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。 小P:不愧是你,对的,用户在付费前经历过很多渠道,我感觉把收入分给谁都不好说 小H:这个也不复杂,关于渠道归因的方式有很多种,比如传统渠道归因、基于马尔可夫链、基于shapley value甚至是基于Attention-RNN 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 实际上,传统的渠道归因是易于理解、好操作、结果接受程度高的~ 共勉~
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 /shapley/user_journeys.json", "r") as f: journeys = 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, 5, 10, 8, 6, 8, 13, 20], [2, 1, 9, 10, 1, 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。
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。 在知道状态空间的情况下,所求的渠道贡献率就是每条路径的转移概率。所以马尔可夫链模型可以用来做归因分析。 pandas as pd from markovattribution import MarkovAttribution 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 14535.970443 2 alpha 5821.609182 19315.152418 3 beta 2386.059705 10133.518357 4 theta 1783.661989 7115.975460 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 5.2 GA中的多渠道归因 5.3 有效触点归因 参考文献 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 5 归因分析的一些案例 5.1 亚马逊广告归因 【科普】深度解析亚马逊广告归因(含案例解析) 5大原则: Tracking window :有7天/14天的归因窗口期; Across all platforms 5 有效触点归因不能说完全没有道理,“助攻”的力量也不容忽略,但强行将“助攻”算做“直接得分”就有失偏颇了。
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 在知道状态空间的情况下,所求的渠道贡献率就是每条路径的转移概率。所以马尔可夫链模型可以用来做归因分析。 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。 407元 3.5 markov-chain-attribution代码 对jerednel/markov-chain-attribution代码进行两处的微调: 接受中文输入\u4e00-\u9fa5
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( 由于非Facebook的广告使用的是第三方归因平台如AppFlyer、Adjust或者Kochava,他们并没有Facebook的归因数据,所以双方是独立的归因系统和归因逻辑,也就是会存在多次计费的可能 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。 而品牌营销和内容营销部门,特别对于有线下渠道(如电梯媒体)或者非程序化渠道(如内容营销渠道),主要观测的目标数据是自然量的情况。 这个事情也从另外一个侧面推动了第三方归因服务公司加强归因作弊识别的能力。
本文长度为1870字,预估阅读时间5分钟。 引言:作者结合丰富实战工作经验,亲笔撰文分享了在APP渠道归因中监测厂商的4种常见解决方案。 作者 | 仲志成 编辑 | 华 子 APP渠道归因之痛 APP分析与网站分析最大的不同之处在于:在网站端完成渠道归因那是轻松简单加愉快,但APP的渠道归因却是个巨大无比的坑。这个坑有多大呢? APP渠道归因最佳实践探索 简单的说,APP渠道归因最佳实践 = Deep Share + User-id,示意图如下: ? 只要在H5能获取到User-id,就能和解决方案4有接近的效果了。 这样一来,APP渠道归因的关键是在H5上的User-id获取率。技术不再是问题,业务人员如何想方设法(给甜头)提高User-id获取率成为了关键。 下载APP是那个H5 活动页的次要目标,主要目标是获取销售线索(用表单获得电话号码)。结果莫名其妙的体验了APP渠道归因的最佳实践,完全是“瞎猫碰上死耗子”。
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 关于shap值计算,也可以参考:数据运营36计(四):互联网广告渠道归因分析之Sharply Value 1.2 SHAP值和马尔科夫链 归因的比较 参考:高阶媒体归因:沙普利值vs马尔科夫链 相同点: 两者并非将每条转化路径归因后求和,而是理清关系后求整体中的每个渠道的影响力 不管是沙普利还是马尔科夫,积极地参与转化会是提高本身影响力的最佳方法 无论是沙普利值和马尔科夫链哪种方法得到的归因结果都只能代表过去 , 在point 3 -> 5,DSPs渠道发挥了更多作用 延申一个问题,如果point 1 贡献了91.59%以上,那么是不是直接用规则模型中的first click就可以了?
在面对成百上千个不同的广告平台、社交渠道、搜索引擎、应用市场等渠道时,采用openinstall进行一站式全渠道拉新促活监测已经成为越来越多客户的首选。 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 ,针对不同的渠道和业务场景以及活动类型更改自定义参数和归因窗口,在多轮调整后的第二个投放周期中,客户整体的投放ROI提升了近30%,成功实现降本增效。
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。 超级渠道绑定层级数据借助openinstall生成超级渠道,能绑定母渠道与子渠道的上下级关系,支持短层级的分销链数据统计,快速建立代理系统,上游代理分发渠道统计链接,下游专心推广,约定CPA/CPS模式快速结算即可 无需填写邀请码:用户转化意愿提高,激励渠道伙伴推广意愿。如何设置CPA/CPS分渠道结算规则? openinstall的技术方案通过全链路追踪与实时归因两大核心能力,重构了渠道推广的价值分配逻辑:一方面,动态参数化链接将传统渠道打包与邀请码等繁杂成本转化为生成式流程;另一方面,秒级实时数据反馈与层级绑定功能 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
之前几篇多渠道归因分析应该算是比较通用的一些方法论: 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) 这里主要是路径模块,完全可以当做文本来看待,这里有三个需要输入的: input_att ,第一个输入,主要记录路径的,其中self.vocab_size一般是总词量 +1,这边就是所有路径节点数+ 1(5个 在得到每个渠道的权重后,我们将使用下面的公式来分配营销预算。 2.2 下游应用二:预算评估 哪些营销渠道在推动转化率和销售额,意味着你可以更好地将营销资金分配到最有效的渠道上,并更好地跟踪潜在客户的互动 如果你有一定预算,你会如何分配;当你通过模型得出不同路径的权重
渠道归因&Salesforce市场活动 市场活动很让人困惑的问题是关于渠道归因。 你是否对最初产生潜在客户的市场活动感到信心十足? 相信客户转换为机会前的市场活动? 分配渠道归因是最棘手的,最具哲学意义的营销领域之一。 市场使用四种主要模式(首次接触,最后点击,多点触控和加权多点触控)来分配归属,下面我们来一一介绍。 因此,此模型无法显示全部市场活动和营销渠道产生潜在客户或兴趣的洞察。 多点触控归因模型 整个销售周期中,多点归因将功劳归于所有互动和接触点。 优点:多点归因模型可以有效地捕捉所有的客户互动,对影响买方的任何活动都给予公平的评价 缺点:多点归因模型增加了很多复杂性。 加权多点归因模型 营销人员可以使用许多方法来分配权重,而不是对所有活动(多点触摸归因)相同的功劳。
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。 现在要求得到每个渠道的贡献比例。 ? 下面,我们来计算,每一个渠道的夏普里值,夏普里值的定义:是在各种可能的联盟次序下,参与者对联盟的边际贡献之和除以各种可能的联盟组合。三个渠道一共有3! 我们说一下具体的例子, 比如说我们要计算渠道A的贡献值, 那么所有S可能的集合有: S为空集,即最先投放渠道A S中只有一个元素, 可以是B, 或是C,即第二投放渠道A S中有两个元素, 可以是B+C ,即第三投放渠道A 计算A的贡献度时,S集合共有5种可能性。 我们要分别计算着5种情况下的边际收益(我们需要注意到的是, 这5种情况不是等可能出现的)。|S|!为投放在A前面的渠道顺序的排列组合,(|F|-|S|-1)!为投放在A后面的渠道顺序排列组合。|F|!
随道移动互联网的发展,现在 App 推广的渠道越来越丰富,除了 WAP 站点、第三方 App 之外,HTML5 成了 App 推广的又一个主战场。 但 HTML5 的渠道又无法获取用户的设备号信息,所以这次行为很可能就会被归因在优先级较高的信息流形式下,导致误差的产生。 2. 渠道号归因 「渠道号」指写入安装包的渠道标识。 IP+UA 归因主要应用在 Web 站内导流、SEM 推广和一些无法通过设备号及渠道号归因的广告投放场景下使用,如 HTML5 广告、WAP 广告等。 由于 IP+UA 存在的这些问题导致这种方式的使用优先级较低,但又会导致上文提到的 HTML5 广告推广会被匹配到信息流广告渠道中。 基于剪贴板的用户唯一标识归因分析 为了应对获取设备号失败 (如用户关闭广告追踪),或在 HTML5、WAP 广告投放场景下使用 IP+UA 精准度不高的问题,我们设计了一种基于「剪贴板」归因的方案,来提升渠道归因的精准度
