近期计划出一个系列的文章，详细介绍一下网页及APP坑位流量归因的理论以及实践篇。欢迎大家收藏及转发，针对过程中有疑问的地方，欢迎在公众号内留言互动。
一、背景：
对于电商或者视频平台而言，随着流量资源的紧缺与精细化运营的完善，精细化的识别流量的效果是日常运营及工作中比较重要的一环。根据每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。
场景举例
这些，其实流量归因分析模型都可以告诉你：
二、归因理论
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。首尾贡献大，中间平分
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
示例：比如说十一假期出去玩的时候，我们都需要提前预定酒店。我们在携程上在搜索了“酒店”、“武汉市酒店”、“武汉市5星级酒店”以及“武汉市万达瑞华酒店”这些内容后会呈现出对应结果页的内容。我们最终在点击搜索“武汉市万达瑞华酒店”的之后预定了房间。
三、归因里的坑
四、参考资料：
1.黄业忠.流量的高级分析与流量渠道的协同：归因和归分析型[G],2018-08-09
2.数据分析社区.电商流量来源分析平台：从数据底层到数据可视化[G],2021-05-11