アトリビューション分析の適用シナリオとアクションメソッドについて説明します。
ドキュメントの説明：このドキュメントは、Quick Tracking と技術統合の概要であり、販売基準として使用されるものではありません。企業が購入した特定の製品および技術サービスについては、商業購入契約が優先されます。
概要
ユーザーがビジネスに関心の高い変換行動を完了する前に、複雑な行動フローと意思決定プロセスを経るたびに。コンバージョン前のユーザー行動フローには、多くの場合、ターゲットコンバージョンと非常に関連性が高く、コンバージョンに貢献する可能性の高い複数のファクターイベントが含まれています。したがって、ビジネス側は、各ファクターイベントのコンバージョン行動への貢献度を判断する必要があります。アトリビューション分析機能には、さまざまな一般的なアトリビューション分析モデルが組み込まれています。企業は、ビジネス特性に基づいて適切なアトリビューションモデルを選択し、各ファクターイベントに「貢献度」を適切に割り当てることができます。
Quick Tracking の「ターゲットコンバージョンイベント」とは、上記の「コンバージョン行動」を指し、通常はアプリケーションでビジネス目標を達成したときのユーザーの行動です。関連するファクターの行動は「未 attribution イベント」であり、通常はターゲットコンバージョン行動に貢献する可能性のあるイベントです。たとえば、e コマースの購入シナリオでは、ユーザーは最初に検索ボックスでこの製品を検索し、次にプロモーション位置でこの製品のアクティビティ情報にヒットする可能性があります...最後に、プロモーションメッセージを受信した後に購入行動が完了し、購入行動が「ターゲットコンバージョンイベント」になります。製品の検索、広告位置のクリック、プロモーションメッセージのクリックなどの行動は、このシナリオでの「未 attribution イベント」です。
アトリビューション分析は、次の質問に答えるのに役立ちます。
電気市場シーンのユーザーが購入を行いました。淘宝網のホームページ検索、アクティビティ会場、これらのステーションのリソースをどの程度気に入ったか、この取引にどの程度貢献しましたか？
e コマースのシナリオでは、全額割引クーポンの使用とエクイティ活動への参加は、注文金額の累積値にどの程度貢献していますか？
不動産アプリケーションでは、ユーザーは電話の痕跡を残しました。住宅ソースの閲覧、住宅ソースの問い合わせ、住宅価格の動的情報 subscription 、他者の住宅ソースの推奨の受信などの行動は、最終的に残された電話の痕跡にどの程度貢献しましたか？
ユーザーは、映画とテレビのメンバーシップを開設し、有料の映画とテレビのリソースを見ようとし、メンバー開設の優待情報を受信し、今後の有料リソースをお気に入りに追加し、メンバー権限ページを確認し、メンバー有効期限のリマインダーを受信した後、最終メンバーの開設にどの程度貢献しましたか？
機能紹介
ページ構成
アトリビューション分析モデルは、「情報設定エリア」、「インターフェース構成分析結果エリア」、「履歴クエリリストエリア」の 3 つの部分で構成されています。
「情報設定エリア」で、ターゲットコンバージョンイベント、未 attribution イベントを指定し、関連イベント、転送相関属性、フィルターグループ化条件を設定し、 attribution モデルを選択し、 attribution ウィンドウ期間を設定します。
「インターフェース構成分析結果エリア」にクエリ結果の表を表示します
「履歴クエリリストエリア」でレポートを保存および更新し、履歴レポートを表示し、データをエクスポートします
機能アクション
ターゲットコンバージョンイベントの選択（必須）
ターゲットコンバージョンイベントの選択
すべてのタイプのイベント（仮想イベントを含む）をターゲットコンバージョンイベントとして使用できます。通常は、ビジネスに関心の高い利益イベントです
ターゲットコンバージョンイベントの貢献メトリックの選択
コンバージョンイベントの発生回数、数値イベント属性の累積値、数値ユーザー属性の累積値をサポートします。複数のメトリックの設定と、ターゲットコンバージョンイベントに関連する複数のメトリックに対する各未 attribution イベントの貢献度のクエリをサポートします。これは、水平比較分析シナリオの要件を満たします。
転送相関イベントの設定（オプション）
転送相関イベントと属性を設定して、 attribution モデル計算の精度を向上させることができます。イベントをターゲットコンバージョンイベントの転送相関イベントとして設定すると、未 attribution イベントがトリガーされた後またはターゲットコンバージョンイベントがトリガーされる前に転送相関イベントがトリガーされるまで、ユーザーは実際の貢献を行うことが制限されます。転送相関イベントは、行動フローの分割ルールとして使用されます。転送相関イベントがトリガーされる前の保留中の attribution イベントのみが、ターゲットコンバージョンイベントへの有効な貢献と見なされます。複数の転送相関イベントを設定できます。転送相関イベントのいずれかをトリガーして、分割効果を生成できます。
このケース例では：
A は、ターゲットイベントのセグメンテーションに従って、各ターゲットイベントシーケンスでタイムウィンドウに従って有効なバックトラックウィンドウを決定し、未 attribution イベントへのバックトラックウィンドウ期間のみを計算します。つまり、未 attribution イベント A_0 と転送相関イベント F_4 は計算に参加しません。
