广告归因算法

㈠ 广告中的CPM是怎么计算出来的

千人价格（CPM）=（广告费用/到达人数）×1000，其中广告费用/到达人数通常以一个百分比的形式表示，在估算这个百分比时通常要考虑其广告投入是全国性的还是地域性的，通常这两者有较大的差别。

千人成本是一种媒体或媒体排期表（SCHEDULING）送达1000人或"家庭"的成本计算单位。这可用于计算任何媒体，任何人口统计群体及任何总成本。

它便利说明一种媒体与另一种媒体、一个媒体排期表与另一媒体排期表相对的成本。千人成本并非是广告主衡量媒体的唯一标准，只是为了对不同媒体进行衡量不得已而制定的一个相对指标。衡量一个媒体价值的数字。

(1)广告归因算法扩展阅读：

缺陷

1、不同媒体的“独特性”

广告公司更愿意在同一媒体之内讨论这个问题（如30秒钟的有线电视广告等于30秒钟的普通电视广告），而不愿作跨媒体比较（如30秒钟的有线广告等于一个网上标题广告）。

同样是覆盖千个群体，一次 30 秒电视广告跟一个刊登在晚报上的平面广告，或者是一幅张贴在商场大堂的海报所达到的广告效果是截然不同的。

2、覆盖率数字的不可靠性

国内仍以电视收视研究最为全面，可计算特定目标群体被覆盖的人口数字。报刊平面广告则只有 ACNielsen所提供的主要城市的分析。至于其他媒体覆盖率的数字则大多是推算出来的约数（有些更由媒体提供），更别提按不同目标的受众进行推算，对其准确性应有一定保留。

3、展露概念不明确

每千人成本准则采用的展露概念，只是潜在的展露，而不是实际的展露。当某一广告刊登时，便可说有展露机会发生在所有受众上，但事实上，仅有一部分人注意到该广告，较少的人了解广告信息的内容，更少的人才留下正确的印象。

㈡ 多渠道归因模型-网站分析

多渠道归因模型-网站分析
多渠道归因在网站分析行业是一个非常火的话题，但是却很少人了解它。我相信，由此产生的问题【混乱，FUD（害怕，不确定和怀疑），焦虑，每天祈祷，和浪费预算】是由于缺乏一个明确的多渠道归因框架来帮助界定问题。
在这篇文章中，我希望分享一个有助于确定问题所在的框架。包括衡量和数据分析的建议。如果这还不够，我会分享关于数字营销归因模型的更多想法。
这个过程很有趣，卷起你的袖子，带上微笑，清醒一下头脑，然后跟着我出发吧…
多渠道归因问题的三种类型：

关于多渠道归因，会有很多的迷惑和不解，在我们的世界里有三种类型的归因问题。
一、多渠道归因，线上到实体店（MCA-O2S）：
营销和分析人员尝试去弄懂网络营销和广告的对线下的影响（收入/品牌价值/电话等）。我们把这个归因称为MCA-O2S。
我这里使用的实体店，它包括以下几种情况：零售商店或公司的呼叫中心的销售（订单或目录请求），人们通过在线活动然后去献血，或者任何因为线上渠道带来的线下收入。
MCA-O2S的一个例子是Verizon想知道多少线下和线上电话激活是因为在线搜索广告带来的。
[如果你对这个感兴趣的话，请查看以下这篇文章：1个线上激活的伴随着5个线下激活 ！如果不计算带来的线下影响，就相当于不承认线上营销渠道的作用。一般情况下，就会少估5倍的影响！因此你可以想象为什么MCA-O2S归因模型对于地球上的每个公司而言，都是很重要的。]
这是我用便利贴画的模型图：MCA-O2S，红色圆点代表我们要衡量的活动节点，这些点可以确保我们理解用户行为，并且得到影响我们市场和广告的行动见解…

