- 综合排序
- 最热优先
- 最新优先
- 来自专栏HsuHeinrich
渠道归因（一）传统渠道归因
渠道归因（一）传统渠道归因 小P：小H，我又来了。。。最近在做ROI数据，但是有个问题。。。 小H：什么问题，不就是收入/成本吗？ 小P：是的，每个渠道的成本很容易计算，但是收入就有点问题了。 小P：不愧是你，对的，用户在付费前经历过很多渠道，我感觉把收入分给谁都不好说 小H：这个也不复杂，关于渠道归因的方式有很多种，比如传统渠道归因、基于马尔可夫链、基于shapley value甚至是基于Attention-RNN 说到渠道归因，那最容易想到的就是传统的渠道归因，这种方法一般是基于业务决策的。 首次归因：首次点击渠道赋予全部转化 末次归因：末次点击渠道赋予全部转化 线性（平均）归因：每个渠道均分转化 位置归因：自定义位置的权重，一般首位占50%，其余为0 时间衰减归因：距离转化的时间越短的渠道 实际上，传统的渠道归因是易于理解、好操作、结果接受程度高的～ 共勉～
58020编辑于 2023-08-10 - 来自专栏HsuHeinrich
渠道归因（三）基于Shapley Value的渠道归因
渠道归因（三）基于Shapley Value的渠道归因 通过Shapley Value可以计算每个渠道的贡献权重，而且沙普利值的计算只需要参加的渠道总数，不考虑顺序，因此计算成本也较低。 pd import matplotlib.pyplot as plt import seaborn as sns 本文所有数据如果有需要的同学可关注公众号HsuHeinrich，回复【数据挖掘-渠道归因 总结 日常业务中，可以结合多个方法看一下归因的差异。
64820编辑于 2023-08-10 - 来自专栏素质云笔记
多渠道归因分析（Attribution）：传统归因（一）
文章目录 1 归因分析 2 传统归因分析方法 2.1 传统归因分析 2.2.1 最终互动归因模型 2.2.2 最终非直接点击归因模型 2.2.3 最终AD点击归因 2.2.4首次互动归因 2.2.5 线性归因模型 2.2.6 时间衰减归因模型 2.2.7 位置归因模型 2.2.8 自定义归因模型 2.2.9 马尔科夫归因模型 2.2 不同归因方法的使用场景 3 算法归因的几种方法 3.1 夏普里值 5.2 GA中的多渠道归因 5.3 有效触点归因 参考文献 本篇主要是python实现马尔科夫链归因，关联的文章： 多渠道归因分析（Attribution）：传统归因（一） 多渠道归因分析：互联网的归因江湖 2 传统归因分析方法 2.1 传统归因分析 参考自文章[1][2][3] 还有文章：【数据分析思维】多因素影响下如何归因？ GA里面的归因模型有非常多种，分为单触点归因和多触点归因。 公 司的IQ智能套件可以为用户提供市场数据见解，行政级别和从业级别建议，以提高自己的营销业绩。
2.6K43编辑于 2021-12-07 - 来自专栏seth-shi的专栏
广告归因-让你彻底弄归因架构实现
解释 这里会引用神策数据很多的介绍,然后进行总结 归因方法 自归因 渠道商帮我们做归因,有的是每个用户打开app都回传给渠道商,渠道商自己归因 有的如华为是从应用商店安装时, 应用商店把归因信息写入到 app, 然后首次安装启动时能从本地存储获取到归因数据 曝光归因 曝光归因由于有数据量极大、不会使用此项 点击归因(常用) 所谓点击归因, 就是点击广告之后首个转化, 基本都是用这种方式归因 归因模型 末次归因模型 (常用, 因为比较好实现) 多个归因源事件时，认为最后一个归因源事件的功劳为100%。 首次归因模型 多个归因源事件时，认为第一个归因源事件的功劳为100%。理由是第一个触点给用户建立了认知，与用户形成了连接。 平均归因模型 多个归因源事件时，认为每个归因源事件平均分配此次功劳。 时间衰减归因模型 加上了时间的影响因素，最后1次触达的贡献更高。 位置归因模型 多个归因源事件时，认为第一个归因源事件和最后一个归因源事件各占40%功劳，其余平分剩余的20%功劳。
