归因分析主要用于衡量站内多个位或事件对业务目标事件的转化贡献。
举例来说，常见的场景如下：
- 用户进行了搜索，最后完成了目标转化，希望了解不同搜索词的贡献度。
- 用户先从渠道A的广告来访，又从渠道B的广告来访，最终完成目标转化，想知道不同渠道对目标的贡献度。
- 用户在访问网页的过程中，同时打开了很多个页面，点击了不同的位，最后完成了目标转化，想了解相关位对目标的贡献度。
以上的场景中，很有可能出现的结果是用户在完成目标转化之前点击了多个位，那么我们该将转化的贡献记到哪个位头上呢？我们该如何评价每个位孰优孰劣呢？
这时就需要用到归因分析。我们采用了业内常用的5种归因方法。
归因方法 | 详情 |
|---|---|
首次归因& |
注意 DataFinder的首次、末次的判定是按照事件发生的时间顺序界定。 |
线性归因 | 完成某个目标事件的所有归因位中，所有归因位平分贡献。 |
位置归因 | 完成某个目标事件的所有归因位中，首末归因位获得40%贡献，其余位置平分剩余20%的贡献。 |
时间衰减归因 | 完成某个目标事件的所有归因位中，离转化目标时间更近的归因位获得更多贡献，贡献度衰减情况，按照半衰期公式计算：m=M(1/2)^(t/T)，其中M表示目标事件的指标值，t表示归因事件距离目标事件的时间间隔，T表示半衰期。 |
通过归因，我们就可以看到不同事件对一个目标转化的贡献度，因此可以更有针对性地调整产品策略，以实现效益最大化。
2.1 操作示例场景
为便于您理解归因分析的操作，以下以一个典型的示例场景为例，为您介绍典型场景下的配置建议。您可以结合自身的业务场景进行灵活配置。
- 示例场景：某电商APP，用户从登录APP浏览商品到购买支付过程中，可能经过商品的搜索、浏览、咨询、加购物车、支付等多个事件，希望分析各事件对最后商品支付事件的贡献度。
2.2 事件指标
2.2.1 配置目标事件
参数 | 参数说明 | 配置示例 |
|---|---|---|
目标事件 | 进行归因分析时，首先需要选择目标事件。目标事件通常是能够代表某一业务的事件，查看事件的数据表现就能知道业务的运营状况。 |
|
2.2.2 配置待归因节点
归因节点类型 | 参数说明 | 配置示例 |
|---|---|---|
事件归因 | 指事件级别的归因，即坑位归因（“坑位”即APP内各类运营位，如首页banner点击\金刚位跳转等站内的流量入口。），主要针对站内的归因分析。 | 例如，上述示例场景中，可配置为商品搜索、商品咨询等。 |
属性归因 | 指属性级别的归因，即渠道归因，主要用于投后效果评估，更聚焦于转化后链路。“渠道”可通过特定事件上的属性值做标识，如utm参数，场景值，应用等。 | 例如，负责投放的运营，想要知道某次活动后有多少拉新，可在归因里看新用户注册数与哪些运营负责的投放渠道有关系。属性归因的属性即可选择投放渠道相关属性。 |
2.2.3 配置过程事件
参数 | 参数说明 | 配置示例 |
|---|---|---|
过程事件 | 过程事件，是指完成目标事件之前，必须要进行的事件。部分业务场景可能会遇到 | 支付成功事件之前经常使用的过程事件有商品详情页浏览、商品加入购物车等。 |
关联属性 | 关联属性，是指配置通过 | 比如：通过配置商品id，你可以保证商品浏览详情页和商品支付成功两个事件是同一商品id发生的事件，从而保证 |
2.2.4 也计算其他转化
说明
待归因节点选择属性归因时，不支持勾选也计算其他转化。
参数 | 参数说明 |
|---|---|
也计算其他转化 | 也计算其他转化，是指某些场景下，比如对业务流程不够熟悉、待归因事件过多等，你并不能将所有待归因事件罗列完全，甚至不知道有没有配置完全，此时就可以勾选 |
2.3 配置细分筛选
您可以在细分筛选中通过属性过滤、行为圈选、动态圈选等多种方式来圈选分析的目标人群。归因分析的配置操作与DataFinder的通用能力一致，详情请参见文内分群。
2.4 查看详细结果数据
配置查询数据的时间周期和回溯期。
参数
参数说明
配置示例
查询周期
您可以单击顶部的查询周期日历，配置归因分析的数据查询周期。
例如希望分析过去7天各待归因事件与目标事件的相关性，则可选择时间范围为过去7天。
回溯期
设置当目标事件发生后，在多长的回溯期内去分析待归因事件与目标事件间的归因结果数据。
例如，上述示例场景中，用户的商品搜索事件后，多长时间内支付成功订单可以归属到这个搜索动作上。
选择归因方式，并查看归因分析结果的详细数据。
说明
私有化4.9.0版本开始，支持选择多个归因方式，对分析结果进行对比分析。
归因方式
归因方法
详情
首次归因&
末次归因- 首次归因：完成某个目标事件的所有归因位中，第一个归因位获得100%贡献。
- 末次归因：完成某个目标事件的所有归因位中，最后一个归因位获得100%贡献。
注意
DataFinder的首次、末次的判定是按照事件发生的时间顺序界定。
线性归因
完成某个目标事件的所有归因位中，所有归因位平分贡献。
位置归因
完成某个目标事件的所有归因位中，首末归因位获得40%贡献，其余位置平分剩余20%的贡献。
时间衰减归因
完成某个目标事件的所有归因位中，离转化目标时间更近的归因位获得更多贡献，贡献度衰减情况，按照半衰期公式计算：m=M(1/2)^(t/T)，其中M表示目标事件的指标值，t表示归因事件距离目标事件的时间间隔，T表示半衰期。
详细数据的指标介绍
指标
指标解释
相关性
按皮尔森相关系数计算，表示在计算周期内，发生事件A的时候，有多大的概率发生事件B，表征的是事件A和事件B的线性相关程度，完全线性正相关意味着相关系数为 +1，完全线性负相关意味着相关系数为 -1，其他情况下相关系数在 -1和 +1之间。绝对值越大表明相关性越强。
例如：参与了某活动后，大多数人都完成了购买，数值越大则这两个行为之间的相关性更强，建议更多激发用户参与该活动。触发次数
表示在计算周期内，「待归因事件」一共触发了多少次。
有效转化的触发次数/率
表示在计算周期内，按照当前所选「归因模型」，「待归因事件」真正对「目标事件」转化有贡献的事件一共触发了多少次。例如：末次归因中，计算周期内一共发生了100次，但是处于末次归因位置的只有50次，那么有效转化的触发次数=50次，比率即为50%。
转化目标（次数/按...求和）
表示在计算周期内，「目标事件」按选择的归因模型分配后的结果。例如： 支付次数按位置归因，设置首40%-中20%-尾40%，假设某归因路径为归因位A-B-A-支付，则该次支付将分配0.4（首）+0.4（尾）=0.8次为A的贡献，0.2为B的贡献，其他指标同理。
贡献度
通过归因模型计算后，归属于该待归因事件的贡献占整体的占比，计算逻辑为：当前待归因事件下的转化目标指标 / 整体转化目标之和。