多渠道推广中，归因模型有多重要？转化成本速降的秘籍！

今天跟大家聊一下归因模型应用到网络

推广

过程中的价值，目前国外对于归因模型有很多种分类，每种模型都有各自的优缺点和适用场景，比如线性归因模型（功劳平均分）、末次互动归因模型（就是下午所说的lasttouch）、u型归因模型等。今天先给大家说说最常见几种归因模型。

什么是归因模型？根据我自己的理解，当归因模型应用到

网络营销

时，归因模型的意义就是根据消费者的多

渠道

访问路径，合理分配各渠道对订单所贡献的价值。

举个例子：

一个网民，他最初是在某网站看到了一个教育机构英语培训班的广告，对于这个教育机构有了一定印象，一段时间以后，他在

搜索引擎

上搜英语培训班，有看到了这个机构的推广信息，点击进去，了解了一番觉得不错，但还没有决定要不要下单，关闭了网站。

过了几天他搜索这家机构的

品牌

名称，通过自然搜索进入了机构的网站，进行了咨询，并下单。这个网民从最开始到最后下单，经历了 展示广告、竞价广告、自然搜索

三个路径，那么最后他的

转化

应该归因给哪个渠道呢？

以下内容摘自

互联网：

我通过跟朋友了解：国内95%以上的

电商

公司都是按24小时lastto

uc

h来计算roi的，像

京东、凡客、亚马逊、唯品会、苏宁、当当等。

国外主流的统计方式有三种：

1.按照30天lasttouch来计算，其中direct/bookmarked

流量

优先级最低，其次是cps联盟，再次

seo，再是

sem，再是展示广告；在同类广告中，再按照lasttouch计算归属；

2.按照7天周期计算，各类流量按照离购买的远近计算贡献因子=(countoftouchpoints–rankofthistouchpoint+1)*(timetopurchase–timeofclosertouchpointtopurchase)/sum(timeoftouchpointstopurchase)；

3.按照14天内，各touchpoint平均分配计算贡献因子。

如今最后一次点击定损益司空见惯，虽然具有欺骗性,但简洁明了。绝大多数广告主对于媒介表现roi的

游戏

规则=成本/24小时内单次点击转化次数，帮助转化的其它媒介在计算roi的公式中被忽略。

通过归因模型的应用分析，在今后的工作中我们可以解决以下问题：

一、归因模型可以解决的问题

1、完善广告效果评估

通常情况下，评估广告效果会包括曝光、点击、直接购买指标，但某些

营销

渠道对购买的贡献会表现在间接贡献上。

如用户可能习惯于通过

互联网广告

渠道获得广告活动咨询，然后通过sem关键字进入网站浏览活动并产生购买，在通常情况下会把订单贡献计算在sem上，但互联网广告也会对订单产生广告曝光和间接支持作用。因此，这种对订单的间接贡献会使广告效果评估更加合理化。

2、合理安排sem关键字策略

在sem投放时，通常会分为品牌词、竞品词、产品词和通用词，用户在sem渠道上会表现出一定的 

继承性。比如搜索引擎作为用户获取信息的重要渠道，如果部分用户想要购买长袖打底衫，可能会先搜索“长袖打底衫”，然后通过电商网站购买的关键字点击进入网站，这一次用户可能不会产生购。

因为用户通常会选择各网站比价格和口碑，用户确认完信息之后觉得某猫。或某东便宜，直接搜索，点击品牌词进入网站形成订单。

这个过程中，用户完成从产品词到品牌词的点击轨迹，产品词对品牌词产生了间接订单贡献。通过分析用户这种轨迹，可以分析产品词投放对品牌词产生的影响，特别在费用控制时，有效评估品牌区流量的变化和目标设定。

3、合理安排同一渠道

广告投放

策略

类似于不同上文提到的关键字影响因素，用户也会存在同一渠道的点击依赖性，比如用户在网易门户看到

天猫

的活动广告，首次点击后没有完成购买，但第二次用户可能也会习惯于从网易门户点击进入网站形成订单。

这种情况下，我们可以通过分析 用户在一个渠道中不同广告形式或媒介的点击，评估用户对某一广告渠道的依赖性，进而指导广告排期与执行。

4、有效安排多渠道间营销节奏

通常情况下，用户不会只点击一个渠道进入网站就会形成购买，因此 多渠道覆盖或整合营销传播会成为营销的主要策略。如何评估在一次活动中用户的点击轨迹，抓住用户不同购买阶段的广告来源，进而有效安排营销节奏是关键。多渠道路径分析可以抓住不同用户的多渠道浏览轨迹并通过聚合发现用户的路径趋势，为知道营销节奏安排提供参考依据。

二、归因模型对渠道价值的分析

如果

一条

转化路径中包含多个渠道，那么每个辅助渠道都会被计算辅助转化价值，因此 一个多渠道路径的辅助转化价值之和将大于该路径转化的最终价值。如果一个渠道在路径转化过程中出现多次，那么就会计算多次的辅助转化价值。换句话说，ga将每个渠道的每次辅助转化和最终转化都做了统计，而且是重复统计（如果有）。

我们举例说明上面的情况。假设前提：1.订单价值为100元；2.辅助转化和最终转化权重相同。

假设一

访问者分别经历了a→b→c→d四个渠道形成转化，那每个渠道贡献的权重相同，都为25元。

假设二

访问者分别经历了a→b→c→b→d四个渠道形成转化，但是b渠道在转化路径中出现两次，那么a、c、d渠道贡献价值分别为20元，b渠道贡献值为40元。

假设三

访问者分别经历了a→b→c→d→d四个渠道形成转化，但是d渠道在转化路径中既作为辅助转化又作为最终转化，那么a、b、c的渠道贡献价值分别为20元，d渠道贡献值为40元。

假设四

访问者分别经历了a→b→c→b→d→d四个渠道形成转化，但是b和d渠道分别出现了两次，那么a和c的渠道贡献值分别为元，b和d的渠道贡献值分别为元。

在上面的假设中，有一个条件是值得商榷的，那就是每次辅助转化和每次最终转化的权重问题。实际上对于辅助转化和最终转化，我们无法判断到底哪个渠道对用户影响更大，因此在上面的例子中赋予同样的权重。但不同的公司不同的分析师的认知不同，辅助转化和最终转化的权重关系可以表示为：每次最终转化=η每次辅助转化。

三、如何实现归因模型的分析

通过ga（谷歌

流量分析

工具）的多渠道转化路径可以实现，需要各营销渠道对引入官网的流量进行统一标记。另外也可以借助行业内的流量监测工具，目前已经有好几家代理商在做归因模型的开发，相信这种统计方式很快会成为电商行业的主流。

四、归因模型分析的启发

1、根据每种渠道辅助转化价值和最终转化价值，熟悉每种推广路径在整个公司营销体系中的主要作用和贡献情况。

2、根据公司对辅助转化和最终转化的认知度，确定二者权重比例，然后细化每种渠道对订单的贡献值，为日后每种渠道营销投入提供参考。

3、根据用户在购买转化过程中媒体接触接触选择及先后顺序，确定营销传播的媒体组合、投放以及广告排期。