1.5K21编辑于 2023-12-18 - 来自专栏素质云笔记
多渠道归因分析：python实现马尔可夫链归因（三）
本篇主要是python实现马尔科夫链归因，关联的文章： 多渠道归因分析（Attribution）：传统归因（一） 多渠道归因分析：互联网的归因江湖（二） 多渠道归因分析：python实现马尔可夫链归因（ 三） 多渠道归因分析（Attribution）：python实现Shapley Value（四） 多渠道归因分析（Attribution）：用attention-RNN来做归因建模（附代码demo）（五 所以马尔可夫链模型可以用来做归因分析。 这是一个多渠道归因模型问题。 Google Analytics（分析）的定义有助于：归因模型是一个或一组规则，用于确定如何将销售和转化功劳分配给转化路径中的接触点。 如今，Google Analytics（分析）提供了七个预定义的归因模型，甚至可以定制的自定义模型。
1.2K21编辑于 2021-12-07 - 来自专栏HsuHeinrich
渠道归因（二）基于马尔可夫链的渠道归因
渠道归因（二）基于马尔可夫链的渠道归因 在应用当中，序列中的每个点通常映射为一个广告触点，每个触点都有一定概率变成真正的转化。通过这种建模，可以选择最有效，概率最高的触点路径。 本文主要参考自python实现马尔可夫链归因[1]。 马尔可夫链是一个过程，它映射运动并给出概率分布，从一个状态转移到另一个状态。 所以马尔可夫链模型可以用来做归因分析。 pandas as pd from markovattribution import MarkovAttribution 本文所有数据如果有需要的同学可关注公众号HsuHeinrich，回复【数据挖掘-渠道归因 共勉～ 参考资料 [1] python实现马尔可夫链归因: https://mattzheng.blog.csdn.net/article/details/117296062
81640编辑于 2023-08-10 - 来自专栏人工智能前沿讲习
【综述专栏】可解释人工智能中基于梯度的特征归因
当前，人工智能学术研究方兴未艾，技术迅猛发展，可谓万木争荣，日新月异。对于AI从业者来说，在广袤的知识森林中，系统梳理脉络，才能更好地把握趋势。 在结果解释中通常采用两种方法：特征归因（也称为特征重要性方法）和反事实解释。 特征归因直接识别输入特征对模型输出的重要性，而反事实解释探索输入空间中的最小且有意义的扰动，以回答输入值的哪些变化可能会影响模型的预测。 由于缺乏真实基准，特征归因方法可能会产生不同的解释，这导致了确定哪个解释更可信的挑战。基于梯度的解释是有意设计来满足某些公理化原则的，例如敏感性和完整性，确保产生合理且期望的解释。 1.2 我们的贡献 我们综述的贡献总结如下： 我们提出了一个新颖的分类体系，系统地将基于梯度的特征归因分为四组。随后，我们介绍了每组算法的研究动机和技术细节的要点。
99610编辑于 2024-03-25 - 来自专栏素质云笔记
多渠道归因分析：互联网的归因江湖（二）
本篇主要是python实现马尔科夫链归因，关联的文章： 多渠道归因分析（Attribution）：传统归因（一） 多渠道归因分析：互联网的归因江湖（二） 多渠道归因分析：python实现马尔可夫链归因（ 由于非Facebook的广告使用的是第三方归因平台如AppFlyer、Adjust或者Kochava，他们并没有Facebook的归因数据，所以双方是独立的归因系统和归因逻辑，也就是会存在多次计费的可能 首先，广告主做用户增长的团队需要有懂广告归因的人，况且即便懂了这套归因逻辑，也很难区分有效触点归因“抢”了多少自然量。 由于当年在东南亚归因作弊异常猖獗（具体作弊手段可以参考我的另一篇文章《不懂归因，也许你广告还没入门》），很多联盟的流量通过虚拟点击抢归因，抢了这两个广告主很多的“自然量”。 这个事情也从另外一个侧面推动了第三方归因服务公司加强归因作弊识别的能力。