p=5383 介绍 在这篇文章中,我们看看什么是渠道归因,以及它如何与马尔可夫链的概念联系起来。我们还将通过一个电子商务公司的案例研究来理解这个概念在理论上和实践上如何运作(使用R)。 什么是渠道归因? Google Analytics为归因建模提供了一套标准规则。根据Google的说法,“归因模型是决定销售和转化功劳如何分配给转化路径中的接触点的规则或一组规则。 在此之前,让我们举一个小例子,进一步了解渠道归因。假设我们有一个转换图,如下所示: ? 在上述情况下,客户可以通过频道'C1'或频道'C2'开始他们的旅程。以C1或C2开始的概率为50%(或0.5)。 电子商务公司案例研究 让我们进行真实案例研究,看看我们如何实施渠道归因建模。 一家电子商务公司进行了一项调查并收集了客户的数据。这可以被认为是具有代表性的人群。 渠道的总体分类如下: 类别渠道 网站(1,2,3)公司网站或竞争对手的网站 研究报告(4,5,6,7,8)行业咨询研究报告 在线/评论(9,10)搜索,论坛 价格比较(11)聚合 朋友(12,13)社交网络
预计阅读时间:5min 阅读建议:实战经验总结类文章,干货满满,建议阅读并充分理解。 00 序言 对于数据分析同学,「归因分析」这个词,相信大家都不陌生。 01 什么是渠道归因 要了解渠道归因的价值,首先要知道什么是渠道归因,举个例子: 码农小芳,白天刷「淘宝」的时候点击了某游戏的广告 → 晚上刷「抖音」的时候又点击了这款游戏广告 → 夜里又在「微信朋友圈 以上案例,就是一个游戏APP的渠道归因,如何将下载、拉活等结果性行为,量化的归属到不同渠道的贡献,则是渠道归因的本质。 02 渠道归因的价值 渠道归因最主要的目的:评估哪些渠道拉量更好,渠道投放的ROI更高,从而根据整体渠道的评估,来动态的调控渠道投放组合。 03 渠道归因常见方式 渠道归因如此重要,那么可以通过哪些方式来做呢?这里为大家列举五种常见方式。 第一种:首次互动归因 原理:以用户第一次触达产品广告作为唯一归因。
我们今天要向大家介绍5个电子商务归因模型。 文章开始之前需要各位先了解一个事实:归应分析模型是一个让多数电子商务平台感到困扰的非常棘手和复杂的存在。 以前要做这种分析非常容易,打个比方来说,在电台投放广告后,获得5个价值250美金的新客户,那么电台广告这个触点对于销售达成的价值就是100%。 我们该如何追踪营销的效果——借助归因模型 在策略,战术和推广渠道越来越复杂的现在,需要用归因模型核算他们各自的价值。这些模型可以是简单的、基于规则的,也可以是复杂的、基于算法的。 但你最好有心理准备,他在文章一开始就提到 “在分析领域中(所有分析领域、大数据分析和巨量数据分析)鲜有比多渠道归因模型更加复杂的事情了” 他并没有危言耸听。 GA等分析工具可以展现访客活动行为,而归因模型可以探索各个渠道的效果。它们是完美的搭配。 可以确定的是,当营销人员使用的渠道,方式方法和营销活动越丰富,归因模型就会越复杂。
在这篇文章中,我们看看什么是渠道归因,以及它如何与马尔可夫链的概念联系起来 我们还将通过一个电子商务公司的案例研究来理解这个概念如何在理论上和实践上运作(使用R)。 什么是渠道归因? Google Analytics为归因建模提供了一套标准规则。根据Google的说法,“归因模型是决定销售和转化如何分配给转化路径中的接触点的规则或一组规则。 在此之前,让我们举一个小例子,进一步了解渠道归因。假设我们有一个转换图,如下所示: 在上述情况下,客户可以通过渠道'C1'或渠道'C2'开始他们的旅程。以C1或C2开始的概率为50%(或0.5)。 电子商务公司案例研究 让我们进行真实案例研究,看看我们如何实施渠道归因建模。 一家电子商务公司进行了一项调查并收集了客户的数据。这可以被认为是具有代表性的人群。 渠道的总体分类如下: 类别 渠道 网站(1,2,3) 公司的网站或竞争对手的网站 研究报告(4,5,6,7,8) 行业咨询研究报告 在线/评论(9,10) 自然搜索,论坛 价格比较(11) 聚合渠道 朋友
在上一篇文章当中,表里面有一个渠道类型,我们这节主要是将这个渠道类型创建好,首先我们来看看字典表。 添加字典类型 添加字典数据 排个序,线下渠道显示排序值为 1。 最后将前端的若依文字替换一下:
ExcelUtil<Channel> util = new ExcelUtil<>(Channel.class); util.importTemplateExcel(response, "渠道数据 "); } @Log(title = "渠道管理", businessType = BusinessType.IMPORT) @PreAuthorize("hasPermission('tienchin AjaxResult.success(iChannelService.importChannel(channelList, updateSupport)); } IChannelService /** * 导入渠道数据 * * @param channelList 渠道数据列表 * @param updateSupport 是否更新支持,如果已存在,则进行更新数据 * @return {@code boolean