我经常与首席执行官和首席营销官们讨论，当谈论到多渠道归因的时候，他们总是会说到MCA-O2S。然而，当我的数据分析同行谈论这个话题时，他们却不谈论MCA-O2S，你可以想象，为什么事情会变得混乱，因为两者之间缺少沟通。
所以，当你遇到一个CEO时，他可能会说：“请帮我解决这个多渠道归因问题”，你会说：“你对哪种MCA模型比较感兴趣？”如果情况是这样的话，就不同了，对问题的进一步明确将有助于促进一个有价值的谈话。
目前几乎所有关于归因模型的热点和重要文章都没有谈到MCA-O2S。这是因为当涉及到MCA-O2S时，你能想到的解决方案只能是我之前分享的两篇文章，是关于16个策略和控制实验的（例如如Verizon的案例）。
再推荐两篇多渠道分析的文章：1.跟踪线下广告的线上影响 2.追踪线上广告的线下影响 。
MCA-O2S是很基础的模型,它的归因建立在实验之上，当你成功使用它的时候，收获会很大！
二、多渠道归因，跨多个屏幕（MCA-AMS）：
高级领导人，特别是大公司的，当他们说多渠道归因的时候，已经开始提到跨屏幕。
随着移动手机和平板电脑的大量应用，我们都将变成拥有“四个屏幕”的人（电视，台式机，平板电脑，智能手机）。对于这种复杂的景象,许多高级领导人急于想看懂这种复杂的，混乱的景象，急于理清多渠道归因的头绪。他们指的其实就是MCA-AMS。
他们真正想要了解清楚的，是用户在使用多个设备体验互联网网站时，通过什么样的媒体（广告及市场推广）和发生了怎样的结果和转换。
MCA-AMS的一个例子是，假设我在看电视广告的时候，看到了一则广告，然后在我的平板电脑上进行搜索，点击了付费广告后到达了一个相机网站，后来阅读了Nexus S相机的评论，我回到家后，使用我的笔记本在索尼网站上下了一个订单。
在这种情况下要将销售归功给谁呢？电视,平板电脑付费搜索广告，智能手机上的评论，PC上的下单。有点晕，对吧？
以下的这张图是关于MCA-AMS的，这个用户体验有点复杂，红色圆点代表的是我们接下来要弄明白的…

我们面临的挑战主要是，当访客与我们的网站互动的时候，不停地切换设备，去追踪他们变得越来越困难。其实，我不应该说越来越困难，我应该说，几乎是不可能的（cookies，通用特定标识符，隐私，政府等原因）。
也许唯一的例外，就是用户使用四种设备时都进行了登录，亚马逊和纽约时报都需要用户进行登录。这类公司通常拥有自己的数据仓库，这些数据仓库容量非常大，这样他们就有能力定期做数据挖掘，并确定用户相关的消费习惯和购买模式。通常，但并不总是，他们还可以梳理出不同设备的收入情况（使用Google Analytics高级细分功能的话，5秒钟就可以）和客户分析的渠道推广计划。
即使这样，它还是很难。对很多人来说这仍然是一个复杂的情况，因为建立数据仓库需要大量的投入，我只能说很抱歉。
上面两篇文章中的一些想法，可以帮助理解MCA-AMS。
我相信真正的解决方案将来自cookies的进步，隐私政策的更新，政府的决策和不断变化的用户使用习惯。然后才是我们对数据处理能力。
通过以上的解释，你可以明白为什么归因模型好像跟MCA-AMS没有什么关系。但是，当你遇到管理人员时，他们可能会说：“请及时解决多渠道的归因问题”，相信这时候大多数人会问更进一步的问题：“你指的是MCA-O2S还是MCA-AMS？”
MCA-AMS很复杂，是一个很大的挑战。对于大多数人来说，还不是一个迫切的问题，但很多人以后都会碰到。
三、多通道归因，跨渠道（MCA-ADC）：
觉大多数，在网络营销的圈子里谈到的多通道归因（不是首席执行官和首席营销官），指的都是以下的这个模型。
MCA-ADC是理解数字营销渠道（社交媒体，展示广告，YouTube，推荐来源，电子邮件，搜索等等）的模型，归因于一个特定的转换或者多个转换。
目前所有的网站分析工具，例如Adobe SiteCatalyst，WebTrends，Google Analytics，Coremetrics等，会将转换归属到转换前的最后一次接触的渠道，也就是为人们所熟知的【归因到最后点击】。
有了MCA-ADC，你会试图跳出最后一次点击的思维，而是会考虑转换前的所有渠道（请看以下Google Analytics的例子）：

