难于预测|归因分析指南v1.0( 二 )


线性归因对所有事物都给予同等的重视。该模型不会突出显示最有效的策略。如果您想要一个简单明了的归因模型,并且可以轻松地向客户解释,那么线性归因可能是您的理想选择。
- 时间衰减归因
 难于预测|归因分析指南v1.0
文章图片
顾名思义,时间衰减归因考虑了时间维度的因素,第一次互动获得的功劳较少,而最后一次互动获得的功劳最大。当您要处理特别长的销售周期时,您可能需要使用时间衰减归因模型。
- 基于排名的归因
 难于预测|归因分析指南v1.0
文章图片
基于排名的归因模型(U形归因)在潜在客户与您的品牌的首次互动以及转化为潜在客户的两点各分配40%的功劳,其余20%则分布在中间发生的任何其他交互作用之间。
例如,如果潜在客户首先通过Google搜索与您的公司联系,查看您的Facebook页面,然后注册您的电子邮件时事通讯,则第一次(google)和第三次接触(电子邮件)都会获得40%的功劳,而Facebook访问会获得剩下的20%。
- 自定义归因模型
 难于预测|归因分析指南v1.0
文章图片
通过给你认为的最重要的任何接触点赋予自定义权重的一种归因模型。
- 投资决策领域的归因分析
归因分析,一种评估工具,用于根据特定基准来解释和分析投资组合的绩效。它用于识别公司或基金经理积极投资决策的超额收益来源。
 难于预测|归因分析指南v1.0
文章图片
基准决定归因分析的结果,核心思路:将特定投资组合产生的回报与已进行基准评估的投资回报进行比较。
- 分配影响
指通过将投资组合权重分配给特定的细分市场而产生的收益。比如,投资组合A,分配给IT行业20%,分配给房地产行业50%,分配给零售行业30%。比较的时候,是将分配权重与基准投资组合进行比较:
A(20%,50%,30%)
VS
Baseline(15%,45%,45%)
Ps:本文baseline的设定仅为了解释清楚概念本身而假设的。
如果投资组合的行业高于基准水平,则被视为超重
如果投资组合的行业权重低于基准,则被视为减持
理想情况下,投资决策者的目标是将较高的权重放在表现良好的行业(即,对该行业加重),而将较低的权重放在那些投资不良的行业(即,对该行业进行低估)。
此影响,考察的是如何分配权重。
- 选择影响
指选择一个细分市场中的特定股票对投资组合总回报的影响。
当来自特定细分市场的投资组合收益大于来自同一细分市场的基准收益时,就会产生正选择效应。
当来自特定细分市场的投资组合收益低于来自同一细分市场的基准收益时,就会产生负选择效应。
此影响,评估个体对整体的决定性影响有多大。
- 相互作用影响
把分配和选择综合起来,就是相互作用影响,由于相互作用影响是分配和选择的数学结果,而不是主动做出的投资决策,因此不容易归因于相互作用影响。
此影响,有点像1+1>2的情况,不容易把为什么大于2的影响因素归因到某个1。
我们进一步抽象下:
我们把行业记为H,
投资组合记为A,
权重记为w,
分配效果记为A(w1 * H1,w2 * H2,w3 * H3)
基准记为H1base,Abase
分配影响记为Ea
选择影响记为Es
相互作用影响记为Ei
Ea比较的是:
W1,w2,w3
W1base,w2base,w3base
Es比较的是:
H1/H1base
Ei比较的是:
Ei=wa*Ea + ws*Es
wa跟ws的权重大小。
- 用于解释深度学习模型的归因
Axiomatic Attribution for Deep Networks
 难于预测|归因分析指南v1.0
文章图片
归因也用于分析深度学习模型所学习到的特征,对于预测结果的贡献度。上图是用于分析一个翻译模型,单词对于输入输出的贡献程度。
 难于预测|归因分析指南v1.0
文章图片
上图是用于文本分类模型的归因分析,我们可以直观地了解到模型所学习到的、对于分类有关键作用的单词。
- 产品案例
Adobe Analytics
 难于预测|归因分析指南v1.0
文章图片
这不仅是归因,而是一场洞察革命。
It’s not just attribution.It’s an insight revolution.
通过归因,您可以了解整个客户旅程中不同的互动如何影响转化。传统归因归因于特定事件和任意事件,而最佳归因则使用机器学习和高级统计模型来了解每次触摸的精确影响。
- 功能1 营销归因
Marketing Attribution
多种基于规则和算法的归因方法可对客户行为进行可靠的分析,并根据客户的实际互动模式为每个渠道提供最合适的模型。
1 多种归因模型,每种模型有其假设及适用的场景;
 难于预测|归因分析指南v1.0
文章图片
2 合理地根据具体业务选择适合的归因模型;


推荐阅读