谈谈归因模型

谈谈归因模型

我们社群里一位大厂负责运营的同学曾吐槽:“对于广告点击,遇到最大的的疑惑就是,广告平台的下载数据和app增量数据永远对不上。而且差异巨大。感觉归因问题,也变成了研发说了算,到最后的分析颗粒度,就变成了安卓和IOS · 由于各种原因,市场渠道越来越不敢在移动端投入。“ 今天我们就谈谈渠道归因到底是什么?

通过跨线上渠道,线上和线下渠道以及用多种设备来识别用户是数字广告非常关键的一部分,它让广告主能够更好地理解他们的用户是如何与品牌互动的,以及让广告主知道该如何改善用户体验。

但更重要的是,这些方式能帮助他们去对转化和目标进行归因。

什么是归因?

归因是确定用户在完成广告主或营销商设定的目标之前的一段特定特定时内,在用户旅程中所经历的不同营销渠道的不同接触点对达成转化目标的贡献价值评估。归因让广告主和营销商可以了解哪些接触点有效而哪些接触点无效,从而对广告进行针对性的改进。

归因一直是广告和营销中非常重要的一部分,但归功于数据和技术的发展,如今的广告主和营销商能够更准确地去针对转化效果进行归因。

本章介绍了当用户在线上线下和在不同设备上转换时我们可以进行识别和跟踪的方法,并介绍了针对转化归因的一些技术。

什么是用户旅程?

用户旅程是指用户从第一次了解品牌到完成广告商或营销商定义的目标(例如购买或下载)期间所经过的路径。

尽管每个用户都会有不同的用户旅程,但它对广告主和营销商来说,这是一个有用的工具,可以帮助他们了解用户旅程的不同阶段以及一个用户是如何影响他们完成目标的决定的。

在用户旅程中,用户与品牌的每次互动都被称为接触点。

什么是接触点?

接触点是指用户与品牌在不同渠道上的互动。

下面举一些接触点的例子:访问网站,访问店铺,浏览商品,看广告,看视频,进行评论,电子邮件等等。可以看到,用户不必直接与接触点进行交互就可以进行接触点的计数。如果用户看到了某个品牌的展示广告,但没有点击它,那么它仍可被视为接触点。

通常这些接触点会影响用户对品牌的看法。广告商和营销商将根据用户在用户旅程中的不同位置(如产生意识,考虑和购买),根据不同的接触点定制营销方案。例如,他们会通过投放广告让用户了解他们的产品:针对那些之前访问过他们网站的用户,在这些用户的Facebook上呈现更多的相关广告,以鼓励用户产生购买行为。

接下来,我们来看一些不同类型的归因模型。

跨线上归因模型

跨线上归因可以识别用户在完成既定目标前,在不同的线上渠道中所经历的接触点。

大多数在线广告的目标都是吸引用户去访问网站,广告主和营销商可以查看一些网络分析工具提供的归因报告,如MarTech平台中的营销自动化平台和归因软件,和dTech平台中的广告服务器。

跨线上归因主要有两种类型:渠道间和渠道内。渠道间归因关注的是跨不同渠道的接触点,渠道内归则更加着眼于某一渠道中的接触点。

跨线上归因是如何实现的?

当需要检测用户在其用户旅程中经历了哪些线上渠道和互动时,我们可以通过以下几种方法实现:

当一个用户是从某个在线渠道进入到你的网站时,最简单的方法是使用HTTP协议中的Referrer字段。

Referrer字段把浏览器的每个请求一起传递到Web服务器。这是标准HTTP GET请求的示例:

GET / HTTP/1.1
Host: clearcode.cc
DNT: 1
Accept-Language: en-us
Accept-Encoding: gzip, deflate
Referrer: http://publisher1.com/article-about-adtech.html
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/603.3.8 (KHTML, like Gecko) Versi

在此示例中,用户正在阅读Publisher1.com上的文章,然后单击链接(或广告)进入到https://clearcode.cc。

网络分析工具以及AdTech和MarTech平台将显示以下referrer字段:

Direct

如果将访问标记为direct,则意味着referrer信息是未知的。可以将referrer标记为direct的原因有很多,例如:

用户在浏览器的网址栏中输入URL或从书签中访问该URL。

用户从子域进入网站,例如,他们首先访问的是 Publisher1.com,然后单击了一个链接进入到 blog.publisher1.com。

用户单击了本地手机app中的链接或广告,该链接或广告在URL中不包含UTM参数(例如publisher1.com /?utm_campaign = native-app)。

