品牌营销的归因分析是什么？应该怎么做？ 品牌营销策划案例怎么做？品牌如何做营销推广？品牌营销思路是什...
\u54c1\u724c\u8425\u9500\u5e94\u8be5\u600e\u4e48\u505a\uff1f\u6839\u636e\u4f01\u4e1a\u60c5\u51b5\u5236\u5b9a\u7b56\u7565\uff0c\u7a81\u51fa\u54c1\u724c\u7684\u4ef7\u503c\u3002\u505a\u54c1\u724c\u8425\u9500\u5efa\u8bae\u4f60\u627e\u5bb6\u5916\u5305\u6765\u505a\uff0c\u4e13\u4e1a\u70b9\u6548\u679c\u4e5f\u597d\u70b9\uff0c\u6587\u519b\u8425\u9500\u5c31\u662f\u4e00\u4e2a\u4e0d\u9519\u7684\u9009\u62e9\u3002
TOM\u54c1\u724c\u8425\u9500\u4e1a\u52a1\u9879\u76ee\u5f88\u591a\uff0c\u5bf9\u4e8e\u6bcf\u4e2a\u4f01\u4e1a\u90fd\u662f\u8981\u6839\u636e\u4ea7\u54c1\u7684\u5177\u4f53\u60c5\u51b5\uff0c\u7b56\u5212\u8425\u9500\u65b9\u6848\uff0c\u6700\u597d\u4e00\u70b9\u5c31\u662f\uff0c\u6570\u636e\u5206\u6790\u4f18\u5316\u5347\u7ea7\u65b9\u6848
首先要知道“归因分析”，说的简单点，就是原因分析，找出影响结果的主要原因进行归纳；具体说到品牌营销的归因分析，就是要对影响品牌营销效果的原因进行总结分析，只有准确的分析出影响品牌营销效果的要素，才能够更有针对性的设计营销方案。否则，不知道影响营销效果的要素，又如何能够设计出有效果的营销方案呢？
举个简单的不恰当的例子，比如某个品牌产品 的客户群体都不看电视，那么在营销设计中就不应该考虑电视广告。
所以归因分析的目的就是要找出哪些是主要的影响要素，然后根据这些要素进行营销设计
在数据时代，广告的投放效果评估往往会产生很多的问题。而归因分析（Attribution Analysis）要解决的问题就是广告效果的产生。品牌要做营销归因分析，首先需要自身具备打通各方数据源的能力，像BAT或个推那样的独立大数据公司，都有这方面的数据和技术能力。打通各方数据后，就可以对消费者从曝光、点击到购买的转化数据进行统计和分析，从而有效归因。
对于多触点营销活动归因分析这块，在Avinish大作《Web Analytics 2.0》曾有提及可参照，他定义多触点概念（网站分析角度）为：在访客生成转化期间，可能接触到很多来自你公司的广告，如网站横幅或网站联盟广告。或者可能，已经通过其他营销推广方式联系了客户，如电子邮件营销。在业界，网站的每次曝光都被认为是来自该公司的一次接触。如果客户在转化之前发生了多次接触，那么此次转化就是所谓的多触点转化。
登录到网站分析工具如GA去看一下点击访问购买前访问次数（Visits to Purchase），如果数据显示86.97%的转化只需要两次或更少的访问，在这种情况下，所谓的多触点归因问题是个伪命题。打开购买所需天数（Ddays to Purchase）会说明有多少转化发生在同一天，以及是否在很多天和多次访问以后才发生转化。如果看到80%的转化发生在同一天，可能就不存在归因的问题。但是如果只有5%的转化在头两次访问时发生，多数转化在15次访问后发生，则可能需要在多触点营销活动归因分析上多花费一些宝贵的资源。
