12 归因分析

通过在线渠道、在线和离线渠道以及众多设备识别用户是数字广告的关键部分，因为它可以让广告商更好地了解其受众如何与品牌互动，并改善客户体验。
但更重要的是，它允许他们确定转换和目标的归因。

什么是归因？

归因是识别消费者在完成广告客户或营销人员设定的目标之前的一段时间内与哪些接触点互动或接触到哪些接触点的过程。归因允许广告商和营销人员通过了解哪些接触点有效，哪些不有效来改进他们的活动。
归因一直是广告和营销的一部分，甚至在互联网出现之前，但正是通过使用数据和技术，今天的广告商和营销人员才能更准确地进行属性转换。
在本章中，我们介绍了用于识别和跟踪用户在离线和在线世界以及不同设备之间移动的方法，并介绍了用于归因转换的各种技术。

要了解如何记录转换，请阅读第08章。跟踪和报告AdTech平台中的印象、点击和转换。

什么是客户旅程？

客户（又名用户）旅程是一个人从第一次意识到品牌到完成广告商或营销人员定义的目标（例如购买或下载）的过程。
虽然每个人都有不同的客户旅程，但广告商和营销人员了解客户旅程的不同阶段以及一个人的互动如何影响他们完成目标的决定是很有用的。
一个人在客户旅程中与品牌的每一次互动都被称为接触点。

什么是接触点？

接触点是用户在不同渠道上与您的品牌进行的互动。
但是用户不需要与接触点进行实际交互，就可以计算。例如，如果用户看到一个品牌的展示广告，但没有点击它，那么它仍然被归类为接触点。
接触点示例包括：

• Website visits
• Product views
• Reviews
• Blog posts
• Ebooks and whitepapers
• Digital ads
• Social media content
• Videos
• Emails
• Store visits
  在许多情况下，这些接触点会影响一个人对你的品牌的认知。
  广告商和营销人员将根据用户在客户旅程中的位置（例如意识、考虑和购买），在不同的接触点上定制消息。
  例如，广告商和营销人员可以运行显示广告，让人们了解他们的产品。然后，他们可以在脸书上针对访问过他们网站的人进行重新定位的广告活动，以鼓励他们购买。

在线到在线归因模型

在线到在线归因识别用户在跨不同在线渠道完成目标之前拥有的接触点。
由于大多数在线广告活动的目标是引导用户访问网站，广告商和营销人员查看由网络分析工具、MarTech平台（如营销自动化平台和归因软件）和AdTech平台（如广告服务器）提供的归因报告。
在线到在线归因有两种主要类型

• inter-channel

• intra-channel.

  
  
  Inter-channel attribution looks at touchpoints across different channels.

Intra-channel attribution looks at touchpoints in the same channel.

在线归因是如何工作的？

当涉及到检测用户在其客户旅程中的在线渠道和交互时，有几种方法可以做到这一点。
最简单的方法是，当用户从在线渠道被引导到您的网站时，使用HTTP协议中的Referer字段。
referer字段随每个请求一起从浏览器传递到web服务器。以下是标准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) Version/10.1.2 Safari/603.3.8

在本例中，用户正在阅读publisher1.com上的一篇文章，然后点击一个链接（或广告），并被定向到https://clearcode.cc.
网络分析工具、AdTech和MarTech平台将显示以下referer：

direct

当一次访问被标记为直接访问时，意味着不知道referer的信息。
推荐人可以标记为直接的原因有很多：

• 用户在浏览器的网址栏中输入URL，或从书签中访问。
• 用户从子域进入网站，例如，他们第一次访问publisher1.com，然后点击一个链接，将他们带到blog.publisher1.com。
• 用户在URL中不包含UTM参数的本native mobile app中单击了链接或广告（e.g. publisher1.com/?utm_campaign=native-app）。

• 有一些技术问题导致了referer的丢失，例如单击从安全网站（https://）到不安全网站（http://）的链接。下表说明了在安全网站和不安全网站之间发生referer丢失的情况：

  
  