1.5K41编辑于 2021-12-07 - 来自专栏钱塘小甲子的博客
Brison归因与代码
不管是做FOF也好，仅仅想单纯归因也好，Brison是一种比较常见，也算是通用的归因方法，其一般用于权益类或者大类资产配置类基金。 其实Brison归因的逻辑很简单，假设有一个基准，基准在各类资产的配置上的权重分别是wbi（weight of benchmark of asset i），这些资产的收益率分别是rbi（return of benchmark of asset i），同样的，我们有一个需要归因的基金产品，也就是我们自己的组合，在各类资产上的权重是wpi（weight of portfolio of asset i），收益率分别是 所谓的Brison归因就是把一个组合的超额收益分解为资产配置的能力、个券选择的能力、以及交互收益。
86531发布于 2019-03-15 当“数据波动”遇上“智能归因”，谁在背后画出那张因果地图？
在数据分析领域，构建真正具备业务价值的智能 Agent，仅支持基础“智能问数”功能远远不够。 我们以底层统一的指标语义层为核心能力基座，系统性地构建了覆盖“智能问数 → 智能归因 → 智能报告生成”的端到端闭环分析体系，实现从数据查询到洞察输出、从单点响应到完整决策支持的跃迁。 基于 NoETL 指标语义层的智能归因分析Aloudata Agent 智能归因能力同样构建于统一的指标语义层之上，为业务用户提供多维度、多层次的根因洞察能力。 从归因方法论角度，智能归因可分为两大路径：l 维度归因识别影响目标指标变化的关键业务维度，例如渠道、区域、品类、门店等。 3、依据指标类型，智能匹配贡献度算法归因分析的科学性，也取决于贡献度计算方法与指标类型的匹配度，不同指标类型需采用不同的计算方法。
19810编辑于 2025-11-06- 来自专栏互联网数据官iCDO
分析小贴士：归因模型 101
今天，我们将列举一些常用的归因模型，并演示如何使用Googel Analytics 归因模型对比工具来为你的业务挑选最适合的模型。 归因模型应用示例 假设你的网站售卖烧烤架。 Google Analytics 归因模型101 在末次互动归因模型中，我们将转化的全部功劳归于用户的最后一个触点。 末次非直接点击归因模型忽视了直接流量，把转化功劳全归因于在完成销售之前的最后一次渠道点击。 我们再来看更多模型： 与末次互动相似，首次互动归因模型把转化功劳全归因于首次触点——在Grillmaster先生的例子中，即为自然搜索。 线性归因模型在各个渠道之间平均分配成功转化分数。 Google Analytics的归因模型 Google Analytics 的大多数标准报告使用的是末次非直接点击归因模型，但是现在我们可以通过对比归因模型，来决定使用为用户生命周期带来最高价值的模型
1.5K60发布于 2018-03-02 - 来自专栏互联网数据官iCDO
【分析方法】归因分析入门
让我们来看看每一个普及的模型，看看每一步骤的归因。这样我们就可以权衡利弊。 最后点击（Last-Click） ? 这归因模型功劳于转化前的最后一个通道，这就是我们以上举例的重定向广告。 这类归因模型允许你创建混合型最后单击和初次点击的模型，并给每个触达点相应的百分比。 优点：如果你的营销项目主旨是保持与用户的关系和认知，那么线性的归因就比较有用。比如说，如果你有一个品牌的广告项目，每一个媒介点在用户考虑阶段都同等重要，那么线性的归因能够帮助你您可视化这一进程。 缺点：时间衰减归因对最后转化有贡献，但是是初始的触达的渠道有打折扣，例如Facebook或者最初的搜索会话。 自定义（Custom ） ? 这就是“圣杯”归因模型！ 你需要对其他模型非常了解再来运用自定义归因模型 正如你所看到的，这里有很多归因模型，找到一个适合你的业务的模型途径需要测试并且优化。使用一些虚拟数据集来测试不同的广告项目和媒介渠道。
3.3K80发布于 2018-03-02 - 来自专栏张俊红
利用ChatGPT快速进行指标的异常归因
