- 综合排序
- 最热优先
- 最新优先
- 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） up主id 30689558 app_key app编码 IOS business_id 业务id 1 business_name 业务名称 娱乐 r_business_id UP主对应业务ID 123 ，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 - 来自专栏得物技术
得物App白屏优化系列｜归因篇
之后从该Bitmap中居中均匀的取出N*N个像素点（这里以3*3为例），按其色值进行统计，找出占比最高的色值的比例，如果其占比超过一定阈值，说明他是白图（不一定是白色，因为占位图背景是淡灰色）。 我们需要将两套方案结合起来看，但是实际归因时为了确保准确性还采用后者来计算App网速，这样会漏掉一小部分弱网日志，但是不会误判。 因此我们通过流量的消耗来计算App网速，通过在内存中维护一个记录最近3s，6s，9s的流量消耗的队列，可以算出最近App的网络下行速率。 同时判定弱网的最低阈值，可以线下用charles限速来找出能够满足App加载页面的最小带宽。采用三个3s阶段中平均速率的最大值40KB/s作为下行速率。 我们区分弱网和无网并不是依据是否有网速，而是最近3分钟的业务接口是否有成功记录，如果无一成功则判定无网，否则判定弱网。
83910编辑于 2024-09-03 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。 用户安装并打开App后，App会读取这个识别码，从而知道用户是从哪个H5活动页来的。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。 用户被一篇精彩的“旅游攻略”吸引下载了App，但打开后却要重新搜索，体验很差。在“旅游攻略”H5页面中配置带有文章ID的归因链接。 总结归因的核心目的，是为业务增长中的每一个决策，提供清晰、可靠的数据支持。它连接了市场投放、产品体验和用户运营，是App精细化增长的必备工具。
53810编辑于 2025-08-15- 来自专栏互联网数据官iCDO
【实战篇】APP渠道归因最佳实践探索
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？ 有专门做APP渠道归因的公司，做到被巨头收购，成为巨头数据分析产品家族的一份子。 APP渠道归因这个“天坑”对于业务提升有什么负面影响呢？现如今，都是通过分析数据来驱动业务改进。 这种方法乍看上去没有渠道包的缺点，却也有3个问题： 让用户旅程多了一步，漏斗多了一层，增加了流失的可能；为了获取数据在一定程度上牺牲了从曝光到安装的转化率。 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。
1.6K30发布于 2018-07-27 - 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。 二、APP激活，上报“我是谁”用户下载安装APP后，首次打开（激活）时，你的APP必须收集当前设备的指纹信息，并上报给你的后端。 //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。
58700编辑于 2026-01-08 - 来自专栏万能的小草
网站及APP坑位流量归因分析-（1）理论篇
近期计划出一个系列的文章，详细介绍一下网页及APP坑位流量归因的理论以及实践篇。欢迎大家收藏及转发，针对过程中有疑问的地方，欢迎在公众号内留言互动。 针对视频网站：APP能存在多种多样的功能，可以使得将用户需要的内容曝光在用户面前，在产品迭代的过程中，评估不同的入口（比如通过搜索、关注页、首页推荐eyc可以获取到UP主的视频 ），最终带来用户观看、付费 洞察用户的习惯和行为：知道用户是通过哪些渠道/路径触达到广告或者APP功能，C端用户（新用户、活跃用户、回流用户）是否具有明显的差异性以及人群的画像。 二、归因理论 业内通用五大基本归因方案，如下： 首次触点模型： 多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为第一个「待归因事件」功劳为 100% 。 四、参考资料： 1.黄业忠.流量的高级分析与流量渠道的协同：归因和归分析型[G],2018-08-09 2.数据分析社区.电商流量来源分析平台：从数据底层到数据可视化[G],2021-05-11 3.海阁
1.3K20编辑于 2022-03-11 - 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。
78520编辑于 2023-08-10 - 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
openisntall的H5传参安装能够精准归因App安装来源，有效解决因手机厂商拦截/劫持安装包引起的数据偏差，还原真实的渠道推广效果。Android渠道推广拦截安装包到底是怎么产生的？ 正因为Android用户被引导到未知的应用商店下载App，才会出现文章开头所提到现象：投放渠道包的渠道有较高点击量，安装量却异常的低。 这种劫持行为就造成了常规渠道投放中数据归因的误差现象，因此，如果不使用归因统计类第三方工具进行介入，渠道质量评估和投放策略的优化也就无从谈起。 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。
