付费推广的数据分析付费推广怎么做( 二 ) _付费推广

细分主要从以下角度进行。

人群特征细分：根据用户的需求、性别、年龄、行为、兴趣、消费水平或者用户旅程中的不同阶段等因素将用户划分为不同人群，可以是单一层面，也可以综合多个层面，然后进一步分析不同细分人群的数据。比如细分为男性用户和女性用户、细分为新用户和老用户。
时间细分：针对不同时间维度进行细分。
媒体细分：针对广告渠道、媒体、广告位等进行数据细分。
创意细分：针对投放的多套创意和版本进行细分。
其他维度细分：如根据地区等维度细分。

2. 归因广告界有一句名言， “我知道广告费有一半浪费了，却不知道被浪费的是哪一半” 。究其原因无非就是无法衡量广告流量带来的转化效果。

文章插图
在投放过程中，广告主经常搞不清楚 “投放的钱花到哪儿去了？如上图，在最终转化时，应该功归于哪一步的转化呢？这就涉及到归因。
归因是指通过数据观察发现规律或数据之间的因果关联，并在此基础上推断原因并验证。一般可以通过建立归因模型分析广告投放效果。归因模型是指能够追溯在过去一定的时间周期内，不同渠道、不同创意或不同内容对用户转化的贡献度的评估方式。
（1）归因模型
归因模型的常见分类有：末次转化归因模型、平均分配归因模型、时间衰减归因模型、价值加权归因模型和自定义归因模型。

末次转化归因模型：把转化（点击、注册、下单等行为）功劳全部归于末次触点对应的渠道或创意。这是比较直接的归因模型，但忽略了其他节点的功劳。
平均分配归因模型：把转化功劳平均分配给每个触点（用户从看到广告到产生转化过程中的各个触点）。这是比较简单的多渠道归因模型，但有可能会高估了中间节点的功劳。
时间衰减归因模型：根据用户转化旅程中的时间轴，将功劳倾向于划分给最接近转化的触点，也就是首次触点的功劳最小，中间的多个触点的功劳依次变大，末次触点的功劳最大，这种方式相对较为合理。
价值加权归因模型：对不同渠道的位置价值或不同创意的内容价值进行加权，将转化功劳根据权重进行划分。这种方式需要合理划分不同渠道及不同创意的价值。
自定义归因模型：自定义各个渠道或各个创意的权重，将转化功劳根据权重进行划分。

虽然每一种归因模型都有各自的优缺点，在使用时，只要选择的模型是符合业务场景的，同时针对所有渠道是公平公正的就可以，毕竟凡是参与过转化流程的渠道都是能给用户带来一定影响的。
（2）归因方法
归因方法即将这些“因”事件和转化结果关联起来。常见的归因主要包括如下几种：

唯一设备号归因：针对In-App投放，主要使用设备号归因，前提是设备号是唯一的且在不同的场景中能够关联起来。当用户产生交互行为时，例如曝光/点击广告，广告平台获取设备的设备号，通过监测链接将设备号回传给广告主。当用户在广告主侧完成转化行为时，广告主的数据分析平台可以基于设备号来匹配用户在投放渠道上发生的广告行为，以此来衡量和归因分析不同渠道的投放效果。
IP+UA归因：IP+UA归因由于没有设备的唯一标识，因此属于模糊归因，是用来补充当获取不到设备号的一种归因方式。它的归因原理与设备号归因类似，是指用户发生广告交互时，采集用户的IP和UA（User-Agent，包含用户的操作系统、手机型号、浏览器信息等等），与转化时用户的IP和UA进行匹配，以此达到转化归因。
渠道包归因：渠道包归因主要应用场景是在安卓端，将事先定义好的“渠道号”写入到APK安装包中。在广告投放时候，投放的下载链接是带“渠道号”的App包链接，当用户下载和激活App后可以从安装包中读取到渠道号，以此来进行归因。这种归因方式简单，不受限于设备号的获取，但是该方式存在安装包覆盖问题：安卓手机一般都会带有系统级别的应用商店，指定“渠道号”的安装包很容易被应用商店拦截，强制用户去应用商店下载，导致最终的转化效果都被归因到了应用市场的安装包。

举例：
如果按末次转化进行归因，若忽略设备ID，广告主会将下载归功于点击3；若必须匹配设备ID，广、告主则会将下载归功于点击2 。