歸因分析可能是廣告技術(shù)中最復(fù)雜的一個(gè)問題，其復(fù)雜來源幾個(gè)方面：難建模，難驗(yàn)證，難應(yīng)用;但從另外一個(gè)方面說，它又是重要無比的，它可以幫助回答“我的50%廣告費(fèi)用都浪費(fèi)在哪里了?”，我的廣告預(yù)算分配如何更加合理?

[[179114]]

雖然，本篇文章會(huì)假模假樣的建立幾個(gè)科學(xué)模型，把問題講“清楚”，并且試圖解決之，但是，這個(gè)狀態(tài)離真正的驗(yàn)證和廣泛應(yīng)用還是有一段距離。這有點(diǎn)像我們的中醫(yī)，理論聽起來有模有樣，診療也是煞有介事，至于療效是否有因果關(guān)系，并非可以通過經(jīng)典科學(xué)實(shí)驗(yàn)可驗(yàn)證。這個(gè)問題本身就是非線性的問題，但是，道長且阻，行者將至!

歸因分析(Attribution Analysis)要解決的問題，就是廣告的Conversion的產(chǎn)生，其功勞應(yīng)該歸功于哪些渠道;舉個(gè)例子，廣告主投放了信息流廣告，搜索廣告，視頻廣告，轉(zhuǎn)化(Conversion)很多都直接發(fā)生在搜索廣告中，那么這些Conversion完全是搜索渠道功勞么?其實(shí)未必，很多轉(zhuǎn)化都是用戶在觀看視頻廣告/信息流廣告之后，引起用戶注意，而后用戶做了大量研究后，***一次轉(zhuǎn)化發(fā)生在搜索引擎渠道中而已。因此，在PC時(shí)代，搜索引擎收割各個(gè)營銷渠道的成果，成為了一個(gè)不爭的行業(yè)秘密。

下面圖示意了這個(gè)簡單的過程，目前大部分人在手機(jī)上的時(shí)間已經(jīng)超過了PC時(shí)間，雖然手機(jī)上的推廣對人們會(huì)有直接的影響，但這些轉(zhuǎn)化的落地往往在搜索和垂直電商網(wǎng)站。所以，搜索引擎的每一次轉(zhuǎn)化，實(shí)際上是和之前渠道的的投放是密切相關(guān)的，那么到底有多相關(guān)，就是歸因分析要解決的問題。

首先，介紹一下幾種歸因分析模型，假設(shè)廣告觸點(diǎn)，依次發(fā)生在渠道1，2，3，4，***發(fā)生了轉(zhuǎn)化，如何將轉(zhuǎn)化歸功于幾個(gè)渠道。比如說，Last Model就是認(rèn)為***一個(gè)渠道的貢獻(xiàn)是100%;Decay Model認(rèn)為貢獻(xiàn)程度隨著時(shí)間而衰減，越接近轉(zhuǎn)化的渠道，程度越高。

上面幾種模型，權(quán)重分配聽起來都比較武斷，并非根據(jù)數(shù)據(jù)計(jì)算出每個(gè)渠道的權(quán)重，無法直接指導(dǎo)投放的優(yōu)化。因此，很多學(xué)術(shù)同學(xué)，對這個(gè)問題深入研究，并且做了一些模型。今天，介紹4種模型，分別

1. 夏普里值(Shapley Value)
2. 生存分析(Survival Analysis)
3. 通徑分析
4. 馬爾科夫鏈

方法一：夏普里值方法

夏普里值(Shapley Value)指所得與自己的貢獻(xiàn)匹配的一種分配方式，由諾貝爾獎(jiǎng)獲得者夏普里(Lloyd Shapley)提出，它對合作博弈在理論上的重要突破及其以后的發(fā)展帶來了重大影響。如果對夏普里不熟悉的同學(xué)可以看看下面的例子：

約克和湯姆結(jié)對旅游。約克和湯姆準(zhǔn)備吃午餐。約克帶了3塊餅，湯姆帶了5塊餅。這時(shí)，有一個(gè)路人路過，路人餓了。約克和湯姆邀請他一起吃飯。路人接受了邀請。約克、湯姆和路人將8塊餅全部吃完。吃完飯后，路人感謝他們的午餐，給了他們8個(gè)金幣。路人繼續(xù)趕路。

約克和湯姆為這8個(gè)金幣的分配展開了爭執(zhí)。湯姆說：“我?guī)Я?塊餅，理應(yīng)我得5個(gè)金幣，你得3個(gè)金幣。”約克不同意：“既然我們在一起吃這8塊餅，理應(yīng)平分這8個(gè)金幣。” 約克堅(jiān)持認(rèn)為每人各4塊金幣。為此，約克找到公正的夏普里。

夏普里說：“孩子，湯姆給你3個(gè)金幣，因?yàn)槟銈兪桥笥眩銘?yīng)該接受它;如果你要公正的話，那么我告訴你，公正的分法是，你應(yīng)當(dāng)?shù)玫?個(gè)金幣，而你的朋友湯姆應(yīng)當(dāng)?shù)玫?個(gè)金幣。”

約克不理解。

夏普里說：“是這樣的，孩子。你們3人吃了8塊餅，其中，你帶了3塊餅，湯姆帶了5塊，一共是8塊餅。你吃了其中的1/3，即8/3塊，路人吃了你帶的餅中的3-8/3=1/3;你的朋友湯姆也吃了8/3，路人吃了他帶的餅中的5-8/3=7/3。這樣，路人所吃的8/3塊餅中，有你的1/3，湯姆的7/3。路人所吃的餅中，屬于湯姆的是屬于你的的7倍。因此，對于這8個(gè)金幣，公平的分法是：你得1個(gè)金幣，湯姆得7個(gè)金幣。你看有沒有道理?”

約克聽了夏普里的分析，認(rèn)為有道理，愉快地接受了1個(gè)金幣，而讓湯姆得到7個(gè)金幣。

我們?nèi)绾斡眠@個(gè)方法來分析不同渠道的貢獻(xiàn)度呢? 下面是一個(gè)例子，

假設(shè)有3個(gè)渠道：信息流(A)，開屏(B)，視頻前貼(C)，他們的獨(dú)自投放效果和兩兩投放效果如下圖所標(biāo)識。

下面，我們來計(jì)算，每一個(gè)渠道的夏普里值，夏普里值的定義：是在各種可能的聯(lián)盟次序下，參與者對聯(lián)盟的邊際貢獻(xiàn)之和除以各種可能的聯(lián)盟組合。

三個(gè)渠道，有3*2種聯(lián)盟次序，具體計(jì)算如下：

因此，信息流的夏普里值為20，開屏的夏普里值為33.3，視頻前貼的夏普里值為46.6。

方法二：生存分析方法(Survival Analysis)

生存分析(Survival analysis)是來源于醫(yī)學(xué)研究的一種方法，指根據(jù)試驗(yàn)或調(diào)查得到的數(shù)據(jù)對生物或人的生存時(shí)間進(jìn)行分析和推斷，研究生存時(shí)間和結(jié)局與眾多影響因素間關(guān)系及其程度大小的方法，也稱生存率分析或存活率分析。這個(gè)方法在醫(yī)療處理領(lǐng)域也比較成熟，可以通過以下的映射到歸因分析;

• 病人==>Impression
• 治療方法==>渠道
• 死亡==>轉(zhuǎn)化

在實(shí)現(xiàn)分析中，可以使用COX回歸方法，COX可以對多個(gè)因素進(jìn)行分析;COX回歸方法和邏輯回歸LR有些相似的地方，通過訓(xùn)練過程找?guī)讉€(gè)參數(shù)，不同的是COX回歸中考慮了時(shí)間的因素;通過COX回歸計(jì)算，可以算出每一個(gè)渠道的權(quán)重。

方法三：通徑分析(Path Analysis)

通徑分析的基本原理是美國學(xué)者賴特(S·Wright)于1921年創(chuàng)立的。通徑分析是指利用通徑系數(shù)分析變量間相關(guān)關(guān)系的方法。

通徑分析是進(jìn)行相關(guān)系數(shù)分解的一種統(tǒng)計(jì)方法。它的意義不僅在于揭示了在多個(gè)自變量x1，x2，…，xm，y的相關(guān)分析中，xi對y的直接影響力和間接影響力，而且還可以在x1，x2，…，xm，y間的復(fù)雜相關(guān)關(guān)系中，從某個(gè)自變量與其他自變量的“協(xié)調(diào)”關(guān)系中得到對y的***影響的路徑信息，即從復(fù)雜的自變量相關(guān)網(wǎng)中，得到某個(gè)自變量決定y的***路徑，具有決策的意義?，F(xiàn)通過實(shí)例說明通徑分析的方法與步驟，并進(jìn)一步了解通徑系數(shù)的意義和應(yīng)用。它的本質(zhì)也是基于概率的一些計(jì)算。

