什么是第三方統(tǒng)計的“概率歸因”

既然都寫了三方統(tǒng)計，再加上最近踩到了概率歸因的坑，順手解釋下我理解的概率歸因。

"概率歸因"（probability attribution）是歸因模型的一種類型，它基于概率統(tǒng)計來分配轉(zhuǎn)化或事件的權(quán)重給不同的渠道或觸點，（這解釋真繞）。所以我們換個通俗的說法，大致可以是”讓我來猜猜這次安裝到底是誰貢獻(xiàn)的“。

按照標(biāo)準(zhǔn)點的說法：概率歸因是通過統(tǒng)計學(xué)方法來估計每個渠道對轉(zhuǎn)化的貢獻(xiàn)概率。一般涉及到歷史數(shù)據(jù)的分析，以確定哪些廣告觸點更可能帶來轉(zhuǎn)化事件。一般概率歸因的技術(shù)思路還分成下面幾種：

1， 線性歸因，通俗點說就是”見著有份“，參與了點擊的都有貢獻(xiàn)，各個渠道都有同等的權(quán)重來認(rèn)領(lǐng)這一次轉(zhuǎn)化（公平么？公平才怪）。

2，按時間衰減歸因，差不多就是類似最后一次點擊歸因，誰最后點的歸誰。

3，概率模型，用機器學(xué)習(xí)的方法，根據(jù)用戶行為習(xí)慣和統(tǒng)計平臺的歷史數(shù)據(jù)來估算各個渠道的貢獻(xiàn)，再把轉(zhuǎn)化決定算給誰。

概率歸因相對精準(zhǔn)歸因的差別，其實就是”我在不知道到底是誰產(chǎn)生的轉(zhuǎn)化的時候，按照我的模型來決定轉(zhuǎn)化是誰“，通常就是渠道沒拿到比如aid的時候，蒙一個。

比如渠道是拿到了aid之類，通常走的就是最后一次點擊歸因之類（不完全是，有可能存在渠道搞最后一次點擊劫持的作弊，被三方抓到了后不歸因給這個渠道），但是相對概率歸因，有設(shè)備信息的可以算是”精準(zhǔn)“歸因了吧。

大致的邏輯就這些，再深的我也沒研究了，我覺得差不多夠理解了的。

————————以下內(nèi)容可能對大家沒啥用————————

概率歸因的應(yīng)用層面：對于我們來說，用到概率歸因的，其實主要還是最近的web2app中走概率歸因?qū)崿F(xiàn)apk投放，或者ios的投放，平時的onelink一些簡單追蹤。

影響概率歸因準(zhǔn)確度的一些因素：

影響精準(zhǔn)度（到底有多少掉到了自然量）的核心因素其實非常少，IP，user-agent，操作系統(tǒng)，時間戳，應(yīng)用版本等等。

概率歸因用用中可能的坑:

我們web2app應(yīng)用的過程中可能遇到的一些坑，比如：自己在測試過程中發(fā)現(xiàn)自己安裝了但是在三方上看不到，光有了點擊，沒后續(xù)安裝轉(zhuǎn)化，其實就可能是上面某些影響因素的變化導(dǎo)致歸因失敗，典型的例子就是開著VPN去點了歸因鏈接（onelink），完成安裝后只看到點擊沒轉(zhuǎn)化，因為IP不同導(dǎo)致歸因到自然量。同樣還會有其他的一些情況可能導(dǎo)致歸因失敗，甚至包含網(wǎng)速導(dǎo)致的安裝時間和點擊時間的差值也會影響歸因成功率，近期走web2app跑apk的整體目前觀測到成功率大部分在80-90%，不同地區(qū)還不一樣。

優(yōu)化概率歸因的思路：

以前做甲方的時候遇到過網(wǎng)盟花了很多精力去研究三方的概率歸因相關(guān)信息，核心目標(biāo)就是讓三方再認(rèn)領(lǐng)轉(zhuǎn)化的時候把更多轉(zhuǎn)化歸到自己的渠道下，這里估計有概率歸因+”精準(zhǔn)“歸因兩部分的優(yōu)化。主要思路是有設(shè)備信息的盡可能給三方更多的設(shè)備信息參數(shù)（具體有哪些得技術(shù)看，三方有文檔需要那些字段），沒有的時候就把前面提到的ip，user-agent等提供完整，還考慮到三方會根據(jù)用戶的歷史行為習(xí)慣，另外渠道的累計安裝轉(zhuǎn)化情況，后續(xù)用戶行為等來判斷該轉(zhuǎn)化應(yīng)該歸屬哪個渠道， 猜測有一些大渠道因為長期轉(zhuǎn)化的多，在三方歸因的時候可能會更傾向于給到這些平時貢獻(xiàn)更大的渠道，所以保持良好的用戶質(zhì)量，在后續(xù)歸因統(tǒng)計時候應(yīng)該會更占優(yōu)勢。

出海流量玄學(xué)研究中心，不定期分享信息流廣告優(yōu)化師投放技巧，主要內(nèi)容為海外facebook，google，TikTok ads廣告投放技巧分享，歡迎大家關(guān)注，分享內(nèi)容，也歡迎大家分享更多關(guān)于游戲出海，跨境電商廣告投放技巧。

請加知識星球一起討論投放技巧，如有疑問可在星球向我提問

長按圖片加知識星球