廣告歸因演算法
㈠ 廣告中的CPM是怎麼計算出來的
千人價格（CPM）=（廣告費用/到達人數）×1000，其中廣告費用/到達人數通常以一個百分比的形式表示，在估算這個百分比時通常要考慮其廣告投入是全國性的還是地域性的，通常這兩者有較大的差別。
千人成本是一種媒體或媒體排期表（SCHEDULING）送達1000人或"家庭"的成本計算單位。這可用於計算任何媒體，任何人口統計群體及任何總成本。
它便利說明一種媒體與另一種媒體、一個媒體排期表與另一媒體排期表相對的成本。千人成本並非是廣告主衡量媒體的唯一標准，只是為了對不同媒體進行衡量不得已而制定的一個相對指標。衡量一個媒體價值的數字。
(1)廣告歸因演算法擴展閱讀：
缺陷
1、不同媒體的「獨特性」
廣告公司更願意在同一媒體之內討論這個問題（如30秒鍾的有線電視廣告等於30秒鍾的普通電視廣告），而不願作跨媒體比較（如30秒鍾的有線廣告等於一個網上標題廣告）。
同樣是覆蓋千個群體，一次 30 秒電視廣告跟一個刊登在晚報上的平面廣告，或者是一幅張貼在商場大堂的海報所達到的廣告效果是截然不同的。
2、覆蓋率數字的不可靠性
國內仍以電視收視研究最為全面，可計算特定目標群體被覆蓋的人口數字。報刊平面廣告則只有 ACNielsen所提供的主要城市的分析。至於其他媒體覆蓋率的數字則大多是推算出來的約數（有些更由媒體提供），更別提按不同目標的受眾進行推算，對其准確性應有一定保留。
3、展露概念不明確
每千人成本准則採用的展露概念，只是潛在的展露，而不是實際的展露。當某一廣告刊登時，便可說有展露機會發生在所有受眾上，但事實上，僅有一部分人注意到該廣告，較少的人了解廣告信息的內容，更少的人才留下正確的印象。
㈡ 多渠道歸因模型-網站分析
多渠道歸因模型-網站分析
多渠道歸因在網站分析行業是一個非常火的話題，但是卻很少人了解它。我相信，由此產生的問題【混亂，FUD（害怕，不確定和懷疑），焦慮，每天祈禱，和浪費預算】是由於缺乏一個明確的多渠道歸因框架來幫助界定問題。
在這篇文章中，我希望分享一個有助於確定問題所在的框架。包括衡量和數據分析的建議。如果這還不夠，我會分享關於數字營銷歸因模型的更多想法。
這個過程很有趣，捲起你的袖子，帶上微笑，清醒一下頭腦，然後跟著我出發吧…
多渠道歸因問題的三種類型：
關於多渠道歸因，會有很多的迷惑和不解，在我們的世界裡有三種類型的歸因問題。
一、多渠道歸因，線上到實體店（MCA-O2S）：
營銷和分析人員嘗試去弄懂網路營銷和廣告的對線下的影響（收入/品牌價值/電話等）。我們把這個歸因稱為MCA-O2S。
我這里使用的實體店，它包括以下幾種情況：零售商店或公司的呼叫中心的銷售（訂單或目錄請求），人們通過在線活動然後去獻血，或者任何因為線上渠道帶來的線下收入。
MCA-O2S的一個例子是Verizon想知道多少線下和線上電話激活是因為在線搜索廣告帶來的。
[如果你對這個感興趣的話，請查看以下這篇文章：1個線上激活的伴隨著5個線下激活 ！如果不計算帶來的線下影響，就相當於不承認線上營銷渠道的作用。一般情況下，就會少估5倍的影響！因此你可以想像為什麼MCA-O2S歸因模型對於地球上的每個公司而言，都是很重要的。]
這是我用便利貼畫的模型圖：MCA-O2S，紅色圓點代表我們要衡量的活動節點，這些點可以確保我們理解用戶行為，並且得到影響我們市場和廣告的行動見解…
我經常與首席執行官和首席營銷官們討論，當談論到多渠道歸因的時候，他們總是會說到MCA-O2S。然而，當我的數據分析同行談論這個話題時，他們卻不談論MCA-O2S，你可以想像，為什麼事情會變得混亂，因為兩者之間缺少溝通。
所以，當你遇到一個CEO時，他可能會說：「請幫我解決這個多渠道歸因問題」，你會說：「你對哪種MCA模型比較感興趣？」如果情況是這樣的話，就不同了，對問題的進一步明確將有助於促進一個有價值的談話。
