App投放增长必备：渠道数据归因

互联网时代下App做投放增长，绕不开“流量”和“转化”两个关键词，流量怎么来？从哪来？需要企业进行投放推广，而实现用户的增长转化就是终极目标。在投放过程中，大多数企业都倾向于多渠道多流量入口组合投放，但却往往面临“投放的钱花到哪儿去了？哪些渠道的效果更好？哪些渠道ROI不高？下一阶段用于投放广告的预算怎么分配更合理？”等一系列的问题。所以，面对越来越复杂的业务场景，渠道数据的归因分析将有助于App运营者更好把控渠道数据，对各个渠道的在衡量其贡献价值以及做组合渠道投放力度的进行分配，更好的优化调整运营策略。

首先我们来看一下，在实际App运营场景中，会面临哪些模糊不清的数据问题？

1. 多渠道推广对用户的追踪，每个投放渠道的用户ID体系不一致，如何进行对同一用户的精准识别？
2. 不同的流量来源渠道往往有不同的转化目标，且有不同的浏览路径。对于转化路径不同、营销方式不一、转化目标不一致的流量如何进行归因？
3. 一个用户一段时间可能多次从多个渠道进来，对于转化效果该归为哪个渠道？虽然用户是在最后一个渠道上进行注册实现转化的，但是前面的N个渠道都对用户的行为和心理产生了或多或少的影响。如果笼统的将转化归为最后一个渠道，其他渠道的运营效果该如何考核？如果要科学兼顾每个渠道，那么每个渠道的贡献是多少比例，如何归因会比较公平？
4. 对于广告这个渠道来说，一个用户点击了多条广告，该如何归因，对于企业和平台来说，比较公平？

如果要实现数据的归因统计，需要哪些步骤呢？

一、首先我们需要梳理出在用户第一次认知到产品相关信息到最终转化为实际用户这一过程中，需要通过哪些阶段，每一个阶段的核心数据是什么？

拿电商App举个例子，电商App最终要实现的是用户购买产品，提升平台整体的GMV。

那么一般是以下的流程：

通过多渠道活动/内容的曝光（曝光量）——吸引用户点击（点击量）——用户注册/下载/安装（注册率）——最终促成消费（购买率）——复购（留存率）

这个流程就可以让我们清晰的知道，流量转化过程中，在什么阶段，需要对什么数据进行归因。Xinstall的渠道数据统计报表，实时呈现不同渠道总体数据和对比趋势，对用户点击率、注册率、活跃度和留存率数据有精准的把控。

二、上述流量转化过程看似简单，但其实中间包含多个影响最终转化效果的因素。

例如，App运营者的转化目标是吸引用户来下载注册App，其流量来源，主要是App Store及各种媒体投放的广告等渠道。

拿上述电商App的转化流程来说，从曝光到点击，就需要对推广营销内容进行深度的把控，比如通常App会使用落地页这一推广方式进行产品核心内容的曝光，那吸引用户点击进来的入口页到落地页，以及最后跳转到指定App下载界面，这一流程都是关乎转化目标的关键因素。

而对于点击到注册这个过程，往往会与商品详情页有关，那么到达商品详情页的流量来源是哪些，如购物车、猜你喜欢的推荐位、商品广告的广告图片、搜索列表页等。

针对上述多种复杂渠道来源数据的统计，Xinstall支持自建渠道功能，细化每一个渠道所带来的流量数据，形成报表，便于App运营人员随时查看和进行进一步数据分析。

对于一个复杂的电商平台来说，各个业务、功能之间相互引流，相互嵌套，用户的来源渠道和最终转化路径需要用更精准的数据来实现。这样我们可以认为对于“用户从哪里来”的问题就比较清楚了。各个渠道上的用户转化效果涉及到业务公平，和各个业务团队的利益，我们需要归因到各个渠道来源入口，就是我们要完成的最后一步，归因。

三、渠道数据归因

为了衡量这些复杂的多流量渠道运营效果，于是在流量效果跟踪的时候，就需要引入了多渠道归因分析的方法，目前有很多常见的归因逻辑，比如唯一设备号归因/IP归因，原理是当用户发生广告交互时，采集用户的IP或设备号，包含用户的操作系统、手机型号等等，与转化时用户的IP进行匹配，以此达到转化归因。Xinstall后台同样拥有对于刷量、作弊等行为的监控，对于刷量的IP，刷量的渠道以及刷量安装数都有精确的统计，实时监控，有利于保证业务公平。

当然还有一些常见的归因模型：首次互动归因、末次互动归因、平均分配归因、时间衰减归因模型等。对于各个模型的使用场景，适用业务都是不同的，往往在实际的操作细节上还会存在多个模型结合使用的情况。

好的渠道数据效果的归因统计可以帮助App运营者减少花费在渠道上的不必要的成本，每个App运营者都希望在预算有限的情况下获得最大的投放增长收益，将预算花在刀刃上，实际上这些问题都跟数据归因息息相关。因此，了解渠道数据和归因逻辑，是每一位App广告投放/产品/运营的必备技能之一。