确认存在归因问题之后，可以利用数据细分确定最先从哪里着手。如对于付费流量购买前访问次数问题不大（87.45%在两次内就发生转化）。但对于Yahoo!展示活动（Yahoo!Display Campaign）购买前访问次数基本上大于15次，那么着手解决归因的问题可以从这里开始，对来自Yahoo!活动的所有访客进行细分，并进行更深层次的归因分析。
· 归因模型
一旦确定确实有必要进行多触点归因分析，下一步就是要了解对于每一个接触点（营销活动），可以使用什么归因模型。
假设一个场景：一位客户购买了75美元的产品，目前的问题是：对于各种营销活动，如何进行功劳的归属分配。
1、基于最后点击的归因
要猜测每次营销活动分别产生了什么影响是不可能的，一般认为访客的购买决定归功于其遇到的最后一个营销活动对购买的决定，这是目前大多数网站分析和营销活动分析工具中的标准归因模型。
在上图中，Yahoo!的PPC广告获得了75美元收入的功劳，其它活动没功劳。Avinash认为最后一次点击得到归因是标准的，但是如果用来决定如何在不同的营销活动渠道中的投入，这种方式并不可取。
2、基于第一次点击的归因
在这种情况下，电子邮件推广（即Email Promotion）得到75美元的功劳，其它活动没功劳。即将归因到第一次营销活动（营销活动将包括自然搜索和推介网站，通常是免费来源，而不仅仅是付费的营销活动）。
Avinash观点：如果第一次这么成功，那何需要另外6个营销活动才能让访客发生转化呢？
3、基于平均点击的归因
在这种情况下，7个活动中的每个活动都带来10.71美元收入的功劳。Avinash观点：这种方法是次优的，如果转化前6个活动都这么好，为什么访客要经过这么长的步骤才发生转化呢？或者，为什么第二个雅虎的横幅广告也有功劳呢？访客甚至没有点击它！这种方法是一种妥协，避免了作出艰难的决定。
4、基于功劳划分的归因
对功劳划分的原因是：将总功劳的50%归于最后遇到的营销活动，其它的接触点平分剩余的50%。Avinash认为这是比其它模型更加公平的模型！在这种情况下，最后的广告活动即Yahoo!的PPC得到37.5美元收入的归因，其它每项营销活动获得6.3美元的归因。来自这种归因模型的结果是：对访客最后一次接触的营销活动投入更多预算，然后再在所有其他活动中投入预算。
Avinash观点：这种模型可能是有点不可思议，你要知道，它并不完美，但至少它不生搬硬套。
5、自定义归因
使用自定义归因的原因是：我们不知道你的业务是什么，什么营销活动对你来说是有效的。你如何评估查看和点击活动的价值。或者你想如何分配功劳。所以这里提供一个开放的模型：你计算有多少接触点，以及对于每一次接触，都要如何归因。
针对上图的情况，我决定使用以下比例：
· 电子邮件营销 20%（他们可能是一个客户，我做了很多工作，应该有很多功劳）
· 看到过雅虎横幅广告 5%（我认为仅仅看到横幅广告，价值并不高）
· MSN主页推广 18%（我可以只投诉完全匹配的关键字，因此非常有针对性）
· Google的PPC 7%（接触网站联盟的访客已经接触过其它活动了，因此其权重比横幅广告高一点）
· Bing自然搜索 20%（我爱自然搜索流量，它是免费的，再说我比较喜欢Microsoft）
· 雅虎的PPC 18%（和Google的PPC同样的理由）
你可能会使用其它的方式，比如递减方式给最后一次活动30%的功劳，然后向前逐步递减5%，分别是25%，20%，15%，7%，3%，任何活动都超过0，取决于你对业务、客户和转化的了解而定。在最近一个项目上，我想出了一个用于印刷服务业的自定义归因模型。最后一次点击获得75%的功劳，然后对于其余的25%使用递减的方式，回溯周期为14天。把最大的权重给最后带来转化的营销活动，然后只看转化发生之前的14天内访客接触到的营销活动。因为这比较符合印刷服务业的典型生命周期。
Avniash观点：自定义归因模型的成功率是中等偏低的，这不是因为分析工具的技术能力，而是因为对使用的人有3个挑战：
· 需要了解网站上的哪些因素对访客影响大，哪些因素影响小。
· 必须对网站过去的表现了如指掌，建立的自定义模型才能符合实际情况。
