数据分析的归因分析，什么是归因分析？
广义的归因分析是指寻找事物发展的原因。我们介绍的公式方法和漏洞模型的核心是定位原因。我们在互联网广告行业常说的归因分析，是指对渠道转化贡献的分析。比如我们在四个渠道投放产品广告，通过归因分析，可以判断哪个渠道的转化效果最好，进而优化渠道投放策略。
几种常见的归因分析模型
一天大数据培训是骗局，三只猫轮流在a、b、c、d四个不同的app上看到同一个防脱发洗发水广告，点击最后一个app d的详情页下单购买，然后如何判断各渠道对三毛消费转化的贡献？
最后的归因模型
转化功劳是最后一次互动的渠道，即三毛的购买转化，相信是通过d来推动的。
优点：易于衡量，无需担心业务周期较长的场景中可能出现的数据丢失，降低数据追溯处理成本。大数据学习教程
缺点：三毛看到a、b、c三个app的广告后，因为印象的不断加深而进行购买，所以其他三个渠道也起到了促进转化的作用，而在这种模式下，无法统计，会大大高估d频道的信用评价。
适用场景：交付周期短、转化路径少、周期短的业务。
第一个交互模型
转化功劳是第一次互动的渠道，即三毛的购买转化大数据培训是骗局，相信是通过a.第一个交互模型更加强调位于转化漏斗顶端的驱动用户感知的渠道。
优点：易于计数。
缺点：当转化路径较长时，不容易追溯到用户的第一个交互渠道。
适用场景：对于品牌知名度不高的企业，重点关注能够为他们带来客户的初期渠道，这对于拓展市场非常有帮助。
线性归因模型
转化积分分配给各个交互渠道，分配权重可以自行调整，即三毛的购买转化由四个渠道共同推动。最后一个归因模型和第一个交互模型都可以被认为是线性归因的特殊情况。
优点：计算方法简单。
缺点：某些渠道的重要性会被其他渠道平均。
场景：公司希望在整个销售周期中与客户保持联系并保持品牌知名度。在这种情况下，每个渠道都在促进客户的考虑过程中发挥了一定的作用。
时间衰减归因模型
对于路径上的渠道，转化时间越短，您获得的功劳就越多。时间衰减归因模型基于这样一个假设，即接触点离转化越近，它对转化的影响就越大。即三毛的购买转化，四个渠道的贡献为d>c>b>a。
优点：考虑时间因素，比较合理。
缺点：如果有的渠道自然是转化环节的起点，总是离转化最远的，重要性会被低估。
适用场景：客户决策周期短，销售周期短。比如短期促销，使用两天的广告，那么这两天的广告应该获得更高的权重。
U型归因模型（位置归因模型）
对于路径上的渠道，第一个和最后一个接触点将各贡献 40%，中间的所有接触点平均贡献剩余的 20%。即三只猫的购买转化，a和d的贡献为40%，b和c的贡献为10%。
优势：理想的归因模型适用于只有潜在客户阶段目标的潜在客户报告或营销组织。
缺点：对中间过程的便利化考虑较少。
适用场景：重视线索来源和销售渠道的场景。
相关性分析
相关性分析是一种通过查看整体情况来确定渠道重要性的方法。通过计算每个渠道的直接转化量与整体转化量的相关系数，确定每个渠道的贡献。根据计算出的渠道贡献，确定本次三毛转化的主要贡献渠道。
归因模型有很多种，没有一种适合所有人的方法。在实际使用中，要考虑业务场景与各模型适用场景的匹配程度，然后选择合适的方法。