指标的异常归因是数据分析师日常工作中遇到的最高频问题之一。 关于异常归因的核心问题其实就两个：一个是从哪些维度进行指标拆解，另一个是各个维度之间的贡献度分别是多少？ 我们在实际工作场景中就完全可以利用ChatGPT来提高日常归因的效率。
66910编辑于 2023-09-06 末次触达归因的挑战与突破：从“单点归因”到“全局视角”的进化
本文将深入探讨LTA的局限性，分析其归因陷阱，并提出突破路径，帮助广告主从“流量思维”跃迁至“价值思维”。 二、LTA的三大归因陷阱：为何“最后一击”无法定义全部价值？ 1. 三、突破LTA：从“单点归因”到“全局视角”的进化 1. 在GDPR、CCPA等法规日益严格的背景下，MMM成为符合合规要求的归因工具。 非显性渠道覆盖：有效评估线下广告、电视媒体等传统归因模型难以衡量的渠道价值。 多触点归因模型：平衡短期与长期价值 除MMM外，品牌还可结合其他多触点归因模型（如线性归因、时间衰减模型）优化策略： 线性归因：平均分配各触点的贡献值，适合强调全链路体验的品牌（如奢侈品）。 通过多触点归因，品牌发现LinkedIn广告对线索生成的贡献率为40%，并据此优化广告预算分配。 七、技术实现：构建多触点归因模型 1.
38710编辑于 2025-05-28- 来自专栏MixLab科技+设计实验室
归因分析指南v1.0
基于此，就有了线上全域归因、线上局部归因。 线上局部归因，我们目前的技术手段所实现的基本都是指的是线上的局部归因，是忽略了我们所不能掌握的因素的一种归因分析手段。 通过分析每个归因模型，我们可以更好地了解每个营销渠道的投资回报率。不一定有“最佳”归因模型，但我们可以选择一种作为报告和分析的主要归因模型。 - 最终互动归因 ? 线性归因对所有事物都给予同等的重视。该模型不会突出显示最有效的策略。如果您想要一个简单明了的归因模型，并且可以轻松地向客户解释，那么线性归因可能是您的理想选择。 - 时间衰减归因 ? 通过归因，您可以了解整个客户旅程中不同的互动如何影响转化。传统归因归因于特定事件和任意事件，而最佳归因则使用机器学习和高级统计模型来了解每次触摸的精确影响。 归因除了基于规则的实现，还有机器学习的实现方式，称为算法归因。 归因也可以从辛普森悖论里获得结论。
2.7K20发布于 2020-07-17 从“是什么”到“为什么”：Aloudata Agent 智能归因的底层逻辑与配置指南
通过自然语言即刻获取数据结果，支持智能数据结果解读，以及智能多维归因和因子归因分析，让企业深层次洞察异常数据波动原因。 03 双路径归因：维度拆解与因子追溯的精准诊断Aloudata Agent 的智能归因功能通过双路径归因框架实现多维度、多层次的根因洞察。 05 配置与实践：构建企业专属的智能归因体系要充分发挥 Aloudata Agent 智能归因的价值，企业需要系统性地进行配置与落地。 06 核心优势：智能归因如何重塑企业决策逻辑与传统的归因分析方法相比，Aloudata Agent 的智能归因展现出多维度优势，这些优势共同重塑着企业的数据决策逻辑。 07 未来演进：智能归因在企业智能化转型中的角色面向未来，智能归因将与更多的 AI 能力融合，形成更强大的分析决策智能体。
9710编辑于 2025-12-08跨平台追踪：openinstall归因解决方案
在移动互联网的精细化运营时代，简单的流量采买已经不能满足用户增长的需求了，我们需要的是基于数据的精准洞察，而应用归因、渠道归因和关系链归因对用户增长分析至关重要。 借助openinstall归因工具，运营团队能够实现多维度的归因分析，为业务增长提供科学决策依据。一、应用归因：定位用户的来源应用归因的核心目标是回答一个关键问题：用户从何处安装或启动应用？ 可以通过传递动态参数来进行个性化辅助，比如在用户下载App冷启动时，openinstall传递他在页面上的操作行为参数给App推荐系统，能使用户体验更加个性化；或者用于延续页面操作，直接跳转目标页面，使App服务更智能化 openinstall的实践方案：智能关系链绑定：通过自定义参数链接自动绑定邀请关系，用户无需手动填写邀请码；短层级分佣统计：可自行设置层级奖励规则（比如一级邀请奖励5元，二级奖励2元），过程通过参数的追踪传递来统计数据 结语：归因即增长应用归因、渠道归因、关系链归因的融合，本质是用户增长逻辑的重构，openinstall将复杂的归因体系转化为可落地的增长工具，帮助企业实现 “每一次投放都有迹可循，每一份关系都创造价值”
