- 综合排序
- 最热优先
- 最新优先
- 来自专栏HsuHeinrich
渠道归因（一）传统渠道归因
渠道归因（一）传统渠道归因 小P：小H，我又来了。。。最近在做ROI数据，但是有个问题。。。 小H：什么问题，不就是收入/成本吗？ 小P：是的，每个渠道的成本很容易计算，但是收入就有点问题了。 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 3.195 6 2 alpha > iota > alpha > alpha > alpha > iota > ... 2 6.754 6 3 beta > eta 1 2.402 3 4 iota > 例如1->2，则1的权重是66.6%；1->2->3，则1的权重是50%，2的权重是33.3% def lapsAttribution(df, path, conversions, last_time_lapse
67520编辑于 2023-08-10 APP归因技术实现和应用场景
要解决这个问题，我们需要一个关键工具：移动归因。一、 什么是归因，它又是如何工作的？简单来说，App归因就是识别并记录每一位新用户是从哪个渠道、哪个广告来的技术。它能帮助我们追溯用户的来源路径。 这种方式就像给设备发“身份证”，通过匹配用户点击广告和激活App时的“身份证”是否一致，来实现精准归因。这是目前最准确的方式，主要用于App内的广告投放。2.剪贴板归因这是H5页面引流的有效方式。 3.渠道包归因这是一种主要应用于安卓平台的归因方法。并在包内预先写入一个的渠道ID。这样，无论用户从哪个渠道下载，都能在App首次运行时，通过识别这个ID来追溯其安装来源。 二、 归因的三大实战场景理论最终要服务于实践。以下是三个常见的业务场景及对应的归因策略。场景一：多渠道广告投放，如何快速优化预算？ 归因策略： 为每个微信群生成一个专属的归因二维码。用户通过不同二维码扫码参与活动，你就能在后台清晰地看到每个群分别带来了多少新用户。这样就能识别出哪些是高价值社群，值得投入更多精力去维护。
54010编辑于 2025-08-15- 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 ：渠道流转路径，英文逗号分隔 converted：成功转化次数 marketing_channel_subset converted 0 Email 110 1 Email,Facebook 11 2 总结 日常业务中，可以结合多个方法看一下归因的差异。 共勉～ 参考 python实现Shapley Value[1] Multi-Touch-Attribution_ShapleyValue官方示例[2] Shapley Value Methods for
78620编辑于 2023-08-10 - 来自专栏素质云笔记
多渠道归因分析（Attribution）：传统归因（一）
文章目录 1 归因分析 2 传统归因分析方法 2.1 传统归因分析 2.2.1 最终互动归因模型 2.2.2 最终非直接点击归因模型 2.2.3 最终AD点击归因 2.2.4首次互动归因 2.2.5 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 2 传统归因分析方法 2.1 传统归因分析 参考自文章[1][2][3] 还有文章：【数据分析思维】多因素影响下如何归因？ GA里面的归因模型有非常多种，分为单触点归因和多触点归因。 现通过实例说明通径分析的方法与步骤，并进一步了解通径系数的意义和应用。它的本质也是基于概率的一些计算。 当我们应用线性归因模型作为基准模型时，我们可以自定义的除了回溯期以外还有“根据用户互动度调整功劳”和“应用自定义的功劳分配规则”两个选项。
2.9K43编辑于 2021-12-07 - 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。 attribution.fit(df) # 输出结果 for key, value in ma['Markov Values'].items(): print (key.ljust(15), round(value,2) total_conversions total_conversion_value 0 eta 3440.255709 13711.503304 1 iota 3732.042103 14535.970443 2
93540编辑于 2023-08-10 - 来自专栏seth-shi的专栏
广告归因-让你彻底弄归因架构实现
