# 归因分析
归因分析主要用于描述应用内多个资源位的点击或多个事件的发生对目标事件的贡献。通过归因分析，您可以灵活地探索资源位对目标事件的贡献值，从而衡量资源位的投入产出，优化资源投放。
在归因分析中，您可以得到下面问题的答案：
- 应用内拍脸图入口和游戏大厅充值活动 icon 入口分别为充值带来了多少贡献？
- 商城皮肤购买点击和限时折扣入口点击分别带来了多少代币消耗？
- 战斗失败和角色 icon 点击分别对角色养成操作贡献多少？
# 归因的计算逻辑
在配置分析条件之前，您需要先了解归因的大致逻辑。
首先，您需要选择分析主体，根据业务设定选择归因方法与窗口期；而后定义需要去分配的目标事件指标值，也即“贡献”，以及被分配贡献的归因事件。模型将根据分析主体的行为序列，从每个目标事件按时间顺序向前寻找窗口期内的归因事件，并将贡献按业务设定的归因方法分配给窗口期内的归因事件。
举例而言，假设目标事件 G 为付费事件（G0，G1，G2 代表此分析主体做过 3 次目标事件，且付费金额均为 648），归因事件 A、B、C 分别为三个资源位的点击事件。
若归因方式首次归因，则：
- G0 的 648 元被分配给「直接转化」（由于目标事件 G0 的窗口期内没有任何归因事件，G0 可被看作为自然流量所带来的转化）；
- G1 的 648 元将分配给 A；
- G2 的 648 元将分配给 B；
则 A、B、C、「直接转化」的贡献值分别为 648、648、0、648；总触发数，A、B、C 均为 1 次；有效触发数，A、B 为 1 次，C 为 0 次；有效触发用户数，A、B 为 1 个，C 为 0 个。
若归因方式末次归因，则：
- G0 的 648 元被分配给「直接转化」；
- G1 的 648 元将分配给 B；
- G2 的 648 元将分配给 C；
则 A、B、C、「直接转化」的贡献值分别为0、648、648、648，总触发数，A、B、C 均为 1 次；有效触发数，B、C 为 1 次，A 为 0 次；有效触发用户数，B、C 为 1 个，A 为 0 个。
若归因方式为线性归因，则：
- G0 的 648 元被分配给「直接转化」；
- G1 的 648 元平均分配给归因事件 A、B；
- G2 的 648 元平均分配给归因事件 B、C；
则 A、B、C 、「直接转化」的贡献值分别为 324、648、324、648；总触发数，A、B、C 均为 1 次；有效触发数均为 1 次；有效触发用户数均为 1 个。
# 配置分析条件
在选择分析主体、归因方式、窗口期，并定义好目标事件的指标值以及被分配贡献的归因事件后，归因分析的框架即可搭建完成。
不同的归因方式的贡献分配逻辑如下：
- 首次归因：为窗口期内首个归因事件分配全部贡献；
- 末次归因：为窗口期内最后一个归因事件分配全部贡献；
- 线性归因：为窗口期内的所有归因事件均分贡献。
时间范围内，每个目标事件均会被分配一个窗口期的时长，用于搜寻归因事件，窗口期可用如下两种方式设定：
- 当天：目标事件按时间顺序向前找归因事件的时间，截至目标事件当天的 0:00；
- 自定义：目标事件按时间顺序向前找一个固定时间段内的归因事件，支持天、小时、分钟三种设置方式。
当您在探索除了归因事件之外，有多少应用内自然流量带来的贡献值，或者归因事件过多，导致不清楚如何选择归因事件时，可以勾选「直接转化参与归因计算」；此时，目标事件在窗口期内没有找到任何归因事件时，这次目标事件的指标值会被计入「直接转化」。例如，若将目标事件、归因事件分别设置为付费事件、领券事件，若某付费事件的窗口期内无领券事件，此次付费事件的金额会被纳入直接转化。
当您需要分多个维度查看归因事件对目标事件指标值的贡献时，您可以选择对归因事件进行分组；
更进一步地，如果您还想分别查看不同用户群体带来的贡献值的区别，还可以选择对目标事件进行分组，例如，在下图中，您可查看华东用户、华南用户在每个渠道下的拍脸图点击和充值活动 icon 点击分别带来了多少付费金额。
当您需要更精准的设置归因事件，保证目标事件与归因事件的相关性时，可以使用「关联属性」功能，设定归因事件和目标事件的某个属性值一致。例如，在上述场景下，需要保证用户拍脸图点击、充值活动 icon 点击事件的 Session ID 与付费事件的 Session ID 一致；或者在电商场景中，需要保证用户浏览的最后一个商品详情页的商品 ID 与最后购买的商品 ID 一致时，则可以开启此能力。
与其他模型类似，您还可以在归因分析模型中通过筛选过滤数据。
# 查看归因结果指标
归因分析得出的核心指标值为「贡献值」；指标值口径列举如下，您可获取每个归因事件的触发情况，用以支撑决策：
| 指标 | 指标口径 |
|---|---|
| 总触发数 | 计算时间范围*内，每个归因事件的总触发次数（即发生次数的简单加和）；此指标值和归因方式无关。 |
| 有效触发的次数 | 计算时间范围*内，按照所选定的归因方法和窗口期，被认定为有效触发后，每个归因事件的触发次数； 即使某归因事件被多次归因，也仅会被记作有效触发 1 次，参见 归因的计算逻辑 中，线性归因场景下的归因事件 B，其被归因 2 次，但有效触发数为 1 次。 |
| 有效触发率 | 对于每个归因事件，有效触发的次数 / 总触发数。 |
| 有效触发用户数 | 计算时间范围*内，有效触发过每个归因事件的分析主体的去重数量；分析主体默认为「用户」。 |
| 对目标事件的贡献值 | 计算时间范围*内，归因事件有效触发带来的目标事件指标值。 |
| 对目标事件的贡献度 | 此归因事件的贡献值 / 总目标事件指标值；相同条件下勾选「直接转化参与归因计算」时，由于直接转化带来的目标事件指标值也被纳入分母，其他归因事件的贡献度会相应减少。 |
*计算时间范围：为尽可能充分地为目标事件指标值归因，若窗口期选「自定义」，则整个计算时间范围为您在时间选择器的时间范围，加上向前取的一个窗口期时长；若窗口期选「当天」，则计算时间范围会取到时间选择器时间范围起始日期当天的 0:00。
# 权限说明
| 公司超管 | 管理员 | 分析师 | 普通成员 | |
|---|---|---|---|---|
| 属性分析模型 | ● | ● | ▲ | △ |
权限说明：
● 角色必有
▲ 角色默认有，可以没有
△ 角色默认没有，可以有
○ 角色必没有