不会做归因分析，难怪你的渠道转化与用户增长越来越差！
互联网线上广告比之传统广告来说，其数据被记录下来，可以用于数据分析，优化投放效果。线上媒体渠道仗着这些优势打着精准投放的概念一路收割广告主的预算。
我们知道用户点了这家渠道的广告，但是点了后安装没安装？
这次的下载量到底是哪家渠道带来的？下次又该买哪家？
除了用户引流之外，这个后期转化应该算谁的？怎么算更科学更合理？
传统广告的特点是覆盖广泛、粗略区分目标人群、不能追踪效果。而互联网广告则可定向投放，也可追踪效果，二者同样重要。相信广告主们多注重研究定向，却很少关注归因吧。大数据技术带来的定向投放确实很有吸引力，比如搜索“旅游”，平台会给不同的人展示不同的产品与广告，定向对广告主而言看起来很划算，但是人总是有局限的，不结合归因，你怎么知道粗放定向还是更精细的定向哪个效果更好？
大部分广告主在投放APP时都会采用多渠道组合推广的方式，比如一个海外APP投放，会采用Facebook、Google、苹果竞价广告或其他媒体渠道等多种渠道组合的广告购买行为。
在实际应用中，归因操作更复杂，比如说，某用户看了信息流广告、点击了社交广告、然后在搜索引擎广告中完成下载行为，那么这个转化应该怎么算？某用户通过QQ客户端下载APP之后没有其他APP内部转化行为，这个渠道又怎么判断？再比如电商类用户看了电商广告产生了内部转化行为，那他更进一步的复购、活跃到什么样的程度？这些都可以通过归因把整个环节串联起来，做到更综合科学的判定与回溯，以此进行投放与运营各层面的有效优化。
严格意义上讲，归因模型大约有10种左右，而归因分类则大体分为单触点和多触点两类。为了方便理解，溪姐给大家介绍四种常见的归因模型。
1、最终互动模型：100%分配给转化前用户最后一次接触的媒体，这样也容易测量，但属于单触点模式，不完善，适合转化型广告主。
2、首次互动模型：100%分配给第一次接触的渠道，只考虑最初的品牌认知、不考虑转化，适合全新品牌。
3、时间衰减互动模型：配比按时间递减，适合临时促销广告。
4、自定义互动模型：自定义个阶段配比，适合销售和品牌同样重视的广告。
在实际用户转化路径中，用户在今日头条看见并点击了苹果手机广告，又在朋友圈点击了推送广告，回去之后在PC端用百度搜索了苹果新机型，然后点击百度上京东商城广告，在京东商城完成购买行为，这是比较常见的从广告展现到用户转化的流程，如果采用最终互动归因模型，只会对百度出现的京东商城广告做效果考核，而那些前置广告因素所产生的广告行为则不计算，等于说100%给最终接触的渠道。
如果按首次互动模型，则将效果归因给今日头条广告，无论是首次互动还是最终互动，这两种都属于单触点归因模式，在多渠道组合投放中这种归因方式比较片面。用户接触的各个渠道，它体现了展示率，而且可能对用户来说产生了转化，采用单触点归因，对于其他广告形式来说是非常不公平的，因为它在用户整个购买过程中也起了作用。
更科学的归因方法需要考虑用户的综合行为，也就是我说的多触点归因，它通过一套算法或者模型去做分配，举个例子，用户在百度看见广告，但是没有完成购买行为，第二天再通过今日头条完成了购买行为我会分出70%的效果给今日头条，而30%的效果则给百度。多触点归因会通过跨设备，跨屏，跨渠道去综合评估，给出一个更合理的效果分配比例。上图中提到的时间衰减互动和自定义互动模型则属于多触点归因。
它主要通过搜索广告归属API，跟踪和归因于来自搜索广告的应用下载。优点在于，通过苹果归因API信息可以为不同的关键词、广告组和受众群体优化你的CPT和CPA目标。
从结果来讲，苹果归因API仍然是比较简单粗略的，它可以追溯每一个下载来自于哪一个关键词，但往下的话就提供不了了。而广告主不仅想知道每一个下载来自哪个关键词，可能还想看注册数，看付费比率，甚至关于用户的更多画像信息等等，这时就需要使用更专业更系统的第三方归因工具。