目前幾乎所有關於歸因模型的熱點和重要文章都沒有談到MCA-O2S。這是因為當涉及到MCA-O2S時，你能想到的解決方案只能是我之前分享的兩篇文章，是關於16個策略和控制實驗的（例如如Verizon的案例）。
再推薦兩篇多渠道分析的文章：1.跟蹤線下廣告的線上影響 2.追蹤線上廣告的線下影響 。
MCA-O2S是很基礎的模型,它的歸因建立在實驗之上，當你成功使用它的時候，收獲會很大！
二、多渠道歸因，跨多個屏幕（MCA-AMS）：
高級領導人，特別是大公司的，當他們說多渠道歸因的時候，已經開始提到跨屏幕。
隨著移動手機和平板電腦的大量應用，我們都將變成擁有「四個屏幕」的人（電視，台式機，平板電腦，智能手機）。對於這種復雜的景象,許多高級領導人急於想看懂這種復雜的，混亂的景象，急於理清多渠道歸因的頭緒。他們指的其實就是MCA-AMS。
他們真正想要了解清楚的，是用戶在使用多個設備體驗互聯網網站時，通過什麼樣的媒體（廣告及市場推廣）和發生了怎樣的結果和轉換。
MCA-AMS的一個例子是，假設我在看電視廣告的時候，看到了一則廣告，然後在我的平板電腦上進行搜索，點擊了付費廣告後到達了一個相機網站，後來閱讀了Nexus S相機的評論，我回到家後，使用我的筆記本在索尼網站上下了一個訂單。
在這種情況下要將銷售歸功給誰呢？電視,平板電腦付費搜索廣告，智能手機上的評論，PC上的下單。有點暈，對吧？
以下的這張圖是關於MCA-AMS的，這個用戶體驗有點復雜，紅色圓點代表的是我們接下來要弄明白的…
我們面臨的挑戰主要是，當訪客與我們的網站互動的時候，不停地切換設備，去追蹤他們變得越來越困難。其實，我不應該說越來越困難，我應該說，幾乎是不可能的（cookies，通用特定標識符，隱私，政府等原因）。
也許唯一的例外，就是用戶使用四種設備時都進行了登錄，亞馬遜和紐約時報都需要用戶進行登錄。這類公司通常擁有自己的數據倉庫，這些數據倉庫容量非常大，這樣他們就有能力定期做數據挖掘，並確定用戶相關的消費習慣和購買模式。通常，但並不總是，他們還可以梳理出不同設備的收入情況（使用Google Analytics高級細分功能的話，5秒鍾就可以）和客戶分析的渠道推廣計劃。
即使這樣，它還是很難。對很多人來說這仍然是一個復雜的情況，因為建立數據倉庫需要大量的投入，我只能說很抱歉。
上面兩篇文章中的一些想法，可以幫助理解MCA-AMS。
我相信真正的解決方案將來自cookies的進步，隱私政策的更新，政府的決策和不斷變化的用戶使用習慣。然後才是我們對數據處理能力。
通過以上的解釋，你可以明白為什麼歸因模型好像跟MCA-AMS沒有什麼關系。但是，當你遇到管理人員時，他們可能會說：「請及時解決多渠道的歸因問題」，相信這時候大多數人會問更進一步的問題：「你指的是MCA-O2S還是MCA-AMS？」
MCA-AMS很復雜，是一個很大的挑戰。對於大多數人來說，還不是一個迫切的問題，但很多人以後都會碰到。
三、多通道歸因，跨渠道（MCA-ADC）：
覺大多數，在網路營銷的圈子裡談到的多通道歸因（不是首席執行官和首席營銷官），指的都是以下的這個模型。
MCA-ADC是理解數字營銷渠道（社交媒體，展示廣告，YouTube，推薦來源，電子郵件，搜索等等）的模型，歸因於一個特定的轉換或者多個轉換。
目前所有的網站分析工具，例如Adobe SiteCatalyst，WebTrends，Google Analytics，Coremetrics等，會將轉換歸屬到轉換前的最後一次接觸的渠道，也就是為人們所熟知的【歸因到最後點擊】。
有了MCA-ADC，你會試圖跳出最後一次點擊的思維，而是會考慮轉換前的所有渠道（請看以下Google Analytics的例子）：
