归因分析

归因分析是一种用于将转化目标的贡献值分配给用户转化路径中的触点的分析模型。它能让您了解不同触点对您网站和应用程序中特定目标的重要性。

使用案例

归因分析通常用于分析用户路径中某些触点的重要性,例如:

• 确定应用程序/网站中对购买目标贡献最大的重要推广位置;
• 根据对转化目标的贡献,确定应用程序/网站最重要的流量渠道;

关键概念

• 转化目标:应用程序所有者希望实现的可量化指标,例如购买数量、购买价值、注册用户数量。
• 触点:应用程序所有者在用户旅程中设计的事件,旨在推动用户实现转化目标,例如页面浏览、产品曝光、按钮点击。
• 归因模型:归因模型是一组用于确定如何将转化分配给转化路径上的触点的规则或基于数据的算法。没有一个万能的模型,请根据您的场景选择。亚马逊云科技点击流分析支持以下模型:

模型	定义	适用场景	考虑事项
首次触点归因	完成目标事件的第一个归因触点获得100%贡献。	例如,在主页闪购的早期测试阶段,初始流量来源起到最关键作用。	放大流量来源的价值,低估其他触点的输出。
最后一次触点归因	完成目标事件的最后一个归因触点获得100%贡献。	有助于了解哪个触点导致了交易的最终决策。	可能低估了距离转化事件较远的某些触点,但避免了首次触点模型中对高流量触点的偏差。
线性归因	完成目标事件的所有归因触点平均分享贡献(每个触点获得相等的份额)。	将每个触点视为同等重要,某些触点可能会一直充当中间触点。评估是否可以消除或优化具有长链条的某些触点。	倾向于青睐用户频繁点击的触点,放大它们的价值(例如,在搜索和推荐中)。
基于位置的归因	第一个和最后一个归因触点各获得40%的贡献,而其余位置平均分享剩余的20%。	旨在将价值分配给所有触点,但强调了第一个和最后一个触点的重要性。承认这两个触点相对于其他触点的重要性。	受人为偏差因素影响。

如何使用

1. 选择事件和指标作为转化目标,您可以添加过滤器。指标类型包括:
   1. 事件数量:转化次数
   2. SumGroup:将与所选转化目标事件关联的数值参数相加
2. 选择触点事件,您可以为每个触点添加过滤器。
3. 点击查询开始计算
4. 您可以根据需要更改时间范围或归因模型,这将自动重新运行查询。
5. 分析结果以表格形式显示,包含以下列:
   1. 触点名称:用于归因的触点事件名称。
   2. 总触发计数:在指定的转化窗口内,触点被触发的次数。
   3. 转化时触发次数:在转化窗口内,触点与转化目标同时发生的次数。
   4. 贡献(数量/总和...值):根据所选模型,该触点对转化目标的贡献值。
   5. 贡献率:通过归因模型计算后,该触点对总体的百分比贡献。计算逻辑是当前归因事件下的转化目标指标除以所有转化目标的总和。

示例

假设您网站上有四个直播频道,现在您想了解哪个频道对总购买金额的贡献最大。

1. 选择归因分析模型。
2. 选择purchase作为转化事件,选择sumGroup通过[event]value作为转化指标
3. 选择当天作为转化窗口。
4. 选择view_live作为触点事件,添加过滤器live_id = live_1。
5. 重复步骤4为其余三个直播频道添加触点。
6. 点击查询。
7. 选择最后一次触点模型查看归因结果。

所有配置如下图所示: