归因分析中最后互动（Last-Click）模型的缺陷

        最近一直在关注归因分析的一些国外的文献。从目前了解的情况来看，这一块做的比较好好的公司有：Adobe，Adometry，C3 Metrics，ClearSaleing，IBM，Google和VisualIQ等公司。其实微软也有人在研究，兵器提出了一套理论体系。

        从上一篇博文中就可以知道，最后互动模型虽然简单，便于操作，但是它严重忽视了用户转化路径上使用户逐渐加深对产品和服务的印象的那些广告的贡献。打个不恰当的比方，有一个剩女，其实自身条件也不错，因为各种可以说不可以说的原因，反正就剩了。然后有一天她去同事A家里玩，刚好在场有一个非常优秀的剩男，同事A开玩笑说要撮合他们，并跟剩男大肆宣讲剩女的贤良淑德、落落大方；过了一段时间，该剩女又在另一个场合接触了该剩男，同行的朋友B也向剩男大大地将剩女夸赞了一番，并开玩笑说他们就是Perfect Matcher；接下来又有一次，该剩女在工作场合中偶然见面了，剩女的领导也对剩女细致认真、卓有成效的工作给予肯定。经过这三次接触，剩男觉得剩女是一个非常不错的女孩子，所以勇敢地尝试跟剩女接触，通过一段时间的接触之后，他们两都觉得自己的等待没有白费，因为他们找到了那个彼此生命中在对的时间出现的对的人，然后他们就结婚了，并幸福地生活着。请问，在结婚的那那一刻，他们是应该感谢这三个人，还是只感谢让该男最终决定尝试的那位领导？

        上面的比方纯属胡编乱邹，但最终怎么做相信大家心里都有答案。其实在数字广告中也一样，如果广告使得客户在购买之前加深了对产品的印象，那么就应该认为广告对转化是有贡献的，至于怎贡献有多大，有多种计算方法，不是本文要讨论的问题。本文主要是讲一下微软公司Atlas研究机构的一篇文章《Measuring ROI Beyond the Last AD》中提到的Last-Click模型对不同的广告渠道的影响。        上面的这张图是微软的Engagement Mapping（行为映射）的方法与最后互动模型对一些广告渠道进行分析后的对比。横轴表示的是行为映射方法对于最后互动的提升。纵轴表示的是广告渠道。横轴越往又表示某个渠道在行为映射模型计算出来的表现比最后互动越好，反之则表示效果越差。灰色的条块表示的是渠道数据的四分位部分（25%-75%），黄色的矩形块表示的是数据的中位数的情况。

        从图中可以看出，搜索引擎和广告联盟有所下降，而广告网络和垂直利基有所上升。这是因为搜索引擎和广告联盟由于自身的特征，会被最后互动模型给过度重视。特别是搜索引擎，由于它本身是一些大公司所把持，因此可信度高，并且用户有长期使用搜索引擎来找东西的习惯（特别是对某个东西有个印象，但又记得不太清楚），因此就很容易成为用户转化的最后一道关卡。这实际上跟我们在生活中的经验是一致的。目前，就从我们公司的数据来看，搜索引擎的表现也会比其它渠道的表现好得多。

        归因分析这一块应该还算是一个比较新的领域吧，特别是目前似乎还没找到一些公开的可信方案（虽然一些大公司都有自己的方案，但是往往细节都是语焉不详的），前面博客中提到的那种方法没有验证过。因此这一块我还得好好了解一下，关键是要找到一个可行的方法来解决我们的问题。目前貌似公司领导还是不太接受这一套方案。我也在公司原有的方案上提出了改进，并从理论上证明是可行的，实际效果究竟怎样，心里还真有点打鼓哈。前路漫漫任我闯，攻城狮，加油！