01

電商歸因目的

對于電商平臺來說，當(dāng)流量進(jìn)入時，我們需要引導(dǎo)其完成購買任務(wù)，以實現(xiàn)流量價值最大化，在互聯(lián)網(wǎng)紅利消耗殆盡之時，流量會越來越貴，我們需要精細(xì)化運(yùn)營每一份流量。

我們在做各種banner活動、Feed流推薦優(yōu)化、活動頁等進(jìn)行效果評估，無法知道該位置最終產(chǎn)生了多少收益，也就很難針對該位置進(jìn)行有效的改進(jìn)。

如果進(jìn)行單因數(shù)AB測試進(jìn)行改版的效果評估，那也會存在如下2個問題：

單因素變量控制并不容易做到完全可控，如果產(chǎn)品處在增長期，產(chǎn)品增長本身就是一個影響因子，很容易忽略此類因素的影響。

評估方式低效，如果 2 天內(nèi)只控制 1 個坑位變動，那么評估 20 個坑位內(nèi)容改變就需要 40 天時間，這樣的效率任何企業(yè)都無法接受。

因此，我們希望用數(shù)據(jù)分析中歸因的方式解決坑位運(yùn)營中評估的問題。

我們引入電商坑位歸因的概念，把每一筆的成交都?xì)w給轉(zhuǎn)化路徑中不同的坑位。根據(jù)坑位的曝光轉(zhuǎn)化價值來評判坑位的好與壞。把寶貴的流量盡可能都引導(dǎo)到轉(zhuǎn)化率更高的坑位，以此達(dá)到精細(xì)化運(yùn)營的效果。當(dāng)然有了這個坑位價值評判的機(jī)制后各個坑位的改版也能準(zhǔn)確的評估，真正做到了數(shù)據(jù)驅(qū)動增長。

02

歸因類型簡介

首次觸點模型：多個「待歸因事件」對同一個「目標(biāo)轉(zhuǎn)化事件」作出貢獻(xiàn)時，認(rèn)為第一個「待歸因事件」功勞為 100%。

末次觸點歸因：

多個「待歸因事件」對同一個「目標(biāo)轉(zhuǎn)化事件」作出貢獻(xiàn)時，認(rèn)為最后一個「待歸因事件」功勞為 100%。

線性歸因：

多個「待歸因事件」對同一個「目標(biāo)轉(zhuǎn)化事件」作出貢獻(xiàn)時，認(rèn)為每個「待歸因事件」平均分配此次功勞。

位置歸因：

多個「待歸因事件」對同一個「目標(biāo)轉(zhuǎn)化事件」作出貢獻(xiàn)時，認(rèn)為第一個和最后一個「待歸因事件」各占 40% 功勞，其余「待歸因事件」平分剩余的 20% 功勞。

時間衰減歸因：多個「待歸因事件」對同一個「目標(biāo)轉(zhuǎn)化事件」作出貢獻(xiàn)時，認(rèn)為越靠近「目標(biāo)轉(zhuǎn)化事件」做出的貢獻(xiàn)越大。

對于電商平臺來說，末次觸點歸因是比較適合電商站內(nèi)銷售歸因的。雖然用末次觸點歸因?qū)崿F(xiàn)方案上比簡單，但是直接將價值100%歸因給購買或者轉(zhuǎn)化之前最后一次接觸的渠道，而完全不考慮整個過程中消費(fèi)者到底接觸過多少個觸點。轉(zhuǎn)化之前發(fā)生了太多的事情，該模型完全忽視了漏斗上層和中層部分的行為對轉(zhuǎn)化的影響。

因此我們公司融合首次觸點歸因和末次觸點歸因，計算用戶進(jìn)入一級流量入口后再到完成的完整購物鏈接行為。一級流量流入的定義為：各個入口之間無法進(jìn)行跳轉(zhuǎn)，只能通過切換tab進(jìn)行跳轉(zhuǎn)或者返回初始位置后重新點擊進(jìn)入。這樣我們就可以基于購物的完整鏈接的最外層進(jìn)行銷售歸因，并且也能知道用戶購物的完整路徑，同時保證銷售歸因后各個入口坑位的銷售額之和等于當(dāng)日的銷售額。

使用這種融合歸因方式，也可能知道中間步驟的轉(zhuǎn)化率。比如活動會場頁和商品詳情頁的相關(guān)推薦，雖然對電商平臺整體進(jìn)行銷售歸因時，不會計算活動會場頁各個模型的銷售，也不會計算商品詳情頁的相關(guān)推薦。

但是由于我們記錄了用戶進(jìn)入一級流量入口后的詳細(xì)路徑，因此我們單獨(dú)研究活動會場頁和商品詳情頁的效率時，也是可以計算得到各個模塊的銷售來進(jìn)行對比分析。但是切記不能和一級流量入口的銷售混合在一起看，這樣會導(dǎo)致銷售歸因發(fā)生重復(fù)。

03

電商歸因?qū)崿F(xiàn)方案

對于電商歸因我們進(jìn)行了三個方面的歸因，包括：曝光歸因、點擊歸因、銷售歸因。即歸因出所有的商品曝光來自哪里，所有的商品點擊來自哪里，所有的銷售來自哪里。這樣就可以追蹤各個流量入口的曝光鏈路歸因指標(biāo)。比如各個流量入口的商品曝光點擊率、商品點擊支付率、商品曝光價值等等核心監(jiān)控指標(biāo)來評價各個流量入口的效率。

