归因最佳实践

上次更新: 2023-03-14
  • 主题:
  • Attribution
    查看有关此主题的更多信息
  • 创建对象:
  • User
    Admin

为您的组织选择适合的归因模型取决于许多考虑因素。本文探讨了一种方法论和一些通用的最佳实践。

步骤 1:探索性分析

注意

此分析需要在您选择归因模型之前进行。

此阶段最初包括了解客户行为和定义转化量度。根据转化量度,数据馈送(针对原始数据)或 Analysis Workspace 等工具可以帮助您更好地理解:

  • 在转化前接触了不同的营销渠道的客户数量
  • 这些行为的比例/分布

例如,如果 50% 的客户在转化前接触了 3 个渠道,这 3 个渠道之间有什么互动吗?然后,您可以进行漏斗上层和漏斗下层分析以扩展您的理解。

漏斗上层分析

漏斗上层分析渠道用于创建品牌和产品意识。 例如,大部分电视广告的目标是品牌意识。您可能使用“时间衰减”归因模型,因为随着时间的推移,人们会忘记您的电视广告。

漏斗下层分析

在漏斗下层分析中,假设客户已经知道您的品牌,您希望将其转化。 使用电子邮件、推送通知或 Facebook 广告。

步骤 2:基于规则的归因

此步骤的目的是验证您的假设。

示例 1

假如您的假设是“我的第一次接触渠道比最后一次接触渠道对转化的影响更大”。

在这种情况下,您会使用“反向 J 型”归因模型来检验这个假设。 此模型将 60% 的点数分给第一个接触点。

示例 2

假如您的假设是:“在我们的行业(例如,旅游业)中,归因时段为 60 或 90 天,而不是 30 天,因为客户在购买产品之前会进行大量研究。”

在这种情况下,您会将回溯时段更改为 90 天。

步骤 3:使用算法归因

如果您还没有归因模型可以为您的所有问题提供令人满意的答案,您可以使用算法归因。 因为要验证大量可能的假设和组合非常困难,所以可以使用算法归因,让内置算法来跨维度项目分配信用。

其他注意事项

  • 您可能需要使用数据科学家的服务,而不是仅仅依靠 Analysis Workspace。
  • 您可以依赖原始数据,就像在 Adobe 数据馈送中一样。
  • 例如,如果您需要考虑展示数据,则可考虑使用 Customer Journey Analytics

在此页面上