· 过去的表现能指导将来的成功这一假定必须成产（因为即使过去很成功，利用过去的经验在将来也未必能取得成功）
通常在互联网行业，这些假设被证明是错误的，因此该模型就会失效。
真实世界归因分析的核心挑战：可能你会想要做网站路径分析，因为他们相信一系列完美的点击、路径会使企业成功。他们想知道网站的访客是否遵循这样完美路径。路径分析被证明是对时间可怕的浪费，因为互联网是没有结构的，它是混沌的。在进行归因分析时，可能会回答错误的问题：我如果将功劳归因于每个营销活动？然后去做路径分析，其实应该回答的问题是：我如何在可用的广告和营销渠道之间优化预算分配。
归因分析的可行替代方案
1、媒体组合模型
目前的预算分配是搜索15%，展示广告35%，内容网络20%。预算分配实际上应该是什么样的呢？
如果目标是确定在每个媒体渠道需要花多少钱，那么为什么不放弃转化归因分析，而使用一项随机的媒体组合试验来回答这个问题呢？
只要他们执行某套营销活动，就开始收集转化的数据，按照地理区域进行细分，对于这些数据的分析有助于确定最佳的媒体组合，以使流量引入成本最低。
2、边际归因分析
你可以通过设计一个边际归因分析试验，来回答一个更有意思的问题，而不是试图将转化归因于不同的媒体渠道。
例如：将55%的营销预算花在展示广告上，45%的预算花在搜索上，并从这些渠道得到200万美元总收入，有些人可能只看到展示广告，有些人只是看到搜索广告，有些人两种广告都看到了。
现在 你又得到了追加的20万美元的营销预算，你需要知道如何最好的在搜索和展示之间分配预算。
进行边际归因分析时，你的方法将成为预算的一部分（如一万美元），分配给投资组合的一部分，如展示广告活动。然后衡量该试验的产出（转化），转化的任何增加都可归因在展示上投入的1万美元。
采用这种方法，并不管最后接触点是什么：在我们的简单的场景中，可能搜索才是产生转化的最后接触点，分析重点是了解改变某种广告预算，能增加多少额外的收入（在我们的例子中，增加1万元的展示广告），可以一直这样试验，直到找到边际效益递减点。
如果你使用所有媒体渠道，如网站联盟，电子邮件，搜索，展示广告和社交媒体，然后 仅仅改变一个变量（媒体花费），确定转化的增量，这就是边际归因分析。
多渠道分析：对于全线营销的衡量技巧
将介绍离线营销活动与在线营销活动，活动相互之间的影响。
跟踪离线营销活动对在线营销活动的影响：
1、虚拟网址
2、特殊的可兑现优惠和优惠码
3、线上调研及市场研究
4、关联流量趋势和线下广告安排
5、利用对照试验的力量
跟踪线上广告活动的线下影响
1、衡量线下行为引导
2、追踪电话和线上聊天
3、使用特殊的优惠券和优惠码
4、深入挖掘线下和线下数据
5、使用调研预测线下影响
6、进行对照试验
7、利用主要研究。
· 顺便推荐一家聚合广告平台，我们自己app就在合作，原来接的是gromore，接入这家以后提升大概在50%左右。云境广告（www.yunjingssp.com），目前网易、喜马拉雅FM、驾校一点通、下厨房等国内各行业的主流APP都在合作中，每日触达8000wDAU。
绛旓細澶氭笭閬撳綊鍥犻棶棰樼殑涓夌绫诲瀷: 鍏充簬澶氭笭閬撳綊鍥,浼氭湁寰堝鐨勮糠鎯戝拰涓嶈В,鍦ㄦ垜浠殑涓栫晫閲屾湁涓夌绫诲瀷鐨勫綊鍥闂銆備竴銆佸娓犻亾褰掑洜,绾夸笂鍒板疄浣撳簵(MCA-O2S):钀ラ攢鍜鍒嗘瀽浜哄憳灏濊瘯鍘诲紕鎳傜綉缁滆惀閿鍜屽箍鍛婄殑瀵圭嚎涓嬬殑褰卞搷(鏀跺叆/鍝佺墝浠峰/鐢佃瘽绛)銆傛垜浠妸杩欎釜褰掑洜绉颁负MCA-O2S銆傛垜杩欓噷浣跨敤鐨勫疄浣撳簵,瀹冨寘鎷互涓嬪嚑绉嶆儏鍐:闆跺敭鍟嗗簵鎴栧叕鍙...
绛旓細姣忓勾鐨勫湥璇炶妭閮芥槸鍝佺墝鐨勯泦涓惀閿鑺傜偣,鑰屼粖骞寸殑鍦ｈ癁鑺傚氨瑕佸埌浜,瀵逛簬鍑烘捣鍝佺墝鏉ヨ,瑕佹庢牱鎵嶈兘鍦ㄥ湥璇炶妭鍋氬ソ鍝佺墝钀ラ攢,璁╃敤鎴锋棦鎰挎剰鎺ユ敹钀ラ攢淇℃伅銆佷篃涓嶄細瑙夊緱鍘岀儲鍛?鏈瘒鏂囩珷閲,浣滆呮荤粨浜嗗湥璇炶妭鐨勫搧鐗岃惀閿鎸囧崡,涓璧锋潵鐪嬨 澶囧彈鍑烘捣鍝佺墝鍏虫敞鐨勫湥璇炶妭瑕佹潵鍟!姣忓埌姝ゆ椂,鎵鏈夊晢瀹堕兘鍦ㄥ仛骞存湯澶т績,娴峰甯傚満鍏呮枼鐫鏃犳暟鐨勫箍鍛婁俊...
