# 什么是归因分析 在复杂的数据时代，我们每天都会面临产生产生的大量的数据以及用户复杂的消费行为路径，在广告位、推广位的效果评估上，往往会产生一系列的问题： 1. 哪些广告位、推广位促成了销售？ 2. 他们的贡献率分别是多少？ 此类场景，可以使用归因分析模型来分析待归因事件（广告位点击、推广位点击）对目标转化事件（支付订单等）的贡献。 # 创建归因分析 **选择目标转化事件** 目标转化事件是指企业定义的作为完成一次转化的事件，一般是与收益相关的事件，比如支付订单 也可给目标转化事件加筛选条件，如支付方式为“微信支付”的支付订单事件  **选择待归因事件** 待归因事件是指在完成一次转化前，哪些事件可能促成目标转化事件，一般是运营相关的事件，比如运营位的点击。会统计这些事件对目标转化事件的贡献。 也可给待归因事件添加筛选条件，如支付方式为“微信支付”的支付订单事件  **选择公共筛选条件** 作用于分析的所有事件 **设置归因窗口期** 当天： 设置目标转化事件为A，待归因事件为B、C A 事件的发生时间为2021年7月1日，B事件的发生时间为2021年7月1日，C事件的发生时间为2021年7月2日 B就在A事件的窗口期内，而C不在A事件的窗口期内 自定义：2天 A 事件的发生时间为2021年7月3日，B事件的发生时间为2021年7月3日，C事件的发生时间为2021年7月1日 B就在A事件的窗口期内，C也在A事件的窗口期内  **选择分析模型** 目前支持的分析模型有三种：首次触点归因、末次触点归因、线性归因 比如在一个窗口期内，用户发生了以下事件：B—>E—>C-->D—> A 设置目标转化事件为A，待归因事件为B、C、D 首次触点归因：认为B促成A的转化，B对此次A的转化贡献权重为100% 末次触点归因：认为D促成A的转化，D对此次A的转化贡献权重为100% 线性归因：认为B、C、D都促成了此次A的转化，对此次A的转化贡献权重各为33.3%  **选择时间范围**： 此时间范围指的是目标转化事件的发生时间  **直接转化** 目标转化事件的窗口期内，无对应待归因事件，算是直接转化，比如： 设置目标转化事件为A，待归因事件为B，窗口期为当天，一个用户发生了以下几个事件 * 2021年7月1日 10：00 A * 2021年7月2日 10：00 B * 2021年7月2日 12：00 A 2021年7月1日 10：00发生的A算作直接转化 2021年7月2日 12：00发生的A算作2021年7月2日 10：00发生的B促成的转化 **直接转化参与归因计算** 勾选：报表展示直接转化的数据，贡献度会将直接转化的数据计算进去 不勾选： 报表隐藏直接转化的数据，贡献度不会将直接转化的数据计算进去  设置完成后，点击查询按钮，系统会以表格的形式将查询结果展示出来，查询结果按照待归因事件分组，展示每个待归因事件（触点）的四个指标： **总点击数**：待归因事件在时间范围内（目标转化事件时间范围加上窗口期，比如目标转化时间范围为“2020-08-10 至 2020-08-15”，窗口期为“1天”，那么待归因事件的时间范围为“2020-08-09 至 2020-08-15”）的点击次数 **有效转化点击数**：如果某次待归因事件发生在目标转化事件之前，且和目标转化事件发生在同一窗口期，则认为该次待归因事件为有效待归因事件，称之为有效点击数 **有效转化点击率**：有效转化点击数/总点击数*100% **目标转化事件总次数：**此待归因事件对每个目标转化事件发生次数的贡献权重之和 还可以点击“切换指标”按钮，查看目标转化事件其他指标（只支持数值型属性的总和计算）第1次转化贡献权重\*第1次目标转化事件指标+第2次转化贡献权重\*第2次目标转化事件指标+第n次转化贡献权重\*第n次目标转化事件指标 **贡献度**：每个触点贡献的指标占所有触点贡献指标的百分比  点击保存，即可将当前报表查询规则保存。 ## 将分析添加到仪表盘 点击添加到仪表盘按钮，可将结果表格添加到仪表盘