對於這個網站，767次的轉換來自同一種路徑類型：首先起始於社交媒體網站（例如Facebook, Twitter），然後直接訪問網站，然後通過自然搜索到達網站，然後通過推薦網站再次進入，最後產生訂單的是直接流量的點擊。
數字營銷的人員都迫切地想要了解以上轉換中，權重是如何計算和分配的。直接流量應該獲得50％嗎？社交媒體呢？100％？自然搜索呢？2％？但是當我們明白了一個很關鍵的，隱藏的，細微的差別後，得把我們把剛才的想法先放一放。
當人們談論MCA – ADC時，他們只是在討論使用一台設備時的情況。因為網站分析工具去分析一個人使用不同屏幕（Across Multipe Screens – AMS）的情況是不太可能的。
所以你上面看到的轉換，網站分析工具都可以將網站內容和一個瀏覽器的多個訪問聯系起來（請注意，是瀏覽器而不是人）順便說一句，GA真是太棒了，因為其它大部分工具都沒有能力可以告訴你。
假設以上的自然搜索在手機中產生……不管使用了什麼網站分析工具，對於大多數網站來說，訪問基本上是丟失的，因為cookie記錄在手機的瀏覽器上，而一部分cookie則記錄在電腦的瀏覽器上，oh my god.
在cookies，ids，隱私政策，政府指導和用戶使用習慣問題沒有得到充分解決之前，區分MCA-AMS (across multiple screens，跨多個屏幕) 和 MCA-ADC (across digital channels，跨多個渠道)是很重要的。
當衡量MCA-AMS的時候，你可以使用上一節中提到的指導。對於MCA- ADC，你會使用一組不同的報告，分別是多渠道路徑和歸因模型。
我敢肯定，當涉及到MCA – ADC的時候，你已經弄懂了第二個差別。
以上的情形沒有追蹤和考慮到線下用戶行為的影響（O2S），網站分析工具在這方面不是很行，甚至可以說很差。
所以額外的3,835人在商店中或者通過手機渠道（採用上面Verizon的數字）購買是可能的。上述的所有渠道，不管是社交媒體，直接流量，搜索流量，還是推薦流量，都不會獲得「權重」。除非你願意使用在MCA-O2S中所描述的方法。
當你在說MCA – ADC的時候，確保你自己清楚，並且和領導溝通清楚，不是在說MCA-O2S（Online to Store）,同時也不是在討論MCA-AMS。
以下是最後的一張便利貼，紅色遠點是當你在嘗試MCA – ADC時最可能測量的節點：
如果我想賣弄學問的話，我會說這是MCA-ADCFOD模型（Multi-channel attribution across digital channels for one device），意思就是一台設備跨渠道的多渠道歸因模型。
現在有豐富的分析經驗，時間，耐心和上帝的祝福，可以做完整的多渠道歸因分析了，多渠道包括多個線上廣告渠道，跨設備的用戶行為，線上和線下的影響。可惜的是，整體上而言非常難。我說的非常難，基本上就是不可能的意思。當我說幾乎是不可能的，我指的是當你知道如何解決廣告，線上和線下內容，客戶之後的嘗試。
我知道這聽起來像無稽之言，但是這種討論的確需要回歸現實。有太多的虛假承諾，來自供應商，咨詢顧問，微博愛好者，領袖和各路神仙，這對於整個網路營銷生態系統是沒有幫助的。
MCA-ADC的簡單總結：
下一次當你聽到有人提到多渠道歸因的時候，你應該用你最溫和的語氣說：「您指的是MCA-O2S, MCA-AMS還是MCA-ADC?」
你會贏得其他人的尊重，因為你知道有三種類型，並且你可以理解他們所說的情形，然後進行進一步的討論，相信這些討論對職業生涯甚至商業嗅覺都會有一些提升。
多通道歸因模型
對於MCA-O2S和MCA-AMS，它是一項復雜的工作，需要確定「哪種廣告/營銷手段能獲得更多權重。」它需要耐心和技巧，它也需要你對16個策略的執行能力，這些策略包括線上和線下對各自的影響。甚至，它需要一種能力（人+技能+慾望）去進行實驗。