绛旓細骞跺姣忎竴涓攢鍞嚎绱㈣繘琛岃拷韪函婧愶紝閫氳繃褰掑洜妯″瀷锛岃瘎浼版瘡涓娆℃洕鍏夈佺偣鍑汇佹悳绱㈣涓哄褰㈡垚璇ヨ浆鍖栨晥鏋滅殑璐＄尞锛屼粠鑰屼紭鍖栬惀閿棰勭畻鐨勫垎閰嶏紝鎻愬崌钀ラ攢鐨鏁翠綋鏁堢巼銆備互涓婃槸灏忕紪涓哄ぇ瀹跺垎浜殑鍏充簬澶ф暟鎹椂浠ｆ苯杞鍝佺墝钀ラ攢瑙ｅ喅鏂规鐨勭浉鍏冲唴瀹癸紝鏇村淇℃伅鍙互鍏虫敞鐜悆闈掕棨鍒嗕韩鏇村骞茶揣 ...
绛旓細鍦ㄨ瀹钀ラ攢娲诲姩鐩爣鍓嶏紝鍝佺墝搴旇鍏堣瀹氭椿鍔ㄧ粨鏉熷悗锛岄渶瑕佽瘎浼扮殑鍏抽敭鏁版嵁锛屼互浜嗚В娲诲姩鏁翠綋鐨勬晥鐩婅〃鐜板浣曘傝惀閿娲诲姩鐨勫叧閿暟鎹彲鑳藉寘鍚椿鍔ㄦ祦閲忔洕鍏夈佸搧鐗屼骇鍝併佹湇鍔″疄闄呰喘涔拌浆鎹佹椿鍔ㄦ姤閰巼绛夌瓑锛屽湪鎵惧嚭杩欎簺鍏抽敭鏁版嵁鍚庯紝鍝佺墝闇寤虹珛娓呮櫚鐨勫綊鍥鏋舵瀯锛屼互渚挎寔缁拷韪紭鍖栥備互娴侀噺鏇濆厜杩借釜涓轰緥锛屽搧鐗岃嫢閫夋嫨澶氱閬撶瓥鐣ヨ繘琛...
绛旓細绾夸笅鎺ㄥ箍鍚屾牱涓嶅彲蹇借锛屽湴鎺ㄣ佺嚎涓嬫椿鍔ㄨ禐鍔╁拰鐗╂枡鎶曟斁锛岄兘鑳藉湪鐜板疄涓Е杈炬綔鍦ㄧ敤鎴凤紝褰㈡垚鍝佺墝蹇犺瘹搴︺傛荤粨锛氭暟鎹┍鍔ㄧ殑鎺ㄥ箍鏅烘収 鏃犺鏄摢绉嶇瓥鐣ワ紝閮界涓嶅紑鏁版嵁鐨勭簿纭拷韪拰鍒嗘瀽銆褰掑洜缁熻鏄繛鎺ョ瓥鐣ヤ笌缁撴灉鐨勬ˉ姊侊紝瀹冭兘甯姪鎴戜滑娓呮櫚鍦扮悊瑙ｆ瘡涓笭閬撶殑璐＄尞锛屼负浼樺寲鍐崇瓥鎻愪緵鍧氬疄渚濇嵁銆傚湪姣忎釜鎺ㄥ箍闃舵锛岄兘搴旇瀺鍏...
绛旓細3. 瀹濇磥鍏徃锛氬疂娲佹槸涓瀹跺叏鐞冮鍏堢殑鏃ョ敤娑堣垂鍝佸叕鍙革紝鍏堕攢鍞骇鍝佹兜鐩栦釜浜烘姢鐞嗐佸灞呮姢鐞嗙瓑銆傚疂娲佸嚟鍊熷叾寮哄ぇ鐨鍝佺墝褰卞搷鍔涘拰甯傚満鎷撳睍鑳藉姏锛屽湪鍏ㄧ悆鑼冨洿鍐呮嫢鏈夋瀬楂樼殑甯傚満浠介銆傝繖浜涘叕鍙搁攢鍞殑鎴愬姛涓昏褰掑洜浜庝互涓嬪嚑涓柟闈細1. 浜у搧鍒涙柊涓庢妧鏈紭鍔匡細杩欎簺鍏徃閲嶈鐮斿彂鎶曞叆锛岄氳繃鎶鏈垱鏂板拰浜у搧寮鍙戞潵婊¤冻瀹㈡埛闇姹傘備粬浠...