只有更详细更科学的归因数据，才能更好地指导苹果竞价广告ASM投放的优化工作，量江湖归因作为独立第三方归因工具，通过监测点击数据和转化数据，将外部数据汇总，此外，通过SDK去采集APP内部数据，然后通过APP数据进行一步一步的归因，最终归到哪个关键词带来这个用户，他有没有注册，有没有付费，甚至说有没有其他的深度行为，归因做的其实是一个连接作用，将数据全部打通，从而得到更准确的分析数据。
除了嵌入SDK外，更重要的是做定制化埋点方案。在什么地方做埋点很重要，举例说，在APP注册页埋一个点，就可以得到用户注册信息，在会员服务处埋点，就能知道哪些用户购买了相关服务，诸如服务的种类、服务的金额、用户的账户，在各个关键部位埋点能帮助完整记录用户每一步的行为，获得各类数据。
最后根据收集来的数据进行分析，可以明确下载来自哪个词，比如知道一个词带来了1000个用户，这1000个用户有600个注册用户，200个完成付费行为，进而指导下次的投放。从渠道管理来讲可以用以判断渠道的质量，合理优化渠道投放策略，节省推广成本，并提升渠道转化效率。从用户增长角度来看，可以用于判断某个词的质量和效果，从而优化关键词，提升用户增长。
上文只是以苹果竞价广告归因为例，在实际操作中归因还可以结合大数据技术展开更多有实用价值的精细化运营动作，比如针对多渠道进行多触点归因分析、数据反作弊、APP用户画像分析。当然，这些都是为了更高效的控制成本，提升转化。
1、监控基于ASM投放、不同渠道、不同广告组的CPA转化数据，用于优化投放方案
有些广告主，只想看用户注册率是多少，我们只需在注册页面做埋点即可。有些广告主KPI要求不一样，比方说电商类我会在购物车、购买成功的环节都去做埋点，然后收集相关数据做分析。此外，还能监测非ASM的其他渠道的CPA转化数据，从而获取推广投放的全路径数据，提供实时可自定义的数据报告和渠道质量评估分析，有助于广告优化并最大化提升APP推广效果。
2、建立APP用户画像分析，用于用户精细运营
在APP内通过SDK采集到的用户数据并不是特别的多，但是如果有大数据基础的话，则可以针对该用户结合其他外围海量数据做分析，获得更全面的APP用户画像分析，所谓更全面的用户画像，是指你获得60%用户画像是不足以支撑用户运营，但是如果数据非常多的情况下，可以把准确率提高到90%，数据的量级，会决定后续数据分析的准确性。而用户画像分析则可以用于用户运营优化的各个层面。
这里所说的反作弊主要是针对ASM竞价广告的反作弊，主要针对竞价中关键词被恶意刷点击的情况，在操作中通过设置一个阈值来进行实时智能处理，比如一分钟内，如果平均展示量是100，点击次数50，当数值超过以往平均值的数倍，系统自动进行暂停的动作。这个可以有效防止ASM恶性竞争和渠道作弊行为，有效阻止虚假流量，你的真实流量自然就上来了。（关于安卓系的反作弊更为复杂，感兴趣的同学可以关注量江湖APP反作弊）
实现以上这些功能需要基于大量数据积累，专业的数据建模能力，分布式实时处理数据的能力，以及后期数据分析的维度，这些都会使结果趋于更准确。比如采用实时流式计算平台，转化数据通知无延迟、无丢失，实时处理上也就会有更高的准确性。关于技术的部分就不多赘述。
后记：
没有归因分析，不去做追溯，你就无法知道广告花费到底浪费在哪个环节，在传统广告时代，根本无法进行科学的效果评估，在大数据技术逐渐完善的今天，有了实现归因分析的土壤，归因才得以展现运营的价值。归因是精细化运营必不可少的利刃，一次归因可能会让成本节省30%，让转化提升50%。说到底，归因就是要撕开一条新鲜的运营口子，抓住被忽视却大有价值的流量与新增。
