数据分析中的归因查找是什么？

对于归因查找主要是解决业务中的常见问题，找出一件事件发生的主要原因。

一、归因查找的使用场景

对于业务中明确的业务目标（购买。留资料，充值）归因，便可...

将目标的达成拆分到各个模块，方便统计各模块的贡献

获悉当前指标达成的主要因素，获得如何提升业务指标的洞见

使用归因（一般是工作中绩效，产品可能爆发的点）

二、常见的归因方法

2.1末次归因：转化路径短，且事件间关联性强的场景

比如：一款陌生人社交 加好友有几种模式，（号码添加 漂流瓶话题广场添加 等）最近新上随机匹配加好友的功能，在这个场景里面可以用末次归因 把这次加好友事件的贡献程度都给到随机匹配上面。

案例：结束事件为充值用户的行为路径

我们通过最后一次用户的操作得出百分之六十是在送礼中充值。百分之30是在私信时候充值。还有百分之10是在其他事件。运营页可以得出很多充值并不是只发生在直播间里面，在私信中页会有。对于后续设计产品和用户体验页有很大的帮助。

得出结果之后，这样的话我们可以真对性的去优化功能。

2.1递减归因：转化路径长，非目标事件差异不大，没有完全主导的。前面的非目标事件区分不是很高。

比如：一个在线的项目管理工具，提供代办事件列表，时钟等功能。最后付费升级之后可以消除广告，观察目标就是用户消除广告。这个时候是用户在使用了产品之后喜欢里面的功能，用户几个星期。用户在时间段里面养成的用户习惯，都会促进消费广告。我们要从最后一步把因子往前伸展，把路径往前十步，每一步都分摊百分之十。但可能具体的产品也是有可以离消费最近的那几步分摊更多一些，都是一个递减的过程20%30%50%。

案例：常见游戏场景充值行为

因为游戏的路径很多，如果我们在这里使用末次归因的话，可能就会发现充值只是在游戏消费或者抽奖这个2个地方。这样的话，我们观察的点就会少很多。这时我们把行为拉长一些，就会得知在游戏合成装备的时候就买一些东西，这个时候就产生充值。每个行为对于我们的转化都有帮助。所以这个时候我们用递减归因比较合理 。我们把充值的行为往前传递。这个时候会得出的更好的结论和功能对于充值的帮助。

2.3首次归因：强流量依赖的业务场景，拉人比后续所有的事都重要。

比如：只把最终事件的发生归根到第一步。

案例：小额贷款

他们（发展的比较粗暴）他们产品自己会有一些风控和审核。审核没有问题就可以放贷，获得利润。对于他们来说，他们不愁后面能不能转化，因为用户都是来借钱的。有很主动的动力来完成每一个步骤，产品在不好用，都会走完借款成功。产品更的是多人来借钱，所以缺得是市场的流量。运营能不能拉用户。所以在这样的产品上就不需要做末次归因和递减归因。他们只会做首次归因，看看第一次借款的来源在哪里。