如何在实际业务中合理评估渠道价值？

原创作者：武桐辛  

无线时代到来之后，一切都发生了变化，通过数据还原用户行为的方式也发生了改变。加之，由于我们生活在一个“全线的”营销世界中，很多App为了推广自己的内容，或是为了吸引用户参与某个活动，再或是电商App为了提高交易量等，都会在各种渠道投放广告，这些渠道不仅限于线上渠道，用户还可能来自电视广告，地铁广告牌，楼宇广告等线下渠道。在用户生成转化之前，有可能接触到很多来自不同媒介的关于你App的宣传或广告，而这种多次接触，即是多触点营销，最后用户完成转化，此次转化也就是所谓的多触点转化。

*传统营销漏斗模型

传统的营销漏斗会将用户的转化行为按照：认知/关注阶段、考虑/偏好阶段、选择购买阶段来划分，表明各类营销活动的目标是唤起用户对品牌的关注，从而引导消费者转化或购买。从理论上讲，用户是遵循从认知到购买的直线行为的。然而，事实上用户的消费流程已不再是线性的。

假设，你早上上班途中，看到地铁广告牌正在宣传某App有个特卖活动，你想家里正好缺一台空调，但由于手机里并未安装这款App，于是你打开手机内的浏览器开始搜索这款App以及相关活动的信息，空调的优惠力度确实让你很心动，但是在没有Wi-Fi环境的情况下，你选择暂时放弃下载或参与活动。在进入办公室后，第一件事就是打开电脑，登录网站搜索空调在各平台上的优惠力度，然后进行比价。在刚点入此App的宣传页时突然被老板叫去开会，开会的时候觉得有些无聊，就掏出手机继续搜索，最后选择了自己常用的应用商店上下载了App，并打开活动页面完成下单。

这个场景看似简单，且非常普遍，但是从数据分析的角度来说却是非常困难的。用户在完成转化之前，经历了从线下到线上，从PC网站到手机App，从活动页面到应用商店等全过程。从营销者的视角来看，理清用户消费流程更为复杂，因为我们看不到用户整个消费流程是什么样的，而这时又有众多的供应商参与，并帮你分析消费者留下的这种像面包屑一样的数据。例如，你的搜索代理商对数据是这种解读，然而你的展示广告代理商则有另一种解读，因为每个人都希望分一杯羹，得到一部分功劳，这些营销活动才能证明自己的价值。所以当从不同的代理机构及合作伙伴那里购买渠道或交换资源时，很难得到用户消费流程的真实全貌。

针对上述场景，我们需要科学的归因分析，归因分析的关键在于制定合理的营销组合策略，即在无数的相互作用和影响下分析是什么原因导致用户的转化行为。

科学的归因需要通过数据仓库来记录贯穿整个用户生命周期的每一个数字媒体接触点，使营销人员真正了解营销推广的总价值，来推动更合理的营销计划以期获得更高的ROI（投资回报率）。

最理想的归因分析应该使营销人员能够追踪消费者所有参与的渠道和平台，最后优化营销组合，在对的时间及对的平台上给对的人推送对的内容，实现理想的转化率。但当消费者与品牌之间通过越来越多的传统和数字渠道进行互动时，这种归因分析也变得更加的复杂，已不像过去那样简单。

在展开具体方法的讨论之前，我们首先要确认的是自己的App应用或具体的运营活动等是否真的面临归因问题，而不要因为大家都在讨论这个问题而大惊失色，便盲目的开始研究。比如一款App仅在有限几个应用商店上进行推广，在线下或其他媒介上几乎没有投放或合作，在这种情况下，可能并不存在多触点归因问题，或者这个问题可能很小，可以暂时不用考虑。

目前，业界还没有统一的归因模型来解决这个问题，针对产品或业务形态的不同，有些App应用也会独辟蹊径建立自己的归因模型来考察自身渠道的价值及投放组合策略。虽然归因方法如百花齐放，但行业内仍然有一些常用模型。之前iCDO也出过类似文章，大家可以查阅历史文章。