解释 这里会引用神策数据很多的介绍,然后进行总结 归因方法 自归因 渠道商帮我们做归因,有的是每个用户打开app都回传给渠道商,渠道商自己归因 有的如华为是从应用商店安装时, 应用商店把归因信息写入到 根据不同框架, 把数据解析到统一请求上 $req = new AdClickRequest(); // 2. 根据不同框架, 把数据解析到统一请求上 $req = new AppReportRequest(); // 2. 提示投放, 是通过什么归因成功的(oaid), 等等其它信息 事件回传联调, 把所有可能的事件列出来, 事件建议用JSON存储, 存成{"event1": "status1", "event2": " status2"}这样 事件回传成功, 整个归因联调完成
1.8K21编辑于 2023-12-18 - 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 C2和C3的移除效应可以直接得出为1。那么渠道C1贡献度为0.67/(0.67+1+1)=25%, 同理C2=C3=37.5%。 **这是马尔可夫链的一个非常有用的应用。 1.2 absorption_matrix 吸收矩阵 参考：吸收马尔可夫链还有一篇论文：吸收态马尔可夫链及其应用 在马尔可夫链中，称Pij=1的状态为吸收状态。 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
1.3K21编辑于 2021-12-07 - 来自专栏App渠道推广
Android应用商店拦截，如何正确归因App下载来源
这其实源于Android手机厂商的应用商店拦截/劫持安装包行为，使得原先应该归因给推广渠道的渠道包数据在下载环节被错误引导到手机应用商店的安装包上。 Android应用商店拦截如何正确归因数据作为第三方渠道归因监测工具，采用openinstall进行全局Last Click归因（最后一次点击归因），能够在数据统计上，有效避免因应用商店拦截/劫持造成的数据误差 即使用户在下载过程中被引导到任意应用商店，只要最终能顺利下载并打开App，就会归因最初点击的原始渠道进行绑定，从而通过数据还原事实上的推广来源。 因此通常来说，途中无论通过哪个应用商店下载，都不会影响广告归因结果的准确性。除此之外，openinstall会自动统计各个渠道的点击量、激活量和安装量等数据。 图片总结起来，Android手机厂商的应用商店拦截和劫持安装包行为导致了推广渠道的数据偏差，但通过使用openinstall这样的第三方归因监测工具，可以实现准确的数据归因和监测，还原真实的推广结果，帮助评估渠道质量
1.5K50编辑于 2023-06-08 - 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）
当应用从 App Store 或者 Google play 上下载并激活应用后，Facebook要求广告主需要回传其应用的激活数据给到Facebook广告后台进行归因，只要有曝光过的广告媒体都可以分到该次激活的广告收入 2）将应用自然流量上（organic）归因到了Facebook的广告上：广告在Facebook 的流量或者联盟流量上曝光过，但是没有转化，最终用户主动的在Google play或者APP Store 上进行了转化激活 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。 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。 以Amazon和 Facebook的品牌号召力，在应用商店的免费榜单也是名列前茅，主动到应用商店去下载的用户很多。
1.6K41编辑于 2021-12-07 - 来自专栏互联网数据官iCDO
分析小贴士：归因模型 101
今天，我们将列举一些常用的归因模型，并演示如何使用Googel Analytics 归因模型对比工具来为你的业务挑选最适合的模型。 归因模型应用示例 假设你的网站售卖烧烤架。 一周之后，他在Facebook上点击了一个关于免费送货2日达的帖子。而周末就是美国的纪念日了，他需要烧烤架！Grillmaster先生通过点击这个帖子广告进入了网站，但他仍然需要先跟妻子商量商量。 Google Analytics 归因模型101 在末次互动归因模型中，我们将转化的全部功劳归于用户的最后一个触点。 末次非直接点击归因模型忽视了直接流量，把转化功劳全归因于在完成销售之前的最后一次渠道点击。 我们再来看更多模型： 与末次互动相似，首次互动归因模型把转化功劳全归因于首次触点——在Grillmaster先生的例子中，即为自然搜索。 线性归因模型在各个渠道之间平均分配成功转化分数。