  1657755035489(1).png

由于现在大多数网站都使用安全的https://protocol，这不是什么问题。

Organic

有机流量来自谷歌搜索、必应和DuckDuckGo等搜索引擎。
如果广告客户或营销人员正在运行付费搜索广告，则这些广告将被标记为“campaign”（见下文）。

Social

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

Website

当用户单击网站上的链接并指向广告客户的网站时，它被归类为“网站”推荐人（如上面的示例）。

Campaign

当用户登陆的网站包含UTM参数时，会记录“Campaign”引用。在这种情况下，将忽略referer字段，并使用UTM参数确定referer。
一些AdTech和MarTech平台只会将该referer列为“Campaign”，而其他平台则会将其标记为“付费社交”或“付费搜索”，具体取决于UTM参数中包含的信息。

例如，如果用户单击LinkedIn广告并被引导到包含以下UTM参数的网站，则推荐人可以被记录为“Campaign”或“Paid social”。

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

类似地，如果用户点击谷歌上的付费搜索广告，并被引导到包含以下UTM参数的网站，则推荐人可以被记录为‘Campaign’或 ‘Paid search”。

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

每次用户来自不同的渠道时，都会启动一个新的会话（访问），并记录推荐人信息，这有助于绘制用户旅程的图片。

在线归因模型

现在我们知道了如何检测不同的在线渠道，我们现在来看一下不同的在线归因模型。

1.Last Click归因模型

最后一次点击（又称最后一次交互或最后一次接触点）归因模型是其中最古老的模型，尽管有许多新的归因模型，但它仍然是许多web analytics、MarTech和AdTech平台中的默认模型。
最后点击归因模型将100%的转换分配给最后一个已知的引用、点击或流量源。
因此，如果转换之前的最后一个操作是direct entry，那么转换的100%将归因于direct entry。

image.png

尽管该模型是最简单的模型之一，但它忽略了客户旅程中的所有其他接触点，这可能会导致在选择要优化的渠道时做出糟糕的决策。

2、最后一个非直接归因模型

最后一个非直接归因模型与最后一个点击归因模型非常相似，但它从等式中删除了直接访问。
在这种模式下，100%的转换归因于最后一次非直接访问的已知referral 。
以下是该过程的示例：

1. 一个用户点击脸书上的一个链接，并被指向你的网站。
2. 他们浏览你的网站，然后离开。

3. 他们稍后会将你的网站输入他们的地址栏，然后下载你的一本电子书。
   因为第三步是直接访问，最后一个非直接归因模型将忽略这一点，并将100%的转化率分配给Facebook。

   
   
   image.png
   
   

   该模型优于最后一次点击模型，但仍然没有考虑到一个人在其客户旅程中的其他接触点，也可能导致错误的决策。

3、首点击归因模型

第一次点击（又名第一次互动或第一次触摸）归因模型与前两种类似，只是它将100%的转换分配给客户旅程中的第一次点击或推荐人。

image.png

该模型与最后一次点击和最后一次非直接归因模型具有相同的缺点。

4、线性归因模型

线性归因模型将转换均匀地归因于客户旅程中的所有接触点。

image.png

尽管该模型对每次转换的价值相等（这种情况很少发生），但它对于获得客户旅程的概述很有用。

5、时间衰减归因模型

时间衰减归因模型是对线性模型的修改。
通过这种归因模型，在时间上最接近转换的接触点获得了最多的信任。
其余的接触点根据它们离转换的距离给予积分。简而言之，接触点离转换越远，其信用“衰减”越大。
它不仅提供了客户旅程的全貌，还根据每个接触点之间的时间差为每个接触点分配了一定的权重。

image.png

上图说明了如何将不同的接触点归因于转换。
该模型假设最近的接触点是影响用户转换的接触点，情况可能是这样，也可能不是这样。

6、基于职位的归因模型

基于位置的归因模型获取客户旅程中的所有接触点，并根据其在转换路径中的位置为其分配信用。
该模型更加重视客户旅程中的第一次和最后一次交互。其余归因积分在其余接触点之间分配。

image.png

这种模式通常是广告商的好选择，因为它提供了客户旅程的概述，并将信用分配给两个最重要的交互-第一个和最后一个交互。

7、自定义归因模型

一些AdTech和MarTech平台允许您创建自定义归因模型，广告商可以根据这些模型为客户旅程中的接触点设置自己的归因规则。
对于广告商来说，这个选项通常是一个不错的选择，因为他们可以考虑其活动、客户和客户旅程的具体情况。
上述在线归因模型只针对一种设备（如笔记本电脑和智能手机）和网络浏览器（如Safari、Firefox和Google Chrome）。如果我们想从不同的设备和web浏览器对转换进行属性化，那么我们必须使用跨设备属性。