（1）末次互动归因模型

我们其实不可能弄清楚每次营销活动或每个渠道对用户的转化分别产生了多少影响。因此，大多数分析者会把用户的转化归功于其遇到的最后一个营销渠道，这是目前最常用的归因模型。末次互动归因模型是可以理解的，因为毕竟最后的互动渠道带来了真实的交易，但是如果用这个模型来决定如何在不同的营销渠道中投放，这种方式并不是最佳的。比如有些运营活动会在预热期间就进行推广，但是预热的推广渠道和正式活动期间的渠道会有所不同，会有一些用户因为预热页面了解到了活动，并在正式活动期间成功完成转化，如果这时候我们根据末次互动归因模型进行分析，就会完全忽略了预热渠道的重要价值。

（2）首次互动归因模型

与末次互动归因模型恰恰相反，首次互动归因模型会将用户的转化归功于其遇到的第一个渠道。这样分析的原因是，如果用户没有从第一个渠道得知我们的产品或活动信息，可能永远不会知道我们的存在，也就不会成为一个成功的转化了。但是这个模型对于渠道的评估仍然是有问题的，因为如果第一次渠道这么重要，那为什么用户还要经历后续的渠道才能完成最终的转化呢。不过，这种分析方法对于某些特定情况的分析是非常有指导意义的。

（3）线性归因模型

线性归因模型的计算方式是在各个渠道之间平均分配成功转化的贡献。这就意味着，在投入预算时也会公平的在所有渠道中进行分配。很多分析者为了避免将某个渠道的功劳过分放大，但是又不知道该如何分配功劳，就索性通过平均分配来解决归因问题。这种方法是次优的，因为如果转化前所有渠道效果都是相同的，为什么用户还要经过很多步骤才能发生转化呢。同时，因为这种分析方法，渠道投放的预算分配也会存在问题，均分看似合理却反而显得盲目。

（4）时间衰减归因模型

在时间衰退归因模型中，越接近用户转化时间的渠道将得到越多的功劳划分，而越远离转化时间的渠道将得到越少的功劳划分。比如将总功劳的50%归于最后转化的渠道，其他渠道再按时间衰减来分配剩余的50%。同时，预算分配也会更倾向于最后的转化渠道，但也会在其他渠道中投入。时间衰减归因模型在转化功劳的分配比例上更多的还是依靠定性判断，但是这种方法还是值得尝试和深入探究的。

（5）自定义归因

因为上述所有的归因模型都有一些不如人意的地方，且因为不同的产品或业务，会面临不同的营销选择，一些企业会尝试自定义归因模型来解决自身渠道转化的贡献问题。比如根据自身产品的生命周期，把最大的权重分配给最后带来转化的渠道，然后剩余的权重分配将只看转化发生前生命周期内的其他渠道。又或者，有些企业会基于渠道的位置顺序来进行归因，将首次渠道和末次渠道各分配40%的转化贡献权重，而剩下的20%会平均分配给处于中间过程的互动渠道等。当然，这里你也可以结合自身的情况，设定相应的权重，找到最优策略组合。但是自定义归因的最大难度在于，你对业务的了解程度、经验和思考的能力都会影响最终的判断，你可能会得到很好的效果，也可能什么也得不到。

自定义归因的另一个好处是，如果我们不知道权重到底该如何分配，可以通过不断调整自定义权重，并根据权重调整渠道预算的投放，结合最终转化效果来对比看哪个策略组合方案更好。当然，可以这么做的前提是公司有时间、精力和成本让你去实验。

某App的电商业务模块会经常性的开展促销活动，在大型促销活动前夕，电商团队几乎是提前一个月进入备战状态，包括品类的部署，品牌商的洽谈合作，当然还有各类渠道资源的合作事宜。活动结束后，我们需要对整体活动的效果做回归，包括很重要的一环——渠道的质量评估，因为这对后续的渠道策略改进有着非常重要的作用。

