什么是第三方统计的“概率归因”

既然都写了三方统计，再加上最近踩到了概率归因的坑，顺手解释下我理解的概率归因。

"概率归因"（probability attribution）是归因模型的一种类型，它基于概率统计来分配转化或事件的权重给不同的渠道或触点，（这解释真绕）。所以我们换个通俗的说法，大致可以是”让我来猜猜这次安装到底是谁贡献的“。

按照标准点的说法：概率归因是通过统计学方法来估计每个渠道对转化的贡献概率。一般涉及到历史数据的分析，以确定哪些广告触点更可能带来转化事件。一般概率归因的技术思路还分成下面几种：

1， 线性归因，通俗点说就是”见着有份“，参与了点击的都有贡献，各个渠道都有同等的权重来认领这一次转化（公平么？公平才怪）。

2，按时间衰减归因，差不多就是类似最后一次点击归因，谁最后点的归谁。

3，概率模型，用机器学习的方法，根据用户行为习惯和统计平台的历史数据来估算各个渠道的贡献，再把转化决定算给谁。

概率归因相对精准归因的差别，其实就是”我在不知道到底是谁产生的转化的时候，按照我的模型来决定转化是谁“，通常就是渠道没拿到比如aid的时候，蒙一个。

比如渠道是拿到了aid之类，通常走的就是最后一次点击归因之类（不完全是，有可能存在渠道搞最后一次点击劫持的作弊，被三方抓到了后不归因给这个渠道），但是相对概率归因，有设备信息的可以算是”精准“归因了吧。

大致的逻辑就这些，再深的我也没研究了，我觉得差不多够理解了的。

————————以下内容可能对大家没啥用————————

概率归因的应用层面：对于我们来说，用到概率归因的，其实主要还是最近的web2app中走概率归因实现apk投放，或者ios的投放，平时的onelink一些简单追踪。

影响概率归因准确度的一些因素：

影响精准度（到底有多少掉到了自然量）的核心因素其实非常少，IP，user-agent，操作系统，时间戳，应用版本等等。

概率归因用用中可能的坑:

我们web2app应用的过程中可能遇到的一些坑，比如：自己在测试过程中发现自己安装了但是在三方上看不到，光有了点击，没后续安装转化，其实就可能是上面某些影响因素的变化导致归因失败，典型的例子就是开着VPN去点了归因链接（onelink），完成安装后只看到点击没转化，因为IP不同导致归因到自然量。同样还会有其他的一些情况可能导致归因失败，甚至包含网速导致的安装时间和点击时间的差值也会影响归因成功率，近期走web2app跑apk的整体目前观测到成功率大部分在80-90%，不同地区还不一样。

优化概率归因的思路：

以前做甲方的时候遇到过网盟花了很多精力去研究三方的概率归因相关信息，核心目标就是让三方再认领转化的时候把更多转化归到自己的渠道下，这里估计有概率归因+”精准“归因两部分的优化。主要思路是有设备信息的尽可能给三方更多的设备信息参数（具体有哪些得技术看，三方有文档需要那些字段），没有的时候就把前面提到的ip，user-agent等提供完整，还考虑到三方会根据用户的历史行为习惯，另外渠道的累计安装转化情况，后续用户行为等来判断该转化应该归属哪个渠道， 猜测有一些大渠道因为长期转化的多，在三方归因的时候可能会更倾向于给到这些平时贡献更大的渠道，所以保持良好的用户质量，在后续归因统计时候应该会更占优势。

出海流量玄学研究中心，不定期分享信息流广告优化师投放技巧，主要内容为海外facebook，google，TikTok ads广告投放技巧分享，欢迎大家关注，分享内容，也欢迎大家分享更多关于游戏出海，跨境电商广告投放技巧。

请加知识星球一起讨论投放技巧，如有疑问可在星球向我提问

长按图片加知识星球