31610编辑于 2025-04-01- 来自专栏素质云笔记
多渠道归因分析（Attribution）：用attention-RNN来做归因建模（附代码demo）（五）
之前几篇多渠道归因分析应该算是比较通用的一些方法论： 多渠道归因分析（Attribution）：传统归因（一） 多渠道归因分析：互联网的归因江湖（二） 多渠道归因分析：python实现马尔可夫链归因（三 ） 多渠道归因分析（Attribution）：python实现Shapley Value（四） 多渠道归因分析（Attribution）：用attention-RNN来做归因建模（附代码demo）（五） 1.1 与markov、Sharpley 的差异 1.2 注意力的循环神经网络多点触摸归因模型框架 1.3 LSTM 来捕捉长路径模式 1.4 RNN with Attention 将时间衰减作为attention 案例代码demo解读 3.1 数据样式 3.2 训练与预测 3.3 确定最优影响力的路径 3.4 确定attention weight 4 后续YY 参考文献 1 基于注意力的循环神经网络多点触摸归因模型 （markov考虑了顺序） 未融入用户属性信息 1.2 注意力的循环神经网络多点触摸归因模型框架 一种基于注意力的循环神经网络多点触摸归因模型，以监督学习的方式预测一系列事件是否导致转换(购买)。
95811编辑于 2021-12-07 - 来自专栏得物技术
得物App白屏优化系列｜归因篇
本文将介绍从用户视角出发的白屏检测方案以及线上白屏问题的大致归因思路。 ，但是像弱网这类环境问题想要精准归因势必要划分一个相对严格的阈值，这就会存在有些和阈值非常相近的弱网问题没有被归为弱网，那么这类问题就只能按照耗时异常的阶段来归因，例如DNS长耗时，TCP建连长耗时等。 如果一个日志不符合任意一种环境问题，那么就需要对白屏中的所有图片单独做归因，最后再取占比最高的问题类型作为整体的白屏归因。 归因策略特殊异常问题OCSP问题（网络篇有介绍），解码异常，证书校验异常此类问题都伴有特殊的基础库异常，可以直接归因，不像CDN节点异常和弱网之间存在着重叠部分，还需要现场信息佐证。 这也证明了该策略对脏数据归因的准确性。归因优先级我们目前问题归因的优先级从高到低如下，主要按归因证据的可信度来排序。
58810编辑于 2024-09-03 - 来自专栏机器学习养成记
数据分析利器之归因分析
导读：归因分析是用于确定如何将转化功劳分配给各转化路径，从而结合单次的转化成本对后续的投放策略进行优化，本次我们就来介绍一下归因分析的几种常用方法。 1 什么是归因分析？ 我们日常在互联网广告行业中常说的归因分析特指渠道转化的贡献分析，如我们在四个渠道投放产品广告，通过归因分析判断哪个渠道转化效果最好，进而优化渠道投放策略。 线性归因模型 转化功劳分配给每个互动渠道，分配权重可自行调节，即三猫的购买转化由四个渠道共同促成。末次归因和首次互动模型都可以认为是线性归因的特殊情况。 优点：计算方法简单。 时间衰减归因模型 对于路径上的渠道，距离转化的时间越短的渠道，可以获得越多的功劳权重。时间衰减归因模型基于一种假设，他认为触点越接近转化，对转化的影响力就越大。 U型归因模型（位置归因模型） 对于路径上的渠道，将第一次和最后一次触点各贡献40%，中间的所有触点平均剩下的20%贡献。即三猫的购买转化，a和d的贡献度分别为40%，b和c贡献度分别为10%。
1.6K30编辑于 2022-08-31
腾讯云开发者