方法四：馬爾科夫鏈

馬爾科夫鏈模型來自于數(shù)學(xué)家Andrew Markov所定義的一種特殊的有序列。馬爾可夫鏈(Markov Chain)，描述了一種狀態(tài)序列，其每個(gè)狀態(tài)值取決于前面有限個(gè)狀態(tài)。馬爾可夫鏈?zhǔn)蔷哂旭R爾可夫性質(zhì)的隨機(jī)變量的一個(gè)數(shù)列。這些變量的范圍，即它們所有可能取值的集合，被稱為“狀態(tài)空間”。

在應(yīng)用當(dāng)中，序列中的每個(gè)點(diǎn)通常映射為一個(gè)廣告觸點(diǎn)，每個(gè)觸點(diǎn)都有一定概率變成真正的轉(zhuǎn)化。通過這種建模，可以選擇最有效，概率***的觸點(diǎn)路徑。這種方法需要較多的數(shù)據(jù)，計(jì)算也比較復(fù)雜。

“哲學(xué)是用來解釋世界的，而重要的是改變世界”--馬克思

那么我們得出各個(gè)渠道的重要程度后，我們?nèi)绾问褂眠@些權(quán)重是非常有趣的，因?yàn)檫@些渠道都是相關(guān)的，需要程序組合一套方案，達(dá)到效果推廣***。但是，這些影響力實(shí)際上也會(huì)發(fā)生很大變化：

1.時(shí)間變化而變化：例如人們對一些廣告，容易在時(shí)間軸上產(chǎn)生疲軟;

2.人群變化而變化：例如洗人群后，效果變化很大;因此，廣告花費(fèi)在一個(gè)渠道的過渡增加，往往會(huì)影響效果。

介紹幾個(gè)知名歸因分析公司：

1.Google Attribution 360:

Google Analysis Suite 360中有一個(gè)重要模塊就是Attribution，這個(gè)產(chǎn)品是收購收購了Adometry公司之后，全新打造的新產(chǎn)品。這個(gè)產(chǎn)品使用起來非常復(fù)雜，需要專業(yè)的培訓(xùn)才可了解。它支持以上大部分歸因分配模型，例如Last Model, Decay Model，customized Model等。

2.VisualIQ

Visual IQ是一家全球領(lǐng)先的跨渠道營銷歸屬軟件公司。公司在2006年成立。公

司的IQ智能套件可以為用戶提供市場數(shù)據(jù)見解，行政級別和從業(yè)級別建議，以提高自己的營銷業(yè)績。

Visual IQ是一家專門研究營銷信息管理方案、利用數(shù)據(jù)以及消費(fèi)者經(jīng)歷的每一個(gè)營銷觸點(diǎn)對一個(gè)客戶整體營銷目標(biāo)的影響的科學(xué)計(jì)算和衡量方法的公司。

Visual IQ采用信息管理歸納方案的方法收集數(shù)據(jù)，然后利用分析模型，計(jì)算和量化消費(fèi)者的購買習(xí)慣的方法，去分析數(shù)據(jù)，整理出最適合企業(yè)的廣告方案。

3.Convertro

Convertro 主要利用數(shù)據(jù)分析，幫助營銷人員了解哪些類型的廣告導(dǎo)致了客戶的購買。AOL與2014年收購了這家公司，收購時(shí)間與谷歌收購Adometry非常接近。AOL可以利用 Convertro 的技術(shù)，告訴廣告主他們的那些廣告取得了更好的效果，例如，是 AOL 網(wǎng)站主頁上的橫幅廣告，還是《赫芬頓郵報(bào)》網(wǎng)站某視頻下方的廣告。Convertro 還可以檢測電視或電臺那一時(shí)段的廣告導(dǎo)致了客戶購買。

4.AppsFlyer

移動(dòng)的歸因市場應(yīng)該是剛剛起步，有幾家公司開始這方面的工作，包括App推廣渠道的跟蹤，跟蹤效果可以直接對接各種廣告平臺;國外的應(yīng)用市場比較單純，Android是Google Play, iOS是App Store。AppsFlyer是一個(gè)以色列公司，在移動(dòng)App方面，起步比較早，在行業(yè)中也做的比較領(lǐng)先。

//移動(dòng)歸因其實(shí)是一個(gè)非常有趣的話題，找個(gè)時(shí)間，單獨(dú)好好聊聊。

總結(jié)的話

歸因是一個(gè)大問題，幫助分析廣告?zhèn)鞑サ男Ч?，更加系統(tǒng)的分析效果貢獻(xiàn)程度，效果形成的路徑，傳播的方式等方面，幫助廣告主優(yōu)化預(yù)算的花費(fèi)，***化傳播效果和轉(zhuǎn)化效果。

【本文為51CTO專欄作者“歐陽辰”的原創(chuàng)稿件，轉(zhuǎn)載請聯(lián)系作者本人獲取授權(quán)】