電商歸因準(zhǔn)確的前提是埋點日志的完整性，因為我們是通過需要?dú)w因的事件往前找到用戶的購買路徑，這樣的好出是大大減少計算量，也基本解決的歸因的問題。因此用戶行為日志的完整記錄才能真實還原用戶的購買路徑，否則就可能導(dǎo)致歸因出錯，最終造成錯誤的評價數(shù)據(jù)。

首先需要在埋點體系中引入PageId的概念，PageId的作用是每當(dāng)用戶產(chǎn)生一次跳轉(zhuǎn)行為進(jìn)入一個新頁面時，為這個頁面賦予一個新的PageId；而當(dāng)用戶點擊返回時，不會產(chǎn)生新的PageId。PageId是越靠近的當(dāng)前時間的頁面瀏覽的行為越大，且不會重復(fù)，類似于自增ID的實現(xiàn)邏輯。PageId的實現(xiàn)當(dāng)然是寫入埋點SDK當(dāng)中，這樣保證所有的埋點事件都帶上PageId，并且也無需開發(fā)同步每次單獨(dú)寫邏輯。

然后根據(jù)埋點日志去還原用戶的行為路徑，全程都可以僅僅使用SQL邏輯就能計算完成。

首先要確定所有要?dú)w因的end事件（末端事件），包括商品曝光、商品點擊、商品加購成功（加購后可以通過server的訂單表判斷用戶是否完成了付款，也達(dá)到了銷售的歸因目的）。

然后在確定所有歸因head事件（首端事件），即之前就定義的好的各個一級流量入口。

我們平臺比較特殊，是工具類App同時擁有電商業(yè)務(wù)，這樣一級流量入口會比較多，但是可以枚舉完成的，不僅僅包括常規(guī)電商App的流量入口，還可以在各個工具頁面嵌入電商入口，這樣復(fù)雜性要強(qiáng)于一般的電商App。

我們的埋點日志都會記錄用戶發(fā)生各個行為的本地時間，用end事件時間去找最接近的這個時間的head事件，直接用SQL的left jon關(guān)聯(lián)日志表就能完成計算。

這樣在首尾2段時間內(nèi)的所有埋點日志行為就是我們需要日志。

然后篩選出這些日志中的所有點擊事件，過濾掉其他無效事件。

再對所有剩下的日志進(jìn)行排序，按照本地時間排序，這樣就得到了一條完整的用戶有效行為的路徑記錄。

對于這部分?jǐn)?shù)據(jù)我們就可以進(jìn)行存儲使用了，這部分?jǐn)?shù)據(jù)為歸因后用戶完整鏈路記錄數(shù)據(jù)。

再基于PageId過濾掉同個頁面相同PageId的事件，保留本地時間最晚的那一條事件記錄。

這樣就得到了用戶進(jìn)入一級流量入口后真正進(jìn)行末端事件的有效路勁。

這部分?jǐn)?shù)據(jù)也需要存儲記錄，并且這個部分真正歸因完成的用戶行為路徑，此時的得到各個一級流量入口就行歸因得到此末端事件的來源。

通過這樣計算后就了解各個一級流量入口的商品曝光點擊情況，也能知道銷售情況。

利用這些數(shù)據(jù)就能衡量各個流量入口的效率情況，也同樣也可以中間承載頁面的效率如何。

就能幫助產(chǎn)品運(yùn)營更好的改善各個功能以及迭代各式各樣的活動。

用戶進(jìn)行一次加購的路徑還原

通過上述方法的計算，我們最終得到的用戶加過鏈路步驟為：【1，2，9，10，11】，并且入口事件【1】就此次加購事件的歸因來源。

另外再來舉個商品詳情頁相關(guān)推薦的例子，下圖所示的用戶行為最終得到的鏈路步驟為：【1，2，9，10，11，12】，由于我們是完整保留用戶的路徑，因此我也只能這次加購事件不僅來源于1，也有一部分功能功能來于11，也就是商品詳情頁的推薦，因此我們也能計算出商品詳情頁的推薦效率如何，后續(xù)算法團(tuán)隊迭代模型時也能根據(jù)這個數(shù)據(jù)來衡量優(yōu)化的好與壞。

04

總結(jié)

通過以上方案得到電商歸因模型數(shù)據(jù)，可以大大提高運(yùn)營同學(xué)的運(yùn)營效率，不再是盲人過河實的憑感覺去優(yōu)化各個坑位和活動，已經(jīng)可以通過數(shù)據(jù)清晰公平的判斷運(yùn)營每一次迭代的結(jié)果。

但是僅僅根據(jù)坑位歸因決定坑位價值，容易出現(xiàn)短期偏見，即追求短期利益，比如在一款內(nèi)容產(chǎn)品中鑲嵌一些游戲元素，可以讓用戶停留更久、數(shù)據(jù)表現(xiàn)更好。但從長期來看，這種行為破壞了整個產(chǎn)品的價值定位，因為內(nèi)容產(chǎn)品原本提供的是內(nèi)容并不是游戲，產(chǎn)品也不并是為了追求用戶停留時長而是為了實現(xiàn)價值。這是兩者都存在的短期偏見。

因此不能僅僅根據(jù)坑位歸因后的銷售轉(zhuǎn)化價值來評價坑位，還需要綜合考慮產(chǎn)品價值定位、戰(zhàn)略發(fā)展等因素，才能圍繞長期目標(biāo)進(jìn)行健康發(fā)展。

責(zé)任編輯：haq