存在一些技术问题导致引荐来源网址丢失,例如单击从安全网站(https://)到不安全网站(http://)的链接。下表说明了安全网站和不安全网站之间何时发生referrer丢失:

HTTP协议

referrer通过/丢失

https:// 到  http://

Referrer 丢失

http:// 到  https://

Referrer 通过

http:// 到 http://

Referrer 通过

https:// 到  https://

Referrer 通过

由于当今大多数网站都使用安全的https://协议,因此这已经不成问题了。

Organic

Organic流量来自搜索引擎,例如Google搜索,Bing和DuckDuckGo。

如果广告主或营销商正在投放付费搜索广告,则这些广告将被标记为“campaign”(见下文)。

Social

来自Facebook,LinkedIn,Twitter和YouTube等社交媒体网站的访问被标记为“social”。

Website

当用户单击了某网站上的链接并连接到广告主的网站时,则将referrer归类为“website”。

Campaign

当用户登陆的网站包含UTM参数时,referrer会被记录成“campaign”。在这种情况下,referrer字段将被忽略,并使用UTM参数来决定referrer。

有些AdTech和MarTech平台会将这类referrer列为“campaign”,而其他平台会将其标记为“Paid social”或“Paid search”,具体取决于UTM参数中包含的信息。

例如,如果用户单击LinkedIn的广告并连接到包含以下UTM参数的网站时,则referrer可以被记录为“Campaign”或“Paid social”。

?utm_source=linkedin&utm_medium=ad&utm_campaign=linked-ad

同样的,如果用户点击Google上的付费搜索广告并连接到包含以下UTM参数的网站时,则referrer可以记录为“Campaign”或“Paid search”。

?utm_source=google&utm_medium=ad&utm_campaign=paid-search-ad

每当用户来自不同的渠道时,都会开始一个新的会话(访问)并记录referrer信息,这可以帮助绘制用户旅程。

在线归因模型

我们已经了解了如何检测不同的线上渠道,现在我们将研究不同的在线归因模型。

1. 最终点击归因模型

在最终点击(又称为最终交互或最终接触)归因模型是最经典的归因模型,它仍然是许多网络分析,MarTech和AdTech平台的默认模式。

最终点击归因模型将100%的转化效果归因于给最后一次已知的引荐(referrer),点击或流量来源。例如,如果在转化之前的最后一个动作是直接输入,则100%的转化效果将归因于直接输入。

尽管最终点击模型是最简单的归因模型之一,但它忽略了用户旅程中的所有其他接触点,这可能会导致在选择需要优化的渠道时做出错误的决策。

2. 最终非直接点击归因模型

最终非直接点击归因模型与最终点击归因模型很像,但它会从方程直接访问。使用这个模型,100%的转化效果归因于最近一次不是直接访问的引荐(referrer)。

下面是这个归因过程的示例:

用户先单击Facebook上的链接,然后连接到您的网站。他们浏览了您的网站,然后离开。之后,他们在地址栏中输入您的网站并下载了其中的一本电子书。

由于第三步是直接访问,因此最后一个非直接归因模型将忽略此操作,并将100%的转化效果分配给Facebook。

该模型比最终点击模型更好,但是仍然没有考虑用户在其用户旅程中遇到的其他接触点,也可能导致错误的决策。

3. 首次点击归因模型

在首次点击(又名首次交互或首次接触)归因模型类似于前两个模型,只是它把用户旅程中的100%的转换效果分配给了用户旅程中的首次点击或引荐(referrer)。

与最终点击和最终非直接归因模型一样,该模型也有相同的缺点。

4. 线性归因模型

线性归因模型会平等地对待把用户旅程中转化路径上的所有接触点。

虽然这个模型会平等地对每次转化都进行评估,分配相等的权重和比例,这种情况很少发生,但对于了解用户旅程还是很有用的。

5. 时间衰减归因模型

时间衰减归因模型是线性模型的变形。

使用这种归因模型,在时间上最接近转化的接触点,获得的权重更高;而接触点与转化的距离越远,其权重“衰减”就越大。

这种方法不仅可以了解用户旅程的全貌,而且可以根据每个接触点之间的时间差为每个接触点分配一定的权重。

该模型假设最近的接触点是影响用户转化的接触点,但事实可能如此,也可能不是。

6. 基于位置的归因模型

基于位置的归因模型会抓住客户旅程中的所有接触点,并根据它们在转化路径中的位置为其分配权重。

该模型会给用户旅程中的第一次和最后一次交互更多的权重,其余的权重会分配给剩下的接触点。

对于广告主来说,这个模型通常是一个不错的选择。因为它提供了用户旅程的概况,并为两个最重要的交互(即第一次交互和最后一次交互)分配了较大的权重。

7. 自定义归因模型

某些AdTech和MarTech平台可让您创建自定义归因模型,广告主可借此创建他们自己的规则来在用户旅程中归因接触点。

对于广告主而言,这通常是一个不错的选择,因为他们可以考虑更多他们的活动,用户和用户旅程的细节。

上述的这些在线归因模型都是针对于一种设备(例如:一台笔记本电脑或手机)和浏览器(例如:Safari,Firefox或Google Chrome)。如果我们想归因来自不同设备和浏览器的转化,则必须用跨设备归因。