1.5K60发布于 2018-03-02 - 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。 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。 马尔可夫链模型（Markov Chain Model）通过捕捉用户路径中的状态转移概率，提供了一种更科学的归因方法。本文将详细介绍马尔可夫链模型在广告转化路径中的应用，并结合代码示例展示其实现过程。 数据稀疏性：某些路径可能样本量不足，导致归因结果不准确。 马尔可夫链模型通过建模用户路径中的状态转移，能够有效解决上述问题。 2. 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 - 来自专栏万能的小草
网站及APP坑位流量归因分析-（2）数据采集篇
前一节讲到多种流量归因的模型，本质上流量归因是为了辅助我们如何将钱花的更有价值以及高效洞察用户的习惯和行为，为下一步迭代产品的功能提供数据支撑。 今天这一节，结合具体的业务场景来看看流量归因分析如何在数据采集方案上落地的。 业内通用五大基本归因方案 旺盛的小草，公众号：万能的小草网站及APP坑位流量归因分析-（1）理论篇 一、背景 比如B站的产品内，提供了非常多的入口能够使得用户进入直播间里面。 2. 计算路径去重：统计页面跳转记为有效路径，不同层级跳转记为无效路径，剔除异常数据。 数据采集需要的信息如下： 字段顺序 字段名称 字段类型 字段注释 1 bili_code STRING 埋点点位编码 2 app_key STRING APP编码 3 app_name STRING APP
1.6K20编辑于 2022-09-21 - 来自专栏钱塘小甲子的博客
Brison归因与代码
不管是做FOF也好，仅仅想单纯归因也好，Brison是一种比较常见，也算是通用的归因方法，其一般用于权益类或者大类资产配置类基金。 其实Brison归因的逻辑很简单，假设有一个基准，基准在各类资产的配置上的权重分别是wbi（weight of benchmark of asset i），这些资产的收益率分别是rbi（return of benchmark of asset i），同样的，我们有一个需要归因的基金产品，也就是我们自己的组合，在各类资产上的权重是wpi（weight of portfolio of asset i），收益率分别是 所谓的Brison归因就是把一个组合的超额收益分解为资产配置的能力、个券选择的能力、以及交互收益。
90731发布于 2019-03-15 - 来自专栏互联网数据官iCDO
【分析方法】归因分析入门
这就是归因模型的目的，寻找出媒介中哪个接触点是确定有助于成功转换的营销渠道，然后将值分配给每个通道，最终计算出营销投资回报率。 我们所面临的挑战，是B2B的客户们很少用线性的路线到你的门口。 让我们来看看每一个普及的模型，看看每一步骤的归因。这样我们就可以权衡利弊。 最后点击（Last-Click） ? 这归因模型功劳于转化前的最后一个通道，这就是我们以上举例的重定向广告。 缺点：它需要一个以上的搜索和点击，或者像一个B2B买家寻找并考虑一个解决方案，初次点击归因并不能够解释所有后续所发生的用户行。 缺点：时间衰减归因对最后转化有贡献，但是是初始的触达的渠道有打折扣，例如Facebook或者最初的搜索会话。 自定义（Custom ） ? 这就是“圣杯”归因模型！ 你需要对其他模型非常了解再来运用自定义归因模型 正如你所看到的，这里有很多归因模型，找到一个适合你的业务的模型途径需要测试并且优化。使用一些虚拟数据集来测试不同的广告项目和媒介渠道。
3.4K80发布于 2018-03-02 末次触达归因的挑战与突破：从“单点归因”到“全局视角”的进化
若仅以LTA归因，抖音和小红书的贡献将被完全忽略，导致品牌高估微信的短期价值，而低估前期种草内容的长期价值。 2. 2. 多触点归因模型：平衡短期与长期价值 除MMM外，品牌还可结合其他多触点归因模型（如线性归因、时间衰减模型）优化策略： 线性归因：平均分配各触点的贡献值，适合强调全链路体验的品牌（如奢侈品）。 2. 奢侈品行业 奢侈品消费者决策周期长，且高度依赖品牌信任。LTA的短期归因可能导致品牌忽视社交互动和品牌活动的长期影响。 改用多触点归因后，品牌发现KOL合作对最终购买的贡献率达25%，并据此调整投放策略。 3. B2B行业 B2B客户的决策路径复杂，涉及多部门协作。LTA无法捕捉销售团队与数字广告的协同效应。 去标识化数据 品牌需采用去标识化数据（如哈希处理的用户ID）进行归因分析，避免侵犯用户隐私。例如，某金融科技公司通过加密用户邮箱哈希值，实现跨平台归因，同时符合GDPR合规要求。 2.
