期 ${yyyy_mm_dd} traceBackDays 往前追溯的天数 0 maxIntervalHours 最大归因间隔(小时） 3.1 合并待归因和归因目标行为数据 输入：ActionData，targetActionData 中间处理：将ActionData中的additionalFields字段join到targetActionData ，我们可以看到用户user_id=123456 在2022年3月25日通过Bilibili的IOS端坑位=‘历史记录’进入娱乐-鬼畜区的up主的30689558 贡献的观看时长为20mins. 分享、点赞、在看，给个3连击呗！
78610编辑于 2022-09-21 - 来自专栏素质云笔记
多渠道归因分析：互联网的归因江湖（二）
2 “有效触点”的归因方案——广告主角度 最痛的应该就是广告主。但实际上，广告主要发现这里的问题也是相当不容易的。 首先，广告主做用户增长的团队需要有懂广告归因的人，况且即便懂了这套归因逻辑，也很难区分有效触点归因“抢”了多少自然量。 广告主的增长营销团队，需要有一个对应用广告类广告归因研究比较深入的同学，因为只有这样你才知道这个“有效触点”归因的是哪些用户，哪些场景及其影响，认知到位了，才知道如何区分。 如果这个数据指标接近1，证明广告平台将视频广告的曝光数据直接回传给广告主；若这个指标值范围在0.5~0.7，有很大的概率是广告平台将有效视频曝光（3s）的数据回传给广告主作为归因数据。 由于当年在东南亚归因作弊异常猖獗（具体作弊手段可以参考我的另一篇文章《不懂归因，也许你广告还没入门》），很多联盟的流量通过虚拟点击抢归因，抢了这两个广告主很多的“自然量”。
1.6K41编辑于 2021-12-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号