所以這個問題：「誰獲得多少權重」的優先順序會降低。
有了MCA-ADC，任務會容易得多，我們有多渠道路徑報告。此外，我們能夠在一些工具中對MCA-ADC部分提到的行為（以上兩張圖片）運用歸因模型。
最簡單的網站分析工具也會有最常見的歸因模型：最後點擊，第一次點擊，甚至分配。
如果你足夠幸運，你能夠使用更復雜和高級的工具，將會包括：基於數學演算法的，能夠調整的時間衰減模型。
如果你更幸運，你將有可能獲得一個數字分析工具，它允許你創建一個定製的歸因模型。
這些模型應用於MCA – ADC，並為您提供更好的關於數字媒體花費的建議。
這些模型都有自己的優點和缺點，如果你有我的書的Web Analytics（分析）2.0，請翻到到358頁，有些有更多的缺點，幾乎沒有任何優點，記得一定要規避它們。
其中一些通過了基礎的測試，因此相對於停留在【歸因到最後點擊】的思維，會把你提升到一個更高的層次上。
但是弄懂這些模型的一個最大的好處就是，可以給你關於如何調整媒體花費的直接指導。（將美元、歐元、比索從付費搜索轉移到展示廣告，或者從展示廣告到電子郵件，或者其他組合）
成功是通過策略的不斷調整，不斷測量變化，逐步改善才能達到的（幾個禮拜，如果你公司比較小的話甚至幾周）
如果你恰巧在一家大公司，假設你在網路營銷的花費在10萬美元以上，你很快就會發現你在多渠道歸因中所犯的錯誤會較少，並且你的問題會集中在「我如何權衡我的網路營銷組合」，而不是「誰得到更多的權重」。
這將推動你繼續研究解決方案，這個解決方案需要獨特的個人能力和不死的慾望去測量不能想像的模型。
當你達到這種階段的時候，你將擁有聲譽，財富和幸福。
多渠道歸因：總結
這是一個嚴峻的挑戰，因為現實是復雜的。
客戶體驗是以往任何時候都更加復雜，影響的渠道很多，內容消費很分散，三步走模型（吸引，獲取，保留）現在分解成很多不同的部分。
所以，你沒有選擇。如果想讓您的公司有一個有效的廣告和營銷策略，你必須處理多渠道歸因的三個問題。
以下是一些好消息：你不需要一氣呵成。事實上，如果你試圖這樣做，可能會損害你的健康（雖是玩笑，但事實的確是這樣）。你應該採取漸進的步驟，步步為營。
以下就是我的建議：
1. 首先得明確，你在解決管理團隊的什麼問題。O2S，AMS，還是ADC。
2. 使用適當的解決方案。
3. 真的要把多渠道路徑報告弄懂，他們都是免費的，他們很棒。使用概述報告中的維恩圖，並將真實的情況展示給你的管理團隊。他們會欣賞你的傑作，並且停止浪費金錢。
4. 開始使用簡單的模型進行試驗。您會從最後點擊的歸因思維中跳出來，並且放棄。花一些精力在時間衰減歸因模型上（理想的情況是運用幾種數學模型）。
5. 做實驗，並且感受不同組合的變化
6. 追蹤結果，分析數據，改變變數後再進行嘗試。
7. 一旦掌握後，慢慢轉移到媒體組合的實驗。
如果在任何一步，你注意到利潤率的遞減，回到前面的步驟，進行優化，直到值得公司投入更多的錢在下一個步驟中。
如果你理解了框架，如果你了解內在的挑戰，如果你能夠把公司存在的問題定義清楚，並且按照上面的框架採取進一步的行動，得到的將是令人滿意的結果，人家會說你很棒。
一如既往，現在輪到你說話了。
你的公司正在解決什麼樣的多渠道歸因問題？你明白了上面三個模型的區別嗎？有沒有在這篇文章中未涉及的第四個模型呢？你覺得哪一個是最具挑戰性的？你對我們會解決的AMS（跨多個屏幕）的問題感到比較樂觀嗎？你信奉那種MCA – ADC歸因模型？誰是你永遠的朋友（BFFS）？
請通過評論分享您的想法，反饋，批判，和很棒的想法。謝謝！
有些專業術語說明下:
FUD：Fear, uncertainty and doubt 的縮寫，指的是害怕，不確定和懷疑
BFFS: Best Friend forever, 朋友，引申為解決方案
