作者/杭州@阿坤
1、前言
对于电商平台而言，精准的识别每一份流量的效果是最重要的日常运营洞察之一。根据每一个流量入口的用户后续转化情况，是评价一个流量坑位的核心数据指标。那么该如何把每一份流量曝光点击加购转化正确的归因到对应的坑位？
2、数据底层方案
做流量归因的基础是，App的埋点的已经基本完善，大部分用户在App上的行为已经通过埋点记录存储。
2.1 埋点日志新增PageId字段
首先需要在客户度埋点的日志中，增加PageId字段。作用是每当用户产生一次跳转产生一个新页面时，为这个页面赋予一个新的PageId；而当用户点击返回时，不会产生新的PageId。PageId是越靠近的当前时间的页面浏览的行为越大，且不会重复。
2.2 解析埋点日志进行链路分析
需要先确定所有链的末端end ，即所有的加购事件。
再确定所有链的首端head，由于电商商品的入口可能在App的多个页面出现，所以选择所有的基础页面（可枚举）作为首端 。
用末端去左关联得到最近的首端，拿到每条链的区间范围。
用每个区间去筛选相对应的所有点击事件，去除掉无效事件，即得到每条链路的完整路径：【1，2，9，10，11】。
用户在App中购物链路步骤图
2.3 各种特殊场景实现方案
1）商品详情页之间横跳
2）跨层级横跳（跳回到相同Page的页面）
3）跨层级横跳（跳回到不同page的页面）
4）直接跳回入口页
2.4 归因方案
通过上面的埋点日志追踪方案我们就得到了用户在App里加购前的完整有序的链路。基于这个链路我们就能进行归因分析。业内通用五大基本归因方案，如下：
首次触点模型：
多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为第一个「待归因事件」功劳为 100% 。
末次触点归因：
多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为最后一个「待归因事件」功劳为 100% 。
线性归因：
多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为每个「待归因事件」平均分配此次功劳。
位置归因：
多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为第一个和最后一个「待归因事件」各占 40% 功劳，其余「待归因事件」平分剩余的 20% 功劳。
时间衰减归因：
多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为越靠近「目标转化事件」做出的贡献越大。
对于我们公司当前的体量不是很大，还不需要进行复杂的方式归因。所以采用了末次触点归因的方案来实现，也就是加购前最后一次点击的入口为哪个就归给它。这样电商流量归因的底层数据实现就全部完成了。
3、前端页面展示
3.1 入口归类
首先对App内的所有流量入口进行分类，根据位置和大小分为2级。我这里称之为一二级流量来源。部分一二级流量来源举例：
3.2 数据指标
模块曝光人数：
流量入口模块曝光人数
模块点击人数：
流量入口模块曝光人数
商品曝光人数：
来自该流量入口的商品曝光人数
商品曝光人数占比：
来自该流量入口的商品曝光人数/整体商品曝光人数
商品点击人数：
来自该流量入口的商品点击人数
支付人数：
来自该流量入口的商品支付人数
支付人数占比：
来自该流量入口的商品支付人数/整体商品支付人数
支付金额：
来自该流量入口的商品支付金额
支付金额占比：
来自该流量入口的商品支付金额/整体商品支付金额
支付件数：
来自该流量入口的商品支付件数
商品曝光点击率：
来自该流量入口的商品点击人数/来自该流量入口的商品曝光人数
商品曝光支付率：
来自该流量入口的商品支付人数/来自该流量入口的商品曝光人数
商品点击支付率：
来自该流量入口的商品支付人数/来自该流量入口的商品点击人数
UV价值：
来自该流量入口的商品支付金额/来自该流量入口的商品曝光人数
客单价：
来自该流量入口的商品支付金额/来自该流量入口的支付人数
点击价值：
来自该流量入口的商品支付金额/来自该流量入口的点击人数
3.3 时间维度及人群
人群：整体、新客、老客
时间维度：今日、昨天、近7日日均、近30日日均
3.4 流量来源平台UI
流量来源分析平台首页
可以展示不同时间不同人群不同流量来源不同数据指标的具体数据。红色和绿色的数据代表当前时间的环比数据。核心数据指标还增加了占比数据。
可以分析电商整体的来源数据，也可以单独看每个商品的来源的数据。
指标可视化图表展示如下：
1）不同流量来源的数据趋势
2）单个流量来源的数据趋势
3）分小时流量来源趋势
4）按照不同时间区间聚合数据趋势
4、总结
流量来源分析是电商公司日常运营分析的不可或缺的部分，打造了流量来源分析平台后能大大的减轻了数据分析师取数负担，也能让运营产品直接通过可视化的方式获取对应数据进行自助分析，大大缩短的取数的排队周期，让业务能高效的进行日常运营迭代。
-END-