• 渠道触点归因


    消费者触点
    消费者与企业的产品或服务、品牌、内容或信息发生接触的任意位置。触点作为用户获取来源叫渠道。

    触点归因
    研究如何获客贡献在参与的各个触点或渠道间进行分配的过程。

    归因作用

    • 客观评价触点或渠道的价值与贡献,尤其是发现那些被埋没的真相;
    • 洞察转化规律和消费者行为路径,从而更好地搭建渠道矩阵,优化触点的体验;
    • 发现更多的源头贡献渠道,拓展获客源泉;
    • 基于渠道洞察,合理分配推广预算,ROI最大化;

    归因类型

    1. 单触点归因
    2. 多触点归因

    单触点归因模型

    • 首次互动模型:
      将100%的功劳都属于产生第一次互动(点击)的渠道。
      案例E:比如一个用户最先点击了王者荣耀的社交分享,再次点击了公众号王者荣耀推广退出,最后直接点击游戏中心下载了王者荣耀这款游戏,渠道归属于最先的社交分享。

    • 最终互动模型:
      将100%的功劳都归属于最后一次互动渠道;以上案例E,渠道归属于游戏中心;

    • 最终非直接互动模型
      将所有功劳归属于最后一个非直接互动的渠道;比如头条 -> 360 -> 官网;计360为归因渠道而非官网;

    多触点归因模型

    • 线性均衡模型:
      均衡对待转化路径上的所有渠道并分配相等的权重;有些渠道归因可能会被夸大,有些渠道归因可能会被弱化,所有权重都一样。先后访问四个渠道A->B->C->D,四个渠道的权重都是25%;

    • 时间衰减模型:
      越靠近最终转化事件的渠道其功劳越大,越靠前的渠道,功劳越小。比如先后访问四个渠道A->B->C->D,分别按照A-10%,B-20%,C-30%,D-40%

    • U型模型
      初始渠道和最终渠道功劳最大,中间的过程性渠道功劳小。先后访问四个渠道A->B->C->D,渠道归因权重A-30%,B-20%,C-20%,D-30%;

    • 其他算法模型
      生存分析,马尔可夫模型

    安卓推广来源追踪
    安卓-Google Play
    用户安装时会把渠道来源参数广播到app端;一般ios是这样,所有软件都是跳转到应用商店下载;
    谷歌商店
    安卓渠道包
    给每个渠道表打一个id标识,存在一些局限:

    • 渠道多的时候,每个渠道都要打标识,工作量比较大
    • 渠道标识只能定位到应用时长级别
    • 容易串包,a渠道包放到了b渠道,从b渠道下载可能会定位到a渠道;
      安装
      安卓精确匹配
      比对设备ID,定位渠道来源;个人隐私保护,这种方法被限制比较大;网页无法获取设备id
      模糊匹配:设备id无法获取,可通过ip等信息比对定位渠道;使用无线宽带下载,使用5d安装可能导致ip比对不成功;
      在这里插入图片描述

    ios-app推广来源追踪

    1. 精确匹配:同安卓精确匹配,不过ios中使用的设备号一般是IDFA
    2. 模糊匹配:同安卓模糊匹配,比如ip信息比对
    3. Cookie:只支持在苹果safari手机浏览器中点击广告追踪,不常用

    线下来源追踪
    电话

    • 推广端为每个广告或渠道分配不同的电话号码
    • 在承接段关联,通过在线表单的方式在企业网站或App中收集用户的电话号码
    • 直接询问

    二维码或优惠券

    • 为每个推广渠道生成唯一二维码、优惠券

    用户调查

    用户身份识别
    IDFA,20年IOS14版本后,新版本设备基本无法获取设备的IDFA;安卓是设备IMEI号,安卓10.0版本后,基本无法获取;

    通用ID,获取设备多维信息,比如内存,cpu等,通过算法生成用户唯一标识;
    媒体或第三方机构推出的ID体系,比如:
    中广协的CAID,热云数据的CAID,腾讯灯塔的QIMEI,阿里的UTDID等;
    基本原理:
    通用id基本原理

    用户身份识别的层次:
    设备级(可能使用不同设备) <- 用户账号级(可能不同人使用同一账号) <- 人的唯一性标识(比如身份证)

    – 参考自 smei

  • 相关阅读:
    记一次MySQL崩溃修复案例,再也不用删库跑路了
    SpringCloud-Ribbon负载均衡
    [发现了好东西] MS teams 使用-表情小窗口
    四、集合
    设计模式之设计原则
    D. Divide and Summarize(BFS+二分+预处理)
    【Python大数据笔记_day10_Hive调优及Hadoop进阶】
    python笔记二【string】
    【算法练习Day47】两个字符串的删除操作&&编辑距离
    SQL(Structured Query Language)简介和常见 SQL 命令示例
  • 原文地址:https://blog.csdn.net/me_to_007/article/details/126696131