綠色排版工具|熱門專題|網站地圖|移動官網
您的當前位置:網站首頁 > 網站分析 > 歸因分析 > 正文

如何利用歸因分析量化目標貢獻占比?

來源:未知 編輯:小螞蟻站長 時間:2019-11-29 15:33:11 閱讀:
 

所有用戶的接觸點并非“生而平等”,用戶的行為路徑復雜難測,企業迫切需要進行廣告位或運營位的價值判斷,從而優化廣告資源組合與分配。歸因分析已經成為企業精細化運營必不可少的利刃。

如何利用歸因分析量化目標貢獻占比?圖 歸因分析界面

本文將圍繞以下兩個方面進行深入闡述。

客戶案例:常見坑位運營場景解析歸因分析背后的計算原理及演繹一、常見坑位運營場景解析:全面診斷首頁坑位,定位優化點

A 公司是一家文化媒體電商平臺,該公司通過神策分析實現用戶行為分析,同時神策團隊為其提供整體收益相關的咨詢服務。其運營團隊每天、每周、每月都會生成歸因報告,用以階段性評估產品的流量質量、流量引導效果,以及頁面布局優化。

下面以其近期的一次首頁坑位歸因為例??游粴w因,顧名思義,是將產品最終收益的功勞分配給轉化路徑中各個不同的坑位上??游坏暮诵哪康氖?ldquo;流量引導”,當流量流入在線產品(如電商、在線教育等)后,運營人員需要引導其完成購買任務,以實現流量價值最大化。A 公司運營人員希望全面了解各坑位的運營狀況,從而找到優化重點。

首先,運營人員通過神策分析的歸因分析模型,以“支付訂單”為“目標轉化事件”,以“秒殺”“分類列表”“大專題”“直播”“每日好店”“我的頻道”“快訊”“排行榜”為“待歸因事件”。

 

在神策分析進行參數設置后,首頁各坑位的運營情況一目了然。我們不難發現,不同坑位的貢獻度差異很大,在當前的產品版本中,“秒殺”坑位的貢獻度最高。此外,結合各坑位的總點擊數和有效轉化的點擊率,會發現一些數據與團隊最初“拍腦袋”的結論相差較大的問題,但同時也定位了優化點:

(1)在運營人員的傳統認知中,一直認為“分類”功能較為難用,所以用戶會很少使用,但認知與實際情況大相徑庭。通過歸因分析發現,實際上使用該功能的成交比率非常高,這警醒了產品人員:應立即開始著手優化目錄引導功能。

(2)“大專題”導入用戶流量高,但轉化率相對較低。因此要么優化該頁面的轉化率,要么將用戶流量導向其它頁面更為合理。

(3)“直播”“快訊”等坑位轉化率高,但流量相對少,后續應該進行頁面設計以提供更便捷的入口。

綜上,歸因分析幫助運營人員全面診斷首頁坑位,快速定位優化點。其實還可以針對不同的優化點進行深度下鉆分析,查看每一個優化點對應的細分表現,例如查看不同的“大專題活動”,通過帶來的貢獻收入進行“大專題活動”的優化等。

二、歸因分析背后的計算原理及演繹

神策歸因分析背后的計算邏輯是如何的?本部分將從歸因分析模型參數配置、歸因分析模型的計算原理演繹兩個方面來介紹。

(一)歸因分析模型參數配置

依托神策分析全端數據采集,通過時間序列精準還原用戶路徑,運營人員可掌握“用戶何時點擊了某個運營位”以及“用戶何時完成了目標事件”,再通過用戶行為之間的關聯關系,最終得到“用戶點擊了哪些運營位后發生了目標轉化”的“運營位序列”。用戶從瀏覽到最終轉化路徑的構建與完整還原,以及精準的“運營位序列”,為后續科學歸因打下了良好的數據基礎?;诖?,用戶經過參數設置,即可準確地衡量用戶轉化路徑上每個接觸點的貢獻度。