跨设备归因

跨设备归因旨在记录用户在多个接触点和设备上与品牌的互动，并最终进行相应的属性转换。在线归因模型旨在跨不同渠道进行属性转换，而跨设备归因旨在跨不同网络浏览器和设备以及渠道进行属性转换。
下面是一个跨设备归因的示例：

image.png

跨设备归因是如何工作的？

为了确定不同渠道之间的在线转换，AdTech和MarTech公司使用Cookie，通常是第三方Cookie。
然而，由于Cookie绑定到一个设备和一个web浏览器，因此它们无法导出到另一个设备，这意味着它们对于跨设备归因是无用的。
为了跨不同的web浏览器和设备进行属性转换，测量公司使用确定性匹配、概率匹配或两者的组合。
我们在前一章（10.用户识别）中解释了这两种方法是什么以及它们是如何工作的，但这里是一个概述：
确定性匹配使用通用标识符（如电子邮件地址和电话号码）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片段（如IP地址和位置数据）来识别和匹配设备中的用户。由于数据不如确定性数据准确或唯一，概率匹配也使用算法和统计建模进行匹配。
为了使用这些方法进行跨设备归因，AdTech和MarTech公司将创建收集并包含这些数据的用户配置文件。
以下是如何将确定性匹配和概率匹配用于跨设备归因的两个示例：

跨设备属性的确定性匹配

image.png

跨设备归因的概率匹配：

image.png

正如我们在上面的例子中所看到的，对于确定性匹配和概率匹配，实际的归因过程是相似的。主要区别在于用于识别用户和转换属性的数据。

对于像谷歌和脸书这样有围墙的花园来说，使用确定性匹配的属性转换要比独立的AdTech公司容易得多，因为他们收集的数据类型——例如电子邮件地址和姓名——并且因为许多用户会在不同的设备上使用他们的脸书或谷歌帐户。

如果品牌、机构和独立的AdTech公司（如DSP）希望进行跨设备归因，那么他们需要使用LiveRamp之类的DMP或Tapad之类的跨设备测量平台。

这些公司将从不同的在线和离线来源收集用户数据，创建用户profile，并生成一个图形，有时也称为身份图、ID图或设备图。然后，品牌、机构和科技公司使用这些图表进行识别、广告定位和归因。

image.png

虚拟URL

虚拟URL是通常为特定广告活动创建的域名。它们的设计与该公司的品牌相匹配，易于记忆，并且比登录页的实际URL短。公司使用虚拟URL来推广新产品或服务，并在OOH、电视和广播广告中使用它们。
例如，并不是像 a URL like
company1.com/new-product?utm_source=ooh&utm_medium=billboard-airport&utm_campaign=new-product，广告客户可以使用newproduct.com.

虚拟URL可以将用户带到专用登录页（例如newproduct.com）或将其重定向到其他登录页（例如company1.com/newproduct）。无论使用哪种选项，虚拟URL都会将用户重定向到目标页面，并为流量归因添加活动跟踪参数。
有不同类型的虚荣URL：

• Standalone vanity URLs, e.g. newproduct.com
• Subpage vanity URLs, e.g. company1.com/newproduct
• Shortened vanity URLs, e.g. sv.ly/newproduct

虚拟URL有助于衡量离线广告活动的范围和影响，并将其归因于在线网站访问和转换，但它们并非百分之百准确，因为一些看到广告的用户可能稍后会在谷歌上搜索产品或服务，而不是键入虚拟URL。这意味着由此产生的任何转换都将归因于谷歌搜索，而不是离线广告。
然而，这仍然是一个有价值的方法来衡量一个离线广告的有效性。