MCA-O2S： Multi-Channel Attribution, Online to Store，指的是多渠道歸因，線上到實體店
MCA-AMS: Multi-Channel Attribution, Across Multiple Screens, 指的是跨多個設備，跨多個屏幕
MCA-ADC： Multi-Channel Attribution, Across Digital Channels，指的是跨渠道，例如廣告，SEO,電子郵件，推薦流量等
㈢ 微信朋友圈裡的廣告演算法是怎樣的
這個不是很清楚的，不過「億企發」好像可以不花錢使用，我正在用不錯
㈣ 什麼是歸因分析，歸因分析如何計算
1、歸因理論，在日常的社會交往中，人們為了有效地控制和適應環境，往往對發生於周圍環境中的各種社會行為有意識或無意識地做出一定的解釋，即認知整體在認知過程中，根據他人某種特定的人格特徵或某種行為特點推論出其他未知的特點，以尋求各種特點之間的因果關系。
歸因理論由社會心理學家海德於1958年提出：歸因是指人們對自己或他人的行為進行分析，推論出這些行為的原因的過程。歸因方式影響到以後的行為方式和動機的強弱。
2、歸因分析的基本流程：
（1）感知，觀察，人必須感知和觀察行為。
（2）判斷，決定是否是故意的，人必須相信一個行為是故意做的。
(4)廣告歸因演算法擴展閱讀：
三度歸因理論：
H.凱利提出的三度歸因理論，又被稱為多線索分析理論，或稱共變歸因理論，是凱利在吸收了海德的共變原則的基礎上提出的。他認為，人們多是在不確定條件下進行歸因的。人們從多種事件中積累信息，並且利用「共變原則」來解決不確定性的問題。
凱利認為，人們在試圖解釋某人的行為時，可能用到三種形式的歸因：歸因於行為者，歸因於客觀刺激物，歸因於行為者所處情境或關系。
㈤ 關於百度聯盟廣告提出演算法
如果相同IP。點擊不同的廣告位，會多次結算。但是同一廣告位，是不會多次結算的哦。
網路這個系統比較先進...你懂的。
㈥ dsp廣告投放哈斯演算法什麼意思
哈斯演算法是dsp廣告的其中一種演算法，是為了做轉化的，前提是需要有一定的數據積累。詳細的可以去問下弈米互動的dsp優化師，應該會給你更專業的解答。
㈦ 廣告演算法是啥
基於海量的瀏覽行為，購物行為數據，進行大量的模型的運算，得出各種推薦結論，一共電商網站頁面來為用戶進行商品推薦，（猜你喜歡）
㈧ 做廣告點擊率預測，用哪些數據什麼演算法
這個是要看你的網站展現，點擊分別是多少，一般來說，網站的訪客ip量提高了點擊率也會上升的。
介紹你去下載《極速點擊虎》軟體用吧，能助你有效的增加廣告流量和點擊率，而且極速點擊虎軟體支持每天ip數據更新，很好用的。
㈨ 品牌營銷的歸因分析是什麼應該怎麼做
首先要知道「歸因分析」，說的簡單點，就是原因分析，找出影響結果的主要原因進行歸納；
具體說到品牌營銷的歸因分析，就是要對影響品牌營銷效果的原因進行總結分析，只有準確的分析出影響品牌營銷效果的要素，才能夠更有針對性的設計營銷方案。否則，不知道影響營銷效果的要素，又如何能夠設計出有效果的營銷方案呢？
舉個簡單的不恰當的例子，比如某個品牌產品 的客戶群體都不看電視，那麼在營銷設計中就不應該考慮電視廣告。
所以歸因分析的目的就是要找出哪些是主要的影響要素，然後根據這些要素進行營銷設計
㈩ 廣告投放中dcpm演算法是什麼意思
DSP普遍採用dCPM作為結算體系，dCPM指的是dynamic CPM，與目前網路廣告市場長講的CPM方式（此CPM相應的成為flat CPM）區別。dCPM基於RTB技術誕生，指的是每一次的impression出價是變化的。其每次出價均依據廣告主廣告投放的效果來實時計算，以得出對廣告主最有利的價格，從而保證了廣告主的利益。同時又因為以impression與媒體結算，也確保了媒體的收益。