跨设备归因

跨设备归因旨在记录用户通过多个接触点和设备与某品牌之间的互动,并最终对转化效果进行相应的归因。在线归因模型旨在跨不同渠道进行归因转化,而多点归因则是旨在跨不同浏览器,设备以及渠道进行归因转化。

跨设备归因如何工作?

AdTech和MarTech公司使用Cookies来归因不同渠道之间的在线转化(通常是第三方Cookies)。

但是,由于Cookies只绑定了一台设备和一个浏览器,因此无法将它们导出到另一台设备,这意味着它们对于跨设备归因没有用。

为了能够跨不同浏览器和设备之间来归因转化效果,测量公司会使用确定性匹配,概率匹配的方法或将两者进行结合。

确定性匹配使用通用标识符(例如电子邮件和手机号码)来识别和匹配不同设备上的用户。

概率匹配使用不太常见的数据(例如IP地址和位置数据)来识别和匹配设备上的用户。由于数据不如确定性数据那么准确或唯一,因此概率匹配还使用算法和统计模型进行匹配。

为了使用这些方法进行跨设备归因,AdTech和MarTech公司将创建收集和包含这些数据的用户个人资料。

确定性匹配和概率匹配实际的归因过程相似,主要区别在用于识别用户和归因转化的数据。

对于像Google和Facebook这样的围墙花园(指把用户限制在一个特定的范围内,允许用户访问指定的内容,同时防止用户访问其他未被允许内容的平台。),对于独立AdTech公司来说,用确定性匹配来实现归因转化会简单的多,这是因为它们收集的数据类型(例如电子邮件和姓名)以及许多用户会在不同设备上使用Facebook或Google帐户。

如果品牌商,代理商和独立AdTech的公司(如DSP)的要进行跨设备的归因,那么他们就需要使用一个DMP(如LiveRamp)或跨设备测量平台(如Tapad)。

这些公司将从线上线下的各种来源收集来用户数据,创建用户资料并生成画像(有时称为身份,ID或设备图形)。然后,品牌、代理商和科技公司将这些图用于识别,广告定位和归因。

线下到线上归因

即使广告和营销正在向在线的方向蓬勃发展,但它们仍然需要将线下与线上数据结合起来,并对线下与线上的来源对进行归因和用户跟踪。

例如,对于广告主而言需要了解一个广告位上的广告导致了网站的访问还是在线转化。

线下渠道包括:直邮,传统的户外广告(包括户外OOH和数字户外DOOH广告),电话销售,TV等。

以下是广告主将线下广告展示次数与在线转化相关联的最常见方法:

Vanity URLs

Vanity URLs是通常为特定广告活动创建的域名。它们旨在匹配公司的品牌,易于记忆,并且比目标网页的实际网址短。公司使用Vanity URLs来推广新产品或服务,并将其用于户外,电视和广播广告中。

例如,广告主可以使用newproduct.com来代替使用诸如company1.com/new-product?utm_source=ooh&utm_medium=billboard-airport&utm_campaign=new-product 之类的URL。

Vanity URLs 可以将用户带到专用的着陆页(例如,newproduct.com)或将他们重定向到其他着陆页(例如,company1.com /new-product)。无论使用哪种选项,Vanity URLs都会将用户重定向到目标页面,并添加广告系列跟踪参数以进行流量归因。

Vanity URLs有不同类型:

独立的Vanity URLs,例如 newproduct.com

子页面Vanity URLs,例如 company1.com/newproduct

缩短的Vanity URLs,例如 sv.ly/newproduct

Vanity URLs可用于衡量离线广告的覆盖面和影响,并将其归因于在线网站的访问和转化,但是它们并非100%准确,因为有些看过广告的用户以后可能会对产品或服务执行Google搜索输入Vanity URLs。这意味着由此产生的任何转化将归因于Google搜索而不是离线广告。但它仍然是衡量离线广告效果的一种有价值的方法。

限时归因窗口

衡量离线广告在线上网络流量和转化另一种方法是通过限时归因窗口。

该模型将在电视广告播出时间之后的一段时间(例如30分钟)进行分析,并寻找增加的流量和转化。

应用此模型时,广告主需要考虑以下因素:

窗口应该打开多长时间?例如,我们应该在广告播出30分钟或更长时间后查看流量和转化情况吗?