在神策分析上,進行一次完整歸因分析,用戶首先需要進行歸因分析模型參數的配置,即選擇“目標轉化事件”“前向關聯事件”“待歸因事件”的配置。下表給予了配置此參數的一些建議。

 

事實上,用戶對“歸因窗口期”“目標轉化事件時間范圍”和“分析模型”的參數設置,控制了歸因的計算數據范圍和歸因模型。

顧名思義,“歸因窗口期”會將“目標轉化事件”發生的前某段時間內的“待歸因事件”會被計算在本次歸因的貢獻中;“目標轉化事件時間范圍”則篩選某時間段內的“目標轉化事件”。

基于運營位序列,歸因模型為“運營位序列”進行功勞的分配,神策數據支持 5 種歸因模型的分析與結果查看,包括“首次觸點歸因”“末次觸點歸因”“線性歸因”“位置歸因”“時間衰減歸因”?;诓煌巹t與算法的歸因方法提供了強大的用戶行為分析能力,運營人員可以根據自己的業務需求、與用戶的實際交互模式靈活地選擇最適合的分析模型,如下圖。

 

(二)歸因分析模型的計算原理演繹

我們不妨進行一次計算演繹,下圖是通過神策分析所得到某電商用戶行為序列圖示。在圖示中,各字母代表的含義是 D-廣告位、Q-商品詳情頁、D-推薦位、M-購買商品。目標轉化事件是“購買商品”,為了更好地“配對”,運營人員將 M1(目標轉化事件——購買商品1)與 Q1(前項關聯事件——商品 1 詳情)設置了屬性關聯,同樣將 M2 與 Q2 進行關聯。

如何利用歸因分析量化目標貢獻占比?

該場景中,發生了兩次購買行為,神策分析進行歸因時會進行兩輪計算,產生計算結果。

(一)第一輪計算:

第一步,從 M1 開始向前遍歷尋找 Q1 以及離 Q1 最近發生的廣告瀏覽。

如何利用歸因分析量化目標貢獻占比?

如圖所示,不難得到結果 M1=[Dc,Dc,Da]。

第二步,我們帶入分析模型中,進行功勞的分配。運營人員選擇“位置歸因”的分析模型,根據“位置歸因”的計算邏輯,第一個“待歸因事件”和最后一個“待歸因事件”各占 40%,中間平分 20%。

第一輪我們得到結果:Dc=0.4;Dc=0.2;Da=0.4

(二)第二輪計算

從 M2 開始向前遍歷尋找 Q2 以及離 Q2 最近發生的廣告瀏覽。

如何利用歸因分析量化目標貢獻占比?

這里值得強調的是,即使第一輪中計算過該廣告,在本輪計算時依然會參與到計算中,因為經常會出現一個廣告位同時推薦多個商品的情況。

我們不難得到結論,M2=[Dc,Db]?;谶@個結論,我們通過“位置歸因” 得到結果:Dc=0.5;Db=0.5(不足 3 個時會有特殊處理)。

經過兩輪計算,我們得出結論:Dc=1.1;Da=0.4;Db=0.5,則廣告位 c 的貢獻最大、廣告位 b 貢獻次之,廣告位 a 的貢獻最小。

綜上所述,神策分析新版本的歸因分析模型,依賴深度計算邏輯,精準還原用戶行為序列。神策分析提供的 5 種分析模型,可以滿結合業務的日常歸因分析場景,讓使用者得心應手,隨心所欲進行深度分析用戶行為,尋找工作的優化點,更靠譜地制定更加精細的運營策略。

相關文章推薦:

圖文精選:

Copyright?2012-2019 小螞蟻信息網版權所有 粵ICP備14061018號


鄭重聲明:本網站資源、信息來源于網絡,完全免費共享,僅供學習和研究使用,版權和著作權歸原作者所有,如有不愿意被轉載的情況,請通知我們刪除已轉載的信息。

Top 彩票开奖12选5辽宁省