1.5K50编辑于 2023-06-08 - 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。 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。 由于涉及到主端APP的快速迭代，单次的分析很难实现复用，因此在这种背景下急需提供标准化的流量归因产品去快速实现流量来源拆解，快速定位KPI异动原因，满足业务运营的日常监控诉求。 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 欢迎大家分享、点赞、在看，给个3连击呗！
1.6K20编辑于 2022-09-21 - 来自专栏素质云笔记
多渠道归因分析（Attribution）：传统归因（一）
线性归因模型 2.2.6 时间衰减归因模型 2.2.7 位置归因模型 2.2.8 自定义归因模型 2.2.9 马尔科夫归因模型 2.2 不同归因方法的使用场景 3 算法归因的几种方法 3.1 夏普里值 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。 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 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。 类型：粉丝、游客 客户端：PC、移动端、H5、其他、站外 时间维度：今日、昨天、近7日日均、近30日日均 3.流量来源平台界面呈现 流量来源分析平台首页 可以展示不同时间不同人群不同流量来源不同数据指标的具体数据 指标可视化图表展示如下： 1）单个视频流量来源的数据趋势 3）受众群体特征 其实单纯的通过可视化图表呈现其实远远不够，更多的是我们需要对呈现的数据进行解读，因此小编建议大家有注重点，选择主要的去研究 ，把重要的流量入口给研究透，然后优化到极致，这样我们的APP的流量利用率一定是可以的，贪多嚼不烂的道理一定要明白。 分享、点赞、在看，给个3连击呗！
92410编辑于 2022-09-21 - 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 - 来自专栏马蜂窝技术
多渠道推广场景下，如何实现 App 用户增长的精准归因？
传统的 App 激活渠道归因 目前常见的 App 激活归因方式有设备号归因、渠道号归因、IP+UA 归因等。以下分别进行简要介绍。 1. 3. 实现流程 具体流程如下图所示： （1)在 HTML5、WAP 等广告投放中，当用户点击广告时向剪贴板写入唯一标识； （2)写入系统剪贴板的同时由服务器记录用户唯一标识； （3)用户下载 App 激活后 （3) 标识信息生成规则灵活 写入剪贴板的唯一标识信息可按照任意规则进行生成，只要是可以区别于其他剪贴板的内容，能够用来唯一表示一次广告点击来源的口令即可。 同时可以在该标识中加入投放站点的标识信息，这样后面 App 在读取剪贴板信息时可以进行渠道信息的初步验证，从而减少无用信息的上报。 3.
2.9K20发布于 2019-09-18 openinstall实时归因+超级渠道：3步构建CPACPS结算系统
openinstall通过App传参安装功能，能轻松构建全链路数据追踪体系，其核心特征包括：分渠道链接统计生成动态渠道参数链接/二维码替代安装包分发。 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。 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 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
53010编辑于 2025-03-26- 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 如果是 deepLink 拉起, 最好加一个延迟 10s 的队列归因, 防止`app`请求先于渠道商监测链接请求 // 1. 查询 app $app = "select * apps where id={$appId}"; // 3. // 修改点击日志状态等等 // 删除所有归因的 $keys, 防止重复归因 // 根据 $app->attribute_cycle_days 设置归因周期 return
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 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 - 来自专栏素质云笔记
多渠道归因分析：互联网的归因江湖（二）
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（ 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 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。 说个题外话，Google play 和 App Store 还是有榜单效应和评价体系的，但是国内应用商店则几乎全是广告，给钱就能上。
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。 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。 模型对比工具一次最多能对比3种模型。添加二次维度，例如来源/媒介，可以更加深入挖掘转化的路径。例如，添加二次维度来源，把自然搜索细分为Google, Bing 和Yahoo.
1.5K60发布于 2018-03-02 - 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
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