线上广告追踪（Tracking）

• URL：非常精确可靠的追踪方式，最普遍应用，仅适用于广告点击

• Pixels（非常依赖Javascript，可能会出现数据中断，数据量大，存在大量垃圾数据，但可以追踪到浏览）
• Image Pixels
• Iframe Pixels
• JavaScript Pixels

• Deeplinking：类似URL，只适用于手机App

匹配（Matching）

• Cookies：只适用于网页

• 设备指纹（Device Fingerprinting）

• Unique identifier matching

• Open URL with Click ID and Track ID

第一方Tracking vs 第三方Tracking

• 第一方Tracking优势
• 更好的与内部数据整合
• 能更灵活的追踪用户在产品上的行为
• 保护内部数据和用户数据的安全
• 过程了解程度和可信度更高

• 第三方Tracking优势
• 平台简单易用
• 数据的获取简单
• 避免了大量的后台投入

• 建议
• 公司成立初期，广告投入较少：建议使用第三方Tracking以节省前期投入
• 公司运营成熟，用户成规模，广告投入充足：建议使用第一方Tracking

用户线上行为的时间序列（Funnel）

• 归因的第一步就是要把用户的广告行为和产品行为按时间序列排序，然后我们就可以得到在一定的时间窗之内用户有多少广告行为。

• 两个重要概念
• 归因起始时间点（Attribution Start Point）：从哪一个时间点回头看用户的广告行为。可设置为第一次产品下载、第一次用户注册、第一次购买等
• 归因时间窗（Attribution Window）：常见时间窗3、7、14、30、45、60天；越短回归的广告行为越少，模型越简单；越长可以追踪的广告行为越多，模型也越复杂；不宜太短。

• 如何决定归因起始时间点和时间窗？
• 归因起始时间点
• 订阅模式：以下载时间点为起始时间点
• 非订阅模式：以用户每次的购买行为为起始时间点
• 归因时间窗
• 不频繁购买（如旅游产品）：时间窗较长
• 频繁购买（如网约车产品）：时间窗较短

归因模型（Attribution Model）

• 单一归因（Single Touch Attribution）
• Last attribution touch: 最后点击归因，Facebook Ads和GA都使用最后点击归因。当前最主流的归因模型。
• First attribution touch：首次点击归因，受限于追踪期限，如cookie是30天过期，影响后续再触达。

• 多因子归因（Multi-Touch Attribution）
• Linear attribution/Even attribution：平均分配
• Time-Decay Attribution：最后一次touch得到最多的credit.
• Rule Based Model：不同的渠道拿到不同的比重的credit，不用区分广告行为顺序。目前最重要的归因模型，互联网公司应用居多。灵活，可以根据商业模式、用户特征来决定归因时间窗和归因起始点。
• Funnel Based: Upper funnel vs. Lower funner（更容易变成last touch或影响最终的决策）
• LTV based：优先分配给带来用户LTV高的渠道
• Cost based: Low Cost Restrictive (CRM)，优先分配给高成本的渠道
• 混合模型（Hyper Model)
• Rule based + Even Attribute: 根据规则划分好Ｎ个等级的渠道，同一等级的渠道获得相同的credit，相当于同一个level上是平均分配的。
• Rule based + Time Decay

• 数据驱动模型（Data Driven Model）：通过历史的每个用户广告行为和最终产生的行为确认给渠道多少权重
• 马克洛夫模型：可以表达出用户在Funnel中点击的变化，但现实中用户可能在两个状态中相互转化，对于这种情况模型可能变得异常复杂，难以计算。
• Sharply模型：通过新增或去掉一个渠道后转化率的变化决定一个渠道的权重。有时新增渠道会对转化率有负面影响，该模型难以表达这种情况。相同渠道的新增或去除可能对转化率的变化带来不同的影响。因此，所有的变化的组合都需要建立回归模型。

• People-based Attribution Touch

提升测试（Lift Test）

• 难点是统计功效分析（power analysis），因为是随机选取的受众，因此测试前是不清楚其转化率的，如果转化率很低则需要一个很大的受众才能测试出得到的lift是有效的。

• 通常如果转化率较低，则会选取在lower funnel上做lift test。一般会选取Facebook或者一些retargeting平台，这类平台可以提前运用background或者demographic data或者历史点击数据过滤出一些高意向（high intent）的受众，使测试更有效。

跨设备追踪（Cross Device Tracking）

• 一般来讲依赖于对不同识别平台ID的收集同时将这些ID于内部的用户ID相联系起来。然后在Attribution模型当中我们将不同平台上的广告行为与转化行为全部整合在一起再按时间排序。

• 由于用户点击广告与用户注册/登录可能会有时间差，因此会造成归因模型的不稳定。

全漏斗分析（Full Funnel Analysis）

• 判断在multi touch下哪些渠道可以获得credit

• 测试不同的upper channel与lower channel如何搭配能拿到更高的转化率

• 通常的组合：Upper Funnel为Brand/Social广告，Mid Funnel为SEM/APP广告，Lower Funnel为Email/Retargeting广告。Retargeting广告要多引入upper funnel的受众信息，提升转化率。

为什么需要三方归因工具（Why do we need a third-party app attribution tool?）

• Monitor both IOS & Android installs, in-app conversions + LTV

• Work with supported Ad Networks

• Track Conversions at keyword level

• Fight fraud

主流的第三方归因工具（Popular Mobile Attribution Partner）

• AppsFlyer

• branch

• adjust

• singular

• kochava

如何选择第三方归因工具（How to choose a mobile attribution partner?）

1. 大平台的Partner

2. Facebook MMP(Mobile Measurement Partners): 只会把用户点击数据和设备数据传送给MMP

3. 支持Deep Linking；能够识别设备类型和操作系统

4. 资源：是否符合数据安全相关条例与法规，对接的平台

移动归因行业面临的挑战

• Accounts or devices? Google Play Store是用账号来识别，但三方归因工具一般是以设备号来标识用户。

• Organic or marketing users？生态效果与付费渠道的效果分析

• 如何定义下载？Installs or app opens？应用商店在用户安装后定义为下载（下载日为App下载日期），而第三方归因工具则需要在用户下载并打开激活App后通过SDK识别到下载（下载日被记录为App打开日）。

• App attribution fraud
• Clicks/install fraud：虚假点击或者刷机快速增加下载量
• Attribution fraud：截取用户在不同广告影响期间的下载或者偷取自然流量。合同详细规范有效下载，检查IP，检查点击到安装时间。

• Attribution window：归隐窗口设置，将广告平台归因窗口设置成与三方归因工具相同

• Postbacks：广告主的数据回传