B は、転送相関イベントのセグメンテーションに従って、各転送相関イベントシーケンスの未 attribution イベントのみを計算します。つまり、未 attribution イベント A_4 には転送相関イベントがないため、未 attribution イベント A_4 はカウントされません。
C. 未 attribution イベント A_2 と A_3 の前の関連イベントは F_1 であり、未 attribution イベント A_1 の前の関連イベントは F_2 です。これは、前の関連イベント F_3 の前に未 attribution イベントがないためであり、未 attribution イベントなしの直接コンバージョンと理解できます。最初の attribution モデルで計算すると、このコンバージョンは未 attribution イベントの貢献度に記録されません。「その他」の行動による変換としてカウントされます。
次のシナリオを満たすように転送相関イベントを設定できます。
e コマースシナリオの購入行動を例にとります。送信された注文はターゲットコンバージョンイベントであり、製品プロモーションのクリックと製品検索は未 attribution イベントです。未 attribution イベントに関係なく、コンバージョンが実装される前に、製品詳細ページを閲覧するという行動をトリガーする必要があります。「製品詳細ページの閲覧」を転送関連イベントとして設定すると、後続で「製品詳細ページの閲覧」行動をトリガーする未 attribution イベントのみをコンバージョンイベントに貢献したものとしてカウントするように制限できます。あるサイクルで最初にいくつかの未 attribution イベントがトリガーされたが、後続の購入が製品詳細ページを経由せずに直接発生した場合（たとえば、ライブブロードキャストで注文が送信された場合）、このフェーズでトリガーされた未 attribution イベントはターゲットイベントに貢献したものとは見なされず、このフェーズの未 attribution イベントは計算に関与しません。
関連付けプロパティの設定（オプション）
関連付けプロパティの設定は、転送相関イベントの設定と同様に、 attribution モデルの計算精度を向上させる方法です。関連付けプロパティを設定することにより、ターゲットコンバージョンイベントの属性プロパティ値が転送相関イベントの属性プロパティ値と同じであることを指定できます。これは、コンバージョン行動の成功に貢献したものと見なされます。
たとえば、前の e コマースシナリオでは、関連付けプロパティを設定できます。関連付けられたイベントロジックに基づいて、ターゲットコンバージョンイベント（注文送信）と転送関連イベント（製品詳細ページの閲覧）の商品 ID の値が同じであることを確認できます。商品 A を閲覧して商品 B を注文した場合、関連イベントの前に発生した未 attribution イベントが実際にターゲットイベントに貢献したものとは見なされず、この段階の未 attribution イベントは計算に関与しません。
関連付けプロパティは、プロパティ値が一致するかどうかのみを判断します。プロパティの意味は同じであるが、プロパティが異なる名前のイベントに従うシナリオに対応するには、関連付けに異なるプロパティを使用できます。例：
製品詳細ページの閲覧イベントでは、製品の一意の ID が属性「製品 ID」で報告される場合があり、送信された注文イベントでは、製品の一意の ID が属性「送信された注文の製品コード」で報告される場合があります。これらはすべて製品の一意の ID「AA123456」に対応しています。この場合、転送相関イベント「商品詳細ページの閲覧」のイベント属性「商品 ID」は、ターゲットコンバージョンイベント「注文を送信」のイベント属性「送信された注文の商品コード」と関連付けられるように設定されます。属性値が等しい場合、転送相関イベントは成功です。
未 attribution イベントの選択（必須）
未 attribution イベントの設定
未 attribution イベントは、ターゲットコンバージョンイベントと同じにすることはできません。仮想イベントにターゲットコンバージョンイベントが含まれている場合、ターゲットコンバージョンイベントと同じと見なされ、サポートされません。また、すべてのタイプのイベントを未 attribution イベントとして設定できます。
未 attribution イベントのフィルター条件とエイリアス（オプション）
attribution 分析のフィルター条件の設定とエイリアスの追加のロジックは、イベント分析と同じです。
関連付け属性の設定（オプション）
未 attribution イベントとターゲットコンバージョンイベントの間で属性を関連付けることができます。未 attribution イベントの属性の属性値がターゲットイベントの属性の属性値と同じである場合、未 attribution イベントはコンバージョンに貢献します。例えば：
「注文を送信」の注文 ID と「クーポンを使用」の注文 ID を関連付けることで、このクーポンの使用が送信された注文に実際に貢献したものとしてカウントされます。
グループ化、グローバルフィルタリング、ユーザーグループ化の設定（オプション）
attribution 分析のグループ化、グローバルフィルタリング、ユーザーグループ化のロジックは、イベント分析と同じです。
