營銷歸因：評估產品生態系統中的購買路徑 · trivago

路徑歸因的型別
在這裡，我將分享一些最流行、最常見的歸因模型，然後介紹多觸點歸因模型的應用，以及根據觸發特定事件的機率對使用者的行為進行評分的最簡單方法。

1、最後一次接觸歸因模型
這是預設的，也是數字營銷中最常用的方法。在這種情況下，被觸發的主要事件的歸因會歸於在它之前發生的最近的渠道事件。因此，如果我們認為觸發事件是購買一個副產品，如果之前的追蹤事件是使用者對Facebook廣告的點選，那麼這個事件將獲得100%的歸因。如果你第一次開始實施歸因模型，特別是如果你工作的產品購買週期很短，這是一個很好的方法，這意味著將有更少的可能過去的渠道來接收觸發的主要事件的歸因。如果花在廣告上的錢價值很高（每月超過50,000美元），則不建議使用最後接觸歸因模型。在這些情況下，有一種投資於多個渠道的趨勢，最好是分析使用者路徑中每個渠道的效率，而不是隻關注最後一個渠道。如果產品有大量的有機流量或購買週期長，也最好避免這種模式。

2、首次接觸歸因模型
對於這種型別的模型，觸發事件發生的原因的所有歸因都來自於使用者時間線上的第一個事件。在營銷方面，一個電子郵件活動開始了，或者一個廣告被設定為使用者開始行動。如果在幾個事件之後，他們開始了新的訂閱，我們認為歸因100%來自第一個事件。如果你與很多頂部漏斗營銷渠道合作，例如SEO、部落格，以及涉及將大量客戶拉入公司主網站或儀表盤的營銷，這種方法很有效。

然而，如果你需要每天更新之前的渠道，並且使用者和平臺之間的第一次互動不像以前那樣相關，那麼第一次觸控歸因模型可能不是最好的選擇。在這種情況下，最近的活動更有針對性，可以增加觸發主要事件的機率。

3、線性歸因模型
線性歸因模型對所有以前的渠道給予同等的歸因份額。這意味著我們不對活動的數量或其與購買的密切程度分配任何權重。如果產品有一個非常複雜的購買週期，這是一個很好的模型。意味著，很難定義每個事件的價值，或者如果你正在處理非常小的渠道，沒有保留很多資料。

如果有幾個頻道比其他頻道更有優勢，這不是最好的選擇，因為較小的頻道會得到更多的榮譽。如果使用者的時間線有空隙，也不建議這樣做。這意味著一些重要的事件沒有被長期跟蹤，某些渠道獲得了太多的信用。

資料驅動。多觸點歸因模型（馬爾科夫鏈）
現在我們知道了最幼稚的模型，讓我們再進一步瞭解馬爾可夫鏈--在這裡，我們根據統計資料，根據每個渠道和事件與最終購買的歷史相關性來分配歸因。有了這個，我們就有了更多的開口，可以根據你正在使用的特定產品生態系統來定義一個定製的歸因規則。
考慮到這一點，我們引入了馬爾科夫鏈的概念。這個模型涉及一個渠道鏈，每個渠道都是一個頂點，使用者有一個特定的機率從一個渠道移動到另一個渠道。

馬爾科夫鏈的順序定義了我們在未來的觀測值之前要看多少個觀測值--所以在第二順序的情況下，我們要檢查兩個觀測值。

透過深入研究二階馬爾可夫鏈機率模型的數學概念，藉助來自邵旭輝，我們可以根據每個使用者事件序列的購買發生次數計算每個渠道的機率：

這將帶來一個結果，其中每個事件序列都與特定的轉化機率相關聯——這意味著根據從以前客戶那裡獲得的歷史資料，根據該渠道過去的受歡迎程度進行購買的機率。

當我們處理使用者的路徑（他們的事件組合）時，驗證每對順序通道的機率也很重要。

透過提供單個通道和成對通道機率，現在可以使用二階機率估計來計算組合，以計算此多點觸控歸因模型的轉換指標：

為了簡化對上述通道貢獻計算公式的理解，可以將其分解為兩項。第一項表示單個通道機率。第二項考慮了所有可能對與該特定渠道的貢獻——同時還減去每個人的個人貢獻，以便它只考慮與兩個渠道互動後發生的轉換。

使用者轉化分數：最簡單的方法
從上述選項中選擇模型後——根據資料驅動方法的馬爾可夫鏈選項的建議——是時候根據他們以前的每條路徑的值來定義使用者潛力了。主要想法是根據他們與平臺的互動來設定分數，以此來定義他們購買公司產品的可能性。
此時，如果你已經將每個路徑和渠道的貢獻值資訊儲存在一個單獨的表中，就可以跟蹤和比較當前使用者的路徑，並參考這個表，定義使用者的得分. 可以根據每個業務案例所需的粒度級別來選擇該分數的範圍。例如，您可以選擇一個介於 0 和 1 之間的分數，也可以看作是使用者潛力的百分比，介於 0% 和 100% 之間。
生成的結果還包括對使用者路徑的描述以及該路徑之前在我們的歷史資料庫中出現過多少次，因此我們可以檢查事件的流行度並根據使用者對產品的參與度對其進行分類。

結論
透過該結果，您可以分析客戶與平臺的互動，並根據營銷策略篩選使用者，重點關注那些更有可能從您的場所購買新產品的使用者。在最後一個營銷活動示例中，該營銷活動側重於具有超過 20% 的潛力但尚未購買的使用者，我們有 210 名觀眾可以聯絡他們，以便更好地瞭解他們尚未訂閱的原因尚未推薦該產品。