Taiwan Database

专注于在客户旅程的不同接触点分配信用，力求了解哪些渠道或策略促成了特定的转化。换句话说，归因将用户与广告的互动（例如展示和点击）与他们的购买行为联系起来。例如，想象一下客户旅程：某人在社交媒体上看到广告，然后在 Google 上搜索产品，最后通过应用程序进行购买。归因模型将根据预定义的规则（例如第一次或最后一次互动、最重要的接触点或加权分布）为每个接触点分配信用。 （我们在文章中讨论了各种归因模型，包括点击模型、浏览模型、最后一次接触模型、首次接触模型、多点接触模型等）。

然而，我们知道购买（下载）决策受到多种因素的影响，例如品牌资产、口碑、线下活动和新布拉德皮特电影的上映。在这方面，出现了一个问题，即是否应将所有收入全部归因于用户响应的广告。不幸的是，归因模型无法将这些额外的因素考虑在内，尽管它们是快速决策的绝佳工具。
增量：衡量真实影响
归因侧重于分配功劳，而增量性则更深入 海外亚洲数据 地探究营销活动的因果关系。其目的是通过比较有机结果和营销活动结果来了解特定营销活动的额外影响。 （我们在文章中讨论了增量以及如何更详细地测量它）。测量增量本身的过程相当漫长且昂贵，并且需要一个计算可行的模型，该模型涵盖随机化、机器学习、交叉验证、评分和广告因果效应的归因。仅仅一个小的计算阶段看起来就很复杂：


互联互通：互补概念
虽然归因和增量从不同角度进行衡量，但它们是相辅相成的——归因有助于识别影响转化的接触点，而增量有助于衡量这些接触点实际带来额外结果的程度。例如，归因可能表明大量转化归因于社交媒体广告。然而，增量分析可以让我们确定这些转化是由于广告还是在没有广告的情况下也会发生，以及广告吸引用户的程度以及这些数据是否与归因数据相匹配。