我们如何区分广告活动带来的流量和转化与未带来的流量和转化分开?

我们如何确定其他广告活动是否在归因窗口内影响了流量和转化次数的增长?

大多数AdTech和MarTech公司将归因窗口模型作为其测量产品的一部分,但通常仅限于一个渠道(例如显示)。如果广告主想要衡量离线广告对在线网络流量和转化的展示程度,则广告主将需要在其分析软件中手动设置此设置,或使用专们的归因工具。

在线调研

除了使用复杂的归因模型外,广告主还可以询问用户是如何找到该网站的。

尽管这是一种非常简单的方法,但它可以提供归因模型可能无法提供的宝贵反馈。

广告主可以使用三种不同方法实施在线调研:

  1. 当用户在填写购买/注册表格,或在确认页面上时。
  2. 当用户浏览您的网站时,打开一个侧边栏的弹出窗口,询问他们是否原因填写调查问卷(您可以提供优惠券作为奖励)。
  3. 当用户将离开网站时,打开一个弹出的调查问卷。

即使不是每个用户都会填写调研问卷,或一些用户只是随机选择一些进行填写,广告主仍将有足够的数据来将调研结果与其归因和流量来源数据进行比较。

优惠券

优惠券已经存在数十年了,但是它们在归因转化方面的受欢迎程度和有效性仍然很强大。

通过在营销中使用优惠券,广告主可以将转化归因于特定的离线渠道,这种方法通常比归因模型和技术平台更准确。

优惠券最适合直接邮寄广告活动和其他打印出的纸质广告,但是最好在每个广告活动中为每个客户发行唯一的优惠券。

邮政编码

从线上用户那里收集邮政编码可用于不同的线下广告活动,例如直邮和户外广告活动。

尽管此方法不太准确,因为您无法确定拥有这个邮政编码的人受到您的广告活动的影响,但你可以将其与上面列出的模型结合使用来提高准确性。

实际上,这种方法仅对电商或具有线下商店的公司有用,因为它们在会收集用户帐单和配送信息。

线上到线下归因

现在,让我们看一下广告主可以把在线活动(例如广告浏览和点击)归因到线下购买的几种方式。

信标

信标是支持蓝牙的设备,可以在手机和平板电脑等移动设备之间来回传输信号。

当放置在实体店中时,它们可以用于向特定半径内的设备发送推送通知,并收集有关设备本身的数据。后者可以帮助将在线活动(例如广告点击和手机app活动)归因至线下购买。

POS上的邮政编码

刚刚讲了有关广告主如何使用邮政编码将线下广告归因于线上转化的信息,当然你也可以反向使用它们。

从客户那里收集邮政编码的最常见方法之一是在销售点(POS)询问他们。然后,广告商可以将商店中的邮政编码与在线广告活动报告中的位置数据进行匹配。

但是,与将邮政编码用于线下和线上归因类似,这种方法也不是很准确,最好用作其他归因方法的补充。

多设备消费者之旅及其带来的技术挑战

在在线广告的早期,在线用户旅程都是在一台设备上进行的,主要是使用的是笔记本电脑。

现如今,消费者使用支持Internet的设备进行各种操作,从在笔记本电脑的社交媒体上发现新产品,到通过平板电脑上的Google搜索航班,再到在手机上阅读电子邮件。新一代的多设备用户带来了跨设备客户的旅程。将其与线上线下广告以及活动结合起来。所以不难理解为何归因对广告主而言是如此难以捉摸。

在Google和数据管理平台(DMPs)中找到了解决这类问题的方法。

Google不仅拥有多种面向消费者的产品来收集确定的用户数据,而且还拥有几种可以将所有跨设备数据以及线上线下数据结合在一起的广告和分析产品。

像LiveRamp和Neustar这样的DMPs使用将多种线上和线下来源、设备的用户数据组合在一起,并创建可用于归因的身份画像和用户资料,来帮助连接各个点。

但是,随着Web浏览器中第三方Cookies可用性的降低,归因变得越来越困难。

正如本章所述,归因是提高广告活动效果的重要组成部分。但是在某些领域会严重影响在线广告活动的效果和成本,其中广告欺诈和广告可见度就是两个典型的例子。

作者:Clearcode团队

译者:马佳韵,京东产品经理实习生

审核:顾青

相关新闻