绛旓細鍙堝父鍚钀ラ攢浜鸿璧峰伐浣滀腑鐨勪竴浜涚棝鐐,鍍忔槸瀵鍝佺墝瀹氫綅鍥版壈,瀵圭瓥鐣ョ己璋嬪皯鏂,瀵逛紶鎾病鏈夌伒鎰熺瓑,鍏跺疄杩欎簺闂鐨勫嚭鐜,涔熷鍗婅褰掑洜浜庣己涔忔湁鏁堢殑鐢ㄦ埛娲炲療銆 閭ｄ箞,鐢ㄦ埛娲炲療绌剁珶鏄粈涔?濡備綍鏉ュ仛?瀹冧笌钀ラ攢璋冪爺鏈変綍涓嶅悓?褰撴垜浠繘琛屾礊瀵熸椂,鍙搴旇璇曞浘鍘讳簡瑙ｄ粈涔?鏈枃灏嗕笌澶у涓璧疯繘琛屾帰璁ㄣ 涓銆佺敤鎴锋礊瀵熺殑瀹氫箟涓庝娇鍛 棣栧厛,...
绛旓細1)鍏充簬褰掑洜瀵逛簬浜у搧鐨勫綊鍥澶у鏄,鐪嬫瘡涓幆鑺傝浆鍖栦簡澶氬皯,浠涔娓犻亾,骞舵帹娴嬪師鍥,鏇村叧娉ㄧ殑鏄墿澶т紭鍔,閮藉湪褰掑洜鏉ョ殑鐢ㄦ埛鏄庝箞鏉ョ殑,鏄竴涓鍚戠殑鍒嗘瀽杩囩▼銆 浣嗘槸瀵逛簬钀ラ攢娲诲姩鑰岃█,鎴戜滑瑕佹洿鍏虫敞鈥滄祦澶卞綊鍥犫,鐢ㄦ埛涓轰粈涔堣蛋,鎴戜滑瑕佸缓绔嬪浜庢祦澶辩殑鍒嗘瀽浣撶郴銆傚苟涓斿缓绔嬭捣娲诲姩闂寸殑姣旇緝鏈哄埗,娲诲姩鍐呯瓥鐣ョ殑AB鏄笉澶熺殑,涔熷璇曡瘯...
绛旓細杩涗竴姝ョ湅锛岀瀛︾殑浜у搧鎶鏈槸缁忚惀绉戝鐨勫簳灞傞┍鍔ㄥ洜瀛愶紝鍖呭惈涓夊ぇ鏍稿績鎶鏈細闃块噷濡堝娑堣垂璺緞鍏ㄥ煙鍏ㄦ梾绋褰掑洜鎶鏈疢TA(Multi-touchAttribution)銆侀樋閲屽濡堟柊鍝佸喎鍚姩瑙ｅ喅鏂规NPA(NewProductAcceleration)銆侀樋閲屽濡堢洿鎾棿鏅鸿兘鎶鏈瑁匒CE锛圓limamaContentExpress)銆傚叾涓紝MTA甯姪鍟嗗杩樺師娑堣垂鑰呭喅绛栫殑璺緞锛鍒嗘瀽姣忎釜瑙︾偣鍦ㄦ秷璐...
绛旓細甯傚満缁嗗垎鐨钀ラ攢绛栫暐銆傜粏鍒嗘秷璐硅呭競鍦虹殑鍩虹 鍦扮悊缁嗗垎锛氬浗瀹躲佸湴鍖恒佸煄甯傘佸啘鏉戙佹皵鍊欍佸湴褰 浜哄彛缁嗗垎锛氬勾榫勩佹у埆銆佽亴涓氥佹敹鍏ャ佹暀鑲层佸搴汉鍙ｃ佸搴被鍨嬨佸搴敓鍛藉懆鏈熴佸浗绫嶃佹皯鏃忋佸畻鏁欍佺ぞ浼氶樁灞傚績鐞嗙粏鍒嗭細绀句細闃跺眰銆佺敓娲绘柟寮忋佷釜鎬ц涓虹粏鍒嗭細鏃舵満銆佽拷姹傚埄鐩娿佷娇鐢ㄨ呭湴浣嶃佷骇鍝佷娇鐢ㄧ巼銆佸繝璇氱▼搴︺佽喘涔板噯澶...