65310编辑于 2025-05-28- 来自专栏互联网数据官iCDO
针对B2B的多触点归因追踪分析平台——Proof介绍
译者注： 国内已经开始有专门针对营销渠道归因的分析平台（例如目标科技），而美国人在这一块做的更多，已经有数个相当高质量的专门归因分析的工具问世。Proof是其中很有代表性的一个。 这是一个经历多年B2B实践磨砺的新技术解决方案。 ? 与B2C售卖方式不同，B2B往往需要花费好几个月的时间才能达成最终的售卖。 Proof平台的归因分析引擎可以展现出很多具有延时性效果的工作对最终售卖的影响。比如像市场营销活动，以及为了提升售卖率、消费者认知度、员工留任率等的努力。这套引擎正在申请专利中。 ? Mark Stouse还介绍到，Proof最本质的功能就是为了帮助B2B企业的管理层能够弄清楚花费与效果之间的关系。“没有其他人在如此的探寻时间滞后效应的原因”，Stouse进一步强调。 ? 第一个因素是需要通过多触点归因追踪消费者的行为，记录下诸如消费者浏览过的网站，下载过的白皮书或者其它对最终购买有影响的行为。
1.6K50发布于 2018-03-02 - 来自专栏张俊红
利用ChatGPT快速进行指标的异常归因
指标的异常归因是数据分析师日常工作中遇到的最高频问题之一。 关于异常归因的核心问题其实就两个：一个是从哪些维度进行指标拆解，另一个是各个维度之间的贡献度分别是多少？ 我们在实际工作场景中就完全可以利用ChatGPT来提高日常归因的效率。
72310编辑于 2023-09-06 - 来自专栏MixLab科技+设计实验室
归因分析指南v1.0
此影响，有点像1+1>2的情况，不容易把为什么大于2的影响因素归因到某个1。 我们进一步抽象下： 我们把行业记为H， 投资组合记为A， 权重记为w， 分配效果记为A（w1 * H1，w2 * H2，w3 * H3） 基准记为H1base，Abase 分配影响记为Ea 选择影响记为 Es 相互作用影响记为Ei Ea比较的是： W1,w2,w3 W1base,w2base,w3base Es比较的是: H1/H1base Ei比较的是: Ei=wa*Ea + ws*Es wa跟ws的权重大小 2 合理地根据具体业务选择适合的归因模型； Mix, match, or compare attribution models in your analysis 3 可视化的重要性 可视化图表的选择代表了所想要展示的规律 各个领域的应用，需要结合业务具体的情况，设定一些基本的假设，例如数字营销有点击归因等模型，投资决策有分配、选择、相互作用的模型。 产品上，不仅仅是归因，还要解决洞察问题。
2.8K20发布于 2020-07-17 - 来自专栏GA小站
归因模型的演进路径：从规则分配到“人”为中心的归因体系
在数字营销领域，“归因”从来不只是一个技术问题，而是一个如何理解用户决策过程的问题。随着媒介环境、数据能力和用户识别方式的变化，归因模型也经历了明显的阶段性演进。 从整体上看，这条演进路径可以概括为三个阶段： 阶段 1：基于规则的归因（Rule-based Attribution） 阶段 2：基于算法的归因（Data-Driven Attribution, DDA 、结果可解释 常见的规则归因模型包括：： 模型 归因逻辑 最后一次点击（Last Click） 转化归功于最后一个触点 第一次点击（First Click） 转化归功于第一个触点 线性归因 所有触点平均分配 时间衰减 越接近转化，权重越高 位置归因 首次与最后一次权重更高 延伸阅读：Web端广告归因模型全解析：从单触点到多触点归因 这一阶段的归因模型，适用于： 渠道数量有限 用户路径较短 Cookie/ 阶段 2：基于算法的归因（Data-Driven Attribution） DDA的核心不再是规则，而是：基于历史转化路径，分析触点出现与转化之间的统计关系，估算每个渠道的边际贡献 常见方法包括：马尔可夫链
11010编辑于 2026-03-12 跨平台追踪：openinstall归因解决方案
在移动互联网的精细化运营时代，简单的流量采买已经不能满足用户增长的需求了，我们需要的是基于数据的精准洞察，而应用归因、渠道归因和关系链归因对用户增长分析至关重要。 借助openinstall归因工具，运营团队能够实现多维度的归因分析，为业务增长提供科学决策依据。一、应用归因：定位用户的来源应用归因的核心目标是回答一个关键问题：用户从何处安装或启动应用？ 无论是通过广告投放、社交媒体分享，还是自然搜索，用户首次触达应用的路径都需要通过归因技术来精准识别。 openinstall的实践方案：智能关系链绑定：通过自定义参数链接自动绑定邀请关系，用户无需手动填写邀请码；短层级分佣统计：可自行设置层级奖励规则（比如一级邀请奖励5元，二级奖励2元），过程通过参数的追踪传递来统计数据 结语：归因即增长应用归因、渠道归因、关系链归因的融合，本质是用户增长逻辑的重构，openinstall将复杂的归因体系转化为可落地的增长工具，帮助企业实现 “每一次投放都有迹可循，每一份关系都创造价值”
46310编辑于 2025-04-01
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