attribution モデルの選択
現在、最も一般的な 4 つの attribution モデルがサポートされています。最初の接触 attribution 、最後の接触 attribution 、線形 attribution 、位置 attribution 、時間減衰 attribution です。ビジネス関係者は、ビジネスニーズに応じて最も適切な分析モデルを柔軟に選択できます。
A. 最初の接触 attribution
複数の「未 attribution イベント」が同じ「ターゲットコンバージョンイベント」に貢献する場合、最初の有効な「未 attribution イベント」のクレジットは 100% です。
初回接触 attribution は、新しいブランドと新製品のプロモーション、またはビジネスがイノベーションと市場開拓の時期にある場合に適用できます。この時点で、ビジネスはまず顧客プールにより多くのユーザーを呼び込むことに関心があります。通常、初回接触 attribution を使用して、ビジネスイノベーションに最も効果的なチャネル、顧客の変革を刺激する最初のイベント、ターゲット変革に対するユーザーの認識を最初に促進する未 attribution 行動を確認できます。
最初の接触 attribution は、コンバージョンサイクルが長いビジネスには適していません。サイクルとウィンドウ期間の制限により、実際の最初の接触 attribution が収集されない場合があります。
B. 最後の接触 attribution
複数の「未 attribution イベント」が同じ「ターゲットコンバージョンイベント」に貢献する場合、最後の有効な「未 attribution イベント」が 100% と見なされます。
最後の attribution のデータは失われにくいです。効果を迅速に改善するために短期配信を行いたいビジネスシナリオ、または最終的な販売コンバージョン効果に注意を払う企業に適しています。最終的なコンバージョンを最も促進できる行動を理解します。
C. 線形 attribution
複数の「未 attribution イベント」が同じ「ターゲットコンバージョンイベント」に貢献する場合、各有効な「未 attribution イベント」は同じクレジットを持つと見なされ、均等に配分されます。
線形 attribution は、ビジネスパス内の各ステージにクレジットを均等に配分でき、販売サイクル全体で顧客との連絡を維持し、ブランド認知度を維持したい企業に適用できます。各 attribution イベントは、コンバージョン前に同じ役割を果たします。
線形 attribution モデルは、チャネル効果を高い値で「平均化」しやすいです。たとえば、e コマースショッピングシナリオでは、ユーザーは最初に友人共有を通じて商品詳細ページに入り、次に 3 回お気に入りから商品詳細ページに入り、最終的に取引を実現します。線形 attribution は、友人によって共有された貢献を 25% の貢献と見なし、お気に入りを 75% の貢献と見なします。友人によって共有される重みは低すぎ、お気に入りの重みは高すぎます。
D. 位置 attribution ：複数の「未 attribution イベント」が同じ「ターゲットコンバージョンイベント」に貢献する場合、最初と最後の「未 attribution イベント」がそれぞれ 40% のクレジットを占め、残りの「未 attribution イベント」が残りの 20% のクレジットを均等に共有すると見なされます。
位置 attribution は、U 字型 attribution モデルとも呼ばれ、セールスリードとセールスを非常に重視する企業に適したマルチコンタクト attribution モデルであり、プロセスにおけるマーケティング刺激を弱め、リードステージを重視する企業に適しています。
E. 時間減衰 attribution
複数の「未 attribution イベント」が同じ「ターゲットコンバージョンイベント」に貢献する場合、「ターゲットコンバージョンイベント」からの距離が短いほど、「未 attribution イベント」に貢献されるクレジットが多くなります。
6. attribution ウィンドウの設定
attribution 分析モデルには、時間範囲と attribution 分析ウィンドウ期間の 2 つの時間関連のキャリバーがあります。
時間範囲：イベント分析と同じで、時間範囲はターゲットコンバージョンイベントの時間範囲です。
attribution 分析ウィンドウ期間： attribution 分析は、ターゲットコンバージョンイベントが発生したクライアント時間に基づいて、ウィンドウ期間内の未 attribution イベントをバックトラックします。ターゲットコンバージョンイベントのウィンドウ期間内にトリガーされた未 attribution イベントのみが、このコンバージョンに貢献したものと見なされます。
次の場合：
関連イベントと関連属性を指定しない場合、ターゲットイベント G_1 は指定された時間範囲内で発生し、ウィンドウ期間は 1 日に設定されます。つまり、モデルはターゲットイベントが発生する 24 時間前の行動フローをバックトラックします。バックトラック期限後および現在のターゲットコンバージョンイベントの前に発生するすべての保留中の attribution イベントは、有効なコンバージョンに参加したものと見なされます。つまり、図の attribution 予定イベント A_2、A_3、A_4 はモデル計算に参加し、A_1 はバックトラック期間外であるためモデル計算に参加しません。