促销活动的推广渠道分为站内推广和站外推广两大类。站内推广包括首页导航、文字链资源位、banner横幅广告位或其他模块各资源位的引流等；站外推广包括搜索、微博、微信、分发市场以及其他App的合作导流资源等（活动未引入传统媒体及线下渠道）。并且我们在活动前也进行了预热活动的推广宣传，这些预热推广期的渠道价值也需要被考核。所以，为了更好的分析各渠道的价值，我们分别采用了首次互动归因模型和末次互动归因模型来共同考核各渠道的作用，并在统计埋点中将访问和下单的用户首次及末次互动渠道全部记录下来。

*促销活动订单转化渠道归因模型对比

从订单分布的数据上可以看出，在首次归因模型中，68%的下单用户是通过站外推广渠道得知此次促销活动，并最终完成下单，而仅有32%的用户是从站内的渠道首次访问活动页面并最终完成下单转化的，这说明站外渠道在引导用户认知的层面起着非常重要的作用。在末次归因模型中，订单比例的分布和首次归因模型的结果正好相反，72%的下单用户是通过站内推广渠道访问的活动页面并完成最终转化，仅有28%的用户是从站外的渠道进入App的活动页面再完成转化的。所以从结果上看，标记最后一次下单来源的方式会导致部分资源位的作用被弱化，而对于评估引流效果时，标记第一来源对促销活动的渠道效果评估来说是更为合理的方式。

如果简单采用末次互动归因模型，将结果作为渠道预算投放的标准。那么，我们将对站内渠道会有更多的投入，并放弃对站外一些渠道的投放。显然，这种方式对站外的渠道会抱有偏见，认为站外渠道可有可无，而这样的渠道投放策略势必会影响最终的订单转化率，整体的订单量都有可能会急剧下降。

但如果简单采用首次互动归因模型也会弱化站内渠道的作用。因为从对比结果上看，站外推广负责引流量，站内推广负责带订单，两类渠道相辅相成，我们需要细化每个渠道进行分析，看这些渠道中，哪些是引流效果比较好的渠道，哪些是用户比较常用的下单通道，而这些细化的分析都将使我们了解用户的访问全貌，从而改变整体渠道的投放策略。

进一步，我们还需要对每个细分渠道深入分析，建立用户价值评估指标体系，以找出最有潜力价值的渠道。

*某App用户价值评估指标体系

在运营层面评估用户价值的过程中，将评估划分为三个方向：规模、价值、渠道宏观。规模注重量的体现，而价值则注重质的转化。在量的评估上，我们会关注每个渠道带来的激活，访问和登录；在质的转化上，我们会更加深入的考察每个渠道带来的用户在访问广度（跨业务分析等）、深度（时长、频率、留存，访问深度等）和用户互动（发帖、评论、分享等）等方面的媒体价值，同时也会考察每个渠道在GMV（Gross Merchandise Volume商品交易总量）方面的各种转化情况，比如下单率及下单周期等。渠道宏观则主要考察的是渠道重合度及用户对于渠道入口粘性等评估。在综合评估后，我们对于每个渠道的性质和带量情况都有了非常深入的梳理和把握，对于App后续的渠道投放策略组合上将会有更理想的投入产出比。

在渠道评估及用户价值评估的方法上，我们做了非常多的前期思考和准备工作，包括需求的分解和代码埋点工作的部署，而能将分析做透不仅考验我们分析和思考问题的能力，更是考验了技术在底层数据全面打通及关键指标常态化展现的实现能力。所以，在分析开始之前，梳理清楚衡量渠道价值的标准是非常重要的。

在此次促销活动中，由于没有传统媒体或线下媒体的投放，所以没有针对这部分的内容做更多的分析，但是并不排除后续会尝试在线下及传统媒体上投放广告宣传内容，这无疑对我们的分析增加了更大的难度，因为目前在行业内，还没有比较好的方法来标准化的衡量这些渠道对无线领域的实际价值。

综上，某App的此次促销活动的分析方法也称不上成熟，但是至少在分析思路上开始重新思考，当每一个App运营者都在力争更合理的评估渠道的价值，并在此基础上发展出更权威和标准化的方案时，我们最终会获得一个更加成熟的评估体系。