- 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
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 iota 2 3.195 6 2 alpha > iota > alpha > alpha > alpha > iota > ... 2 6.754 6 3 beta > eta 1 2.402 3 4 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 laps_touch laps_touch_conversions 0 alpha 0.300000 1 beta 1.333333 2 eta 2.833333 3 iota 13.033333 4
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。 4.模糊归因受iOS的ATT框架影响，获取设备ID和读取剪贴板都受到了限制。 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？
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 0 Email 110 1 Email,Facebook 11 2 Email,Facebook,House Ads 8 3 Email,Facebook,House Ads,Instagram 0 4 3, 5, 10, 8, 6, 8, 13, 20], [2, 1, 9, 10, 1, 4, 3], [9, 13, 20, 16, 15], [8, 15, 20], [16, 9, 13 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 - 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 4 归因分析的服务商 1 zoho CRM —— 营销归因 https://www.zoho.com.cn/crm/help/automation/marketing-attribution.html 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。 4 当前归因的触点是广告平台提供的，归因的核心逻辑在广告主后台里，因此广告主有可操作的空间，至少可以将要求媒体对应的广告平台将点击触点 和 曝光触点区分出来后回传给广告主做效果统计和归因精细化分析 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。 Data, "path", "total_conversions", "total_null", var_value='total_conversion_value') Suggested order: 4 13711.503304 1 iota 3732.042103 14535.970443 2 alpha 5821.609182 19315.152418 3 beta 2386.059705 10133.518357 4
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 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 首次归因模型 多个归因源事件时，认为第一个归因源事件的功劳为100%。理由是第一个触点给用户建立了认知，与用户形成了连接。 平均归因模型 多个归因源事件时，认为每个归因源事件平均分配此次功劳。 使得服务器能够识别客户使用的操作系统及版本、CPU类型、浏览器及版本、浏览器渲染引擎、浏览器语言、浏览器插件等 服务架构实现 接下来会参考这个图来整体说明 根据上图, 我们先给一个最基础的表结构,大家可以根据具体业务增减字段 # 应用表 xxx更多字段') values({$req->oaid}, {$req->imei}, {$link->events}, {$link->exp}, 'xxx更多字段')"; // 4.
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（ **这是马尔可夫链的一个非常有用的应用。**在上述情况下，所有渠道C1，C2，C3（在不同阶段）被称为转换状态 ; 而从一个渠道转移到另一个渠道的概率称为转移概率。 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。 由矩阵B的第一行可知，从状态1出发，有3/4的概率到达吸收状态0，有1/4的概率到达吸收状态4。 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）
三） 1 Facebook Audience Network 当应用的广告在Facebook的媒体（含audience network联盟）曝光后，Facebook 会将媒体上报过来的曝光数据记录在其广告归因的后台上 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 详情可以看下我之前的文章《互联网归因混战江湖（二）—应用归因详细说明》 若你是做海外的广告，必须深入的了解下Facebook、Google 以及 第三方归因平台如AppFlyer、Adjust或者Kochava 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 - 来自专栏万能的小草
网站及APP坑位流量归因分析-（4）可视化分析篇
前面介绍了归因分析的理论、数据采集、数据计算，最后我们着重介绍一下如何对前面生成的数据，进行可视化分析沉淀，让业务能高效的进行日常运营迭代。
92510编辑于 2022-09-21 - 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。 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。 Google Analytics的归因模型 Google Analytics 的大多数标准报告使用的是末次非直接点击归因模型，但是现在我们可以通过对比归因模型，来决定使用为用户生命周期带来最高价值的模型
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。 calculate_removal_effect(transition_probabilities, '展示广告') print(f"展示广告的移除效应: {removal_effect}") 输出结果 展示广告的移除效应: 0.5 4. 实际应用中的注意事项 数据质量：确保用户路径数据的完整性和准确性。 模型扩展：可以结合机器学习模型（如RNN）进一步提升预测精度。 隐私保护：遵守GDPR等隐私法规，对用户数据进行匿名化处理。 6.
39810编辑于 2025-11-15 - 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
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。 这类归因模型允许你创建混合型最后单击和初次点击的模型，并给每个触达点相应的百分比。 优点：如果你的营销项目主旨是保持与用户的关系和认知，那么线性的归因就比较有用。比如说，如果你有一个品牌的广告项目，每一个媒介点在用户考虑阶段都同等重要，那么线性的归因能够帮助你您可视化这一进程。 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 - 来自专栏Helloted
Runloop(4):应用
4、事件响应 苹果注册了一个 Source1 (基于 mach port 的) 用来接收系统事件，其回调函数为 __IOHIDEventSystemClientQueueCallback()。 随后苹果注册的那个 Source1 就会触发回调，并调用 _UIApplicationHandleEventQueue() 进行应用内部的分发。 实际上，start 这个函数的内部会会获取 CurrentRunLoop，然后在其中的 DefaultMode 添加了4个 Source0 (即需要手动触发的Source)。
53120编辑于 2022-06-07 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
本文将深入探讨LTA的局限性，分析其归因陷阱，并提出突破路径，帮助广告主从“流量思维”跃迁至“价值思维”。 二、LTA的三大归因陷阱：为何“最后一击”无法定义全部价值？ 1. 三、突破LTA：从“单点归因”到“全局视角”的进化 1. 在GDPR、CCPA等法规日益严格的背景下，MMM成为符合合规要求的归因工具。 非显性渠道覆盖：有效评估线下广告、电视媒体等传统归因模型难以衡量的渠道价值。 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）。 通过多触点归因，品牌发现LinkedIn广告对线索生成的贡献率为40%，并据此优化广告预算分配。 七、技术实现：构建多触点归因模型 1.
65310编辑于 2025-05-28- 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
基于此，就有了线上全域归因、线上局部归因。 线上局部归因，我们目前的技术手段所实现的基本都是指的是线上的局部归因，是忽略了我们所不能掌握的因素的一种归因分析手段。 通过分析每个归因模型，我们可以更好地了解每个营销渠道的投资回报率。不一定有“最佳”归因模型，但我们可以选择一种作为报告和分析的主要归因模型。 - 最终互动归因 ? 通过归因，您可以了解整个客户旅程中不同的互动如何影响转化。传统归因归因于特定事件和任意事件，而最佳归因则使用机器学习和高级统计模型来了解每次触摸的精确影响。 而如果拆开来看，在6个院系的4个里，女生的录取率大于男生。如果按照这样的分类，女生实际上比男生的录取率还高一点点。 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 ） 阶段 3：基于用户的归因（People-Based Attribution） 这三个阶段，并不是简单的“新旧替代”，而是对归因视角的一次次升级：从规则 → 数据 → 用户身份。 、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/
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。 其核心是通过追踪用户间的邀请关系，量化每个节点的传播贡献，比如用户A邀请B安装应用，B再邀请C安装，想要了解A和B对C的影响，但分享链条的追踪十分困难。 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