01

前言

對于電商平臺而言，精準(zhǔn)的識別每一份流量的效果是最重要的日常運營洞察之一。根據(jù)每一個流量入口的用戶后續(xù)轉(zhuǎn)化情況，是評價一個流量坑位的核心數(shù)據(jù)指標(biāo)。那么該如何把每一份流量曝光點擊加購轉(zhuǎn)化正確的歸因到對應(yīng)的坑位？

02

數(shù)據(jù)底層方案

做流量歸因的基礎(chǔ)是，App的埋點的已經(jīng)基本完善，大部分用戶在App上的行為已經(jīng)通過埋點記錄存儲。

2.1

埋點日志新增pageld字段

首先需要在客戶度埋點的日志中，增加PageId字段。作用是每當(dāng)用戶產(chǎn)生一次跳轉(zhuǎn)產(chǎn)生一個新頁面時，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)。

2.2

解析埋點日志進行鏈路分析

• 需要先確定所有鏈的末端end ，即所有的加購事件。

• 再確定所有鏈的首端head，由于電商商品的入口可能在App的多個頁面出現(xiàn)，所以選擇所有的基礎(chǔ)頁面（可枚舉）作為首端 。

• 用末端去左關(guān)聯(lián)得到最近的首端，拿到每條鏈的區(qū)間范圍。

• 用每個區(qū)間去篩選相對應(yīng)的所有點擊事件，去除掉無效事件，即得到每條鏈路的完整路徑：【1，2，9，10，11】。

2.3

各種特殊場景實現(xiàn)方案

1）商品詳情頁之間橫跳

2）跨層級橫跳（跳回到相同Page的頁面）

3）跨層級橫跳（跳回到不同page的頁面）

4）直接跳回入口頁

2.4

歸因方案

通過上面的埋點日志追蹤方案我們就得到了用戶在App里加購前的完整有序的鏈路?；谶@個鏈路我們就能進行歸因分析。業(yè)內(nèi)通用五大基本歸因方案，如下：

• 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」作出貢獻時，認(rèn)為越靠近「目標(biāo)轉(zhuǎn)化事件」做出的貢獻越大。

  
  

對于我們公司當(dāng)前的體量不是很大，還不需要進行復(fù)雜的方式歸因。所以采用了末次觸點歸因的方案來實現(xiàn)，也就是加購前最后一次點擊的入口為哪個就歸給它。這樣電商流量歸因的底層數(shù)據(jù)實現(xiàn)就全部完成了。

03

前端頁面展示

3.1

入口歸類

首先對App內(nèi)的所有流量入口進行分類，根據(jù)位置和大小分為2級。我這里稱之為一二級流量來源。部分一二級流量來源舉例：

3.2

數(shù)據(jù)指標(biāo)

• 模塊曝光人數(shù)：

  流量入口模塊曝光人數(shù)

• 模塊點擊人數(shù)：

  流量入口模塊曝光人數(shù)

• 商品曝光人數(shù)：

  來自該流量入口的商品曝光人數(shù)

• 商品曝光人數(shù)占比：

  來自該流量入口的商品曝光人數(shù)/整體商品曝光人數(shù)

• 商品點擊人數(shù)：

  來自該流量入口的商品點擊人數(shù)

• 支付人數(shù)：

  來自該流量入口的商品支付人數(shù)

• 支付人數(shù)占比：

  來自該流量入口的商品支付人數(shù)/整體商品支付人數(shù)

• 支付金額：

  來自該流量入口的商品支付金額

• 支付金額占比：

  來自該流量入口的商品支付金額/整體商品支付金額

• 支付件數(shù)：來自該流量入口的商品支付件數(shù)

• 商品曝光點擊率：來自該流量入口的商品點擊人數(shù)/來自該流量入口的商品曝光人數(shù)

• 商品曝光支付率：來自該流量入口的商品支付人數(shù)/來自該流量入口的商品曝光人數(shù)

• 商品點擊支付率：來自該流量入口的商品支付人數(shù)/來自該流量入口的商品點擊人數(shù)

• UV價值：來自該流量入口的商品支付金額/來自該流量入口的商品曝光人數(shù)

• 客單價：來自該流量入口的商品支付金額/來自該流量入口的支付人數(shù)

• 點擊價值：來自該流量入口的商品支付金額/來自該流量入口的點擊人數(shù)

3.3

時間維度及人群

人群：整體、新客、老客時間維度：今日、昨天、近7日日均、近30日日均

3.4

夏天流量來源平臺UI

流量來源分析平臺首頁可以展示不同時間不同人群不同流量來源不同數(shù)據(jù)指標(biāo)的具體數(shù)據(jù)。紅色和綠色的數(shù)據(jù)代表當(dāng)前時間的環(huán)比數(shù)據(jù)。核心數(shù)據(jù)指標(biāo)還增加了占比數(shù)據(jù)?？梢苑治鲭娚陶w的來源數(shù)據(jù)，也可以單獨看每個商品的來源的數(shù)據(jù)。

指標(biāo)可視化圖表展示如下：

1）不同流量來源的數(shù)據(jù)趨勢

2）單個流量來源的數(shù)據(jù)趨勢

3）分小時流量來源趨勢

4）按照不同時間區(qū)間聚合數(shù)據(jù)趨勢

04

總結(jié)

流量來源分析是電商公司日常運營分析的不可或缺的部分，打造了流量來源分析平臺后能大大的減輕了數(shù)據(jù)分析師取數(shù)負(fù)擔(dān)，也能讓運營產(chǎn)品直接通過可視化的方式獲取對應(yīng)數(shù)據(jù)進行自助分析，大大縮短的取數(shù)的排隊周期。讓業(yè)務(wù)能高效的進行日常運營迭代，目前此平臺上線后在公司內(nèi)部使用率非常高，收到了一致好評。

關(guān)注我即刻了解更多數(shù)據(jù)分析知識

更多數(shù)據(jù)分析內(nèi)容

掃描碼即可了解