attribution ウィンドウ設定は、当日またはカスタムで選択できます
当日：ターゲットコンバージョンイベントがトリガーされた後、保留中の attribution イベントを当日の 00:00 に転送追跡します。
カスタム：ターゲットイベントの N 日前、N 時間前、N 分前の要件を満たすために、日、時間、分を選択できます。
結果表示
モデルが設定されたら、「分析開始」をクリックしてクエリを開始します。 attribution 分析のクエリ結果は、詳細データテーブルに表示されます。
分析チャートには、クリック未 attribution イベントの合計クリック数、クリック未 attribution イベントの有効コンバージョンクリック数、クリック未 attribution イベントの有効コンバージョンクリック数、ターゲットコンバージョンイベントのトリガー回数、各未 attribution イベントでのターゲットコンバージョンイベントの貢献が表示されます。
未 attribution イベントのクリック数 - 合計クリック数：期間 + ウィンドウ期間内のこの未 attribution イベントの発生回数。このメトリックは、 attribution モデル、ターゲットイベントとは関係ありません
たとえば、 attribution 分析で 2 日目から 8 日目までの期間を選択し、 attribution ウィンドウとして当日を選択した場合、合計クリック数は 2 日目から 8 日目までの未 attribution イベントの合計数です。 attribution ウィンドウとして 1 日を選択した場合、合計クリック数は 1 日目から 8 日目までの未 attribution イベントの合計数です。
未 attribution イベントのクリック数 - 有効なコンバージョンクリック数：期間 + ウィンドウ期間の範囲内で各ターゲットコンバージョンイベントの前に発生した有効な未 attribution イベントの合計数
たとえば、 attribution 分析では、 attribution ウィンドウとして当日を選択できます。この場合、有効なコンバージョンクリック数は、各ターゲットコンバージョンイベントがトリガーされた日に発生し、関連付けられた転送関連イベントまたは属性条件を満たす未 attribution イベントのクリック数です。
有効なコンバージョンのクリック率：有効なコンバージョンクリック数 /合計コンバージョン数
ターゲットコンバージョンイベント - トリガー回数：サイクル内で選択された attribution モデルの計算方法に従って、この未 attribution イベントの貢献によってコンバージョンを正常に attribution できる回数（最初のコンバージョンなど）。
ターゲットコンバージョンイベントの貢献：ターゲットコンバージョンイベントの合計数 /すべてのターゲットコンバージョンイベントの合計数の合計
その他：未 attribution イベント。たとえば、イベント A の attribution を分析するために、未 attribution 時間に B、C、D、E を attribution 分析用に選択しますが、実際には F がある場合、F は別の attribution イベントです。
計算方法の例
attribution 分析：2 日目から 8 日目までの期間。 attribution ウィンドウとして日を選択します。ユーザーの行動シーケンスは次のとおりです。（1 日目）A_3、（2 日目）A_1、A_3、（3 日目）A_1、（8 日目）A_1、G_1、A_1、A_2、G_2、（9 日目）A_3、G_3、位置 attribution モデルに基づきます。
A_1 - 合計ヒット数 = 5; A_2 - 合計ヒット数 = 2; A_3 - 合計ヒット数 = 3;
A_1 - 有効なコンバージョンヒット数 = 4; A_2 - 有効なコンバージョンヒット数 = 1; A_3 - 有効なコンバージョンヒット数 = 1;
A_1 - 有効なコンバージョンのポイント率 = 80%; A_2 - 有効なコンバージョンのクリック率 = 50%; A_3 - 有効なコンバージョンのクリック率 = 33.3%;
G_1 の場合、G_1 -> {A_1(100%)}; G_2 の場合、G_2-> {A_1(40%), A_1(6.6%), A_3(6.6%)、A_1(6.6%)、A_2(40%)}。A_2 は 8 日目以内ですが、ターゲット変換イベントとは関連付けることができず、A_3 と G_3 の超過期間は計算されません。A_2 は 8 日目以内ですが、ターゲット変換イベントに関連付けることができないため、A_3 と G_3 の超過期間は計算されません。
A_1 ターゲットコンバージョンイベント - トリガー数 = 1 * 100 * (1.0 + 0.4 + 0.067 + 0.067) / 100 = 1.534; A_3 ターゲットコンバージョンイベント - トリガー数 = A_2 ターゲットコンバージョンイベント - トリガー数 = 1 * 100 * (0.067) / 100 = 0.067; 1 * 100 * (0.4) / 100 = 0.4;
A_1 - 貢献 = 1.534 / 2 = 76.7%; A_2 - 貢献 = 0.4 / 2 = 20%; A_3 - 貢献 = 0.067 / 2 = 3.35%