时间限制属性窗口

另一种衡量离线广告对在线网络流量和转换的暴露程度的方法是通过有时间限制的归因窗口。
该模型分析电视或广播广告播出后的一段时间（例如30分钟），并寻找网络流量和转化率的增加。
在应用该模型时，广告商需要考虑以下因素：

• 时间窗口应该开多久？比如，我们应该在广播广告播出30分钟后或更长时间后查看网络流量和转化率吗？
• 我们怎样才能将暴露在活动中的流量和转换与未暴露在活动中的流量和转换区分开来？
• 我们如何确定在归因窗口期间其他活动是否影响了流量和转化率的增加？

大多数AdTech和MarTech公司提供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）。如果广告商想要测量在线网络流量和转换的离线广告暴露，那么广告商需要在其分析软件中手动设置，或者使用专用的归因工具。

在线调查

广告商可以简单地询问用户他们是如何找到自己的网站的，而不是使用复杂的归因模型。
虽然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见解。
广告商可以在三个不同的层面实施在线调查：

• 当用户填写购买或注册表格或在确认页面上时。
• 当用户浏览你的网站时，打开一个谨慎的边栏弹出窗口，让他们填写调查（你可以提供优惠券代码作为奖励）。

• 当用户离开网站时，打开弹出式调查。

  
  
  image.png
  
  

  即使不是每个用户都会填写调查或只是选择一个随机字段，广告商仍然有足够的数据将调查结果与他们的归因和流量源数据进行比较。

优惠券

优惠券已经存在了几十年，但其在归因转换方面的受欢迎程度和有效性仍然很强。
通过在营销材料中使用优惠券，广告商可以将转换归因于特定的线下渠道，通常比归因模型和技术平台更准确。
优惠券最适用于直接邮寄活动和其他印刷广告材料，但最好是为每个活动以及在可能的情况下为每个客户发行独特的优惠券。

邮政编码

从在线客户那里收集邮政编码可以用来衡量不同的离线活动，例如direct mail and out-of-home campaigns.
虽然这种方法不太准确——你无法确定某个邮政编码的人是否受到你的活动的影响——但它可以与上面列出的模型结合使用，以提高准确性。
这种方法实际上只适用于电子商务商店，或拥有线下和在线商店的公司，因为他们在购买过程中收集账单和交付信息。

线上线下归因

现在，让我们看看广告商将在线活动（如广告浏览量和点击量）归因于商店离线购买的几种方式。

Beacons

Beacons是支持蓝牙的设备，可以在智能手机和平板电脑等移动设备之间传输信号。
当放置在实体商店中时，它们可以用于向特定半径的设备发送推送通知，并收集关于设备本身的数据。后者可以帮助将在线活动（如广告点击和移动应用程序活动）归因于离线购买。

POS的邮政编码

你刚才读过关于广告商如何使用邮政编码将离线广告归因于在线转换，但它们也可以反过来使用。
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）。
然后，广告商可以将商店的邮政编码与在线广告活动报告中的位置数据进行匹配。与使用邮政编码进行离线和在线归因类似，这种方法并不十分准确，最好作为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，在线客户之旅是在一台设备上进行的，主要是台式机/笔记本电脑。
如今，消费者使用一系列支持互联网的设备，从在笔记本电脑上的社交媒体上发现新产品，到在平板电脑上通过谷歌搜索航班，再到在智能手机上阅读电子邮件。

image.png

这一新一代多设备用户带来了跨设备客户之旅。再加上线上和线下的广告和活动，不难看出为什么归因对于广告商来说是如此难以捉摸。
归因工具、分析平台和数据平台（如DMP和CDP）可以帮助广告商将印象和点击归因于跨不同渠道和设备的转换。
然而，网络浏览器和移动设备中越来越多的隐私变化意味着收集归因数据变得更加困难。
正如我们在本章中所看到的，归因是提高广告活动有效性的重要组成部分。但是，在线广告行业的一些领域对在线广告活动的性能和成本产生了显著的负面影响，广告欺诈和可视性就是两个典型的例子。