对于这个网站，767次的转换来自同一种路径类型：首先起始于社交媒体网站（例如Facebook, Twitter），然后直接访问网站，然后通过自然搜索到达网站，然后通过推荐网站再次进入，最后产生订单的是直接流量的点击。
数字营销的人员都迫切地想要了解以上转换中，权重是如何计算和分配的。直接流量应该获得50％吗？社交媒体呢？100％？自然搜索呢？2％？但是当我们明白了一个很关键的，隐藏的，细微的差别后，得把我们把刚才的想法先放一放。
当人们谈论MCA – ADC时，他们只是在讨论使用一台设备时的情况。因为网站分析工具去分析一个人使用不同屏幕（Across Multipe Screens – AMS）的情况是不太可能的。
所以你上面看到的转换，网站分析工具都可以将网站内容和一个浏览器的多个访问联系起来（请注意，是浏览器而不是人）顺便说一句，GA真是太棒了，因为其它大部分工具都没有能力可以告诉你。
假设以上的自然搜索在手机中产生……不管使用了什么网站分析工具，对于大多数网站来说，访问基本上是丢失的，因为cookie记录在手机的浏览器上，而一部分cookie则记录在电脑的浏览器上，oh my god.
在cookies，ids，隐私政策，政府指导和用户使用习惯问题没有得到充分解决之前，区分MCA-AMS (across multiple screens，跨多个屏幕) 和 MCA-ADC (across digital channels，跨多个渠道)是很重要的。
当衡量MCA-AMS的时候，你可以使用上一节中提到的指导。对于MCA- ADC，你会使用一组不同的报告，分别是多渠道路径和归因模型。
我敢肯定，当涉及到MCA – ADC的时候，你已经弄懂了第二个差别。
以上的情形没有追踪和考虑到线下用户行为的影响（O2S），网站分析工具在这方面不是很行，甚至可以说很差。
所以额外的3,835人在商店中或者通过手机渠道（采用上面Verizon的数字）购买是可能的。上述的所有渠道，不管是社交媒体，直接流量，搜索流量，还是推荐流量，都不会获得“权重”。除非你愿意使用在MCA-O2S中所描述的方法。
当你在说MCA – ADC的时候，确保你自己清楚，并且和领导沟通清楚，不是在说MCA-O2S（Online to Store）,同时也不是在讨论MCA-AMS。
以下是最后的一张便利贴，红色远点是当你在尝试MCA – ADC时最可能测量的节点：

如果我想卖弄学问的话，我会说这是MCA-ADCFOD模型（Multi-channel attribution across digital channels for one device），意思就是一台设备跨渠道的多渠道归因模型。
现在有丰富的分析经验，时间，耐心和上帝的祝福，可以做完整的多渠道归因分析了，多渠道包括多个线上广告渠道，跨设备的用户行为，线上和线下的影响。可惜的是，整体上而言非常难。我说的非常难，基本上就是不可能的意思。当我说几乎是不可能的，我指的是当你知道如何解决广告，线上和线下内容，客户之后的尝试。
我知道这听起来像无稽之言，但是这种讨论的确需要回归现实。有太多的虚假承诺，来自供应商，咨询顾问，微博爱好者，领袖和各路神仙，这对于整个网络营销生态系统是没有帮助的。
MCA-ADC的简单总结：
下一次当你听到有人提到多渠道归因的时候，你应该用你最温和的语气说：“您指的是MCA-O2S, MCA-AMS还是MCA-ADC?”
你会赢得其他人的尊重，因为你知道有三种类型，并且你可以理解他们所说的情形，然后进行进一步的讨论，相信这些讨论对职业生涯甚至商业嗅觉都会有一些提升。
多通道归因模型
对于MCA-O2S和MCA-AMS，它是一项复杂的工作，需要确定“哪种广告/营销手段能获得更多权重。”它需要耐心和技巧，它也需要你对16个策略的执行能力，这些策略包括线上和线下对各自的影响。甚至，它需要一种能力（人+技能+欲望）去进行实验。
所以这个问题：“谁获得多少权重”的优先级会降低。
有了MCA-ADC，任务会容易得多，我们有多渠道路径报告。此外，我们能够在一些工具中对MCA-ADC部分提到的行为（以上两张图片）运用归因模型。
最简单的网站分析工具也会有最常见的归因模型：最后点击，第一次点击，甚至分配。
如果你足够幸运，你能够使用更复杂和高级的工具，将会包括：基于数学算法的，能够调整的时间衰减模型。
如果你更幸运，你将有可能获得一个数字分析工具，它允许你创建一个定制的归因模型。
这些模型应用于MCA – ADC，并为您提供更好的关于数字媒体花费的建议。
这些模型都有自己的优点和缺点，如果你有我的书的Web Analytics（分析）2.0，请翻到到358页，有些有更多的缺点，几乎没有任何优点，记得一定要规避它们。
其中一些通过了基础的测试，因此相对于停留在【归因到最后点击】的思维，会把你提升到一个更高的层次上。
但是弄懂这些模型的一个最大的好处就是，可以给你关于如何调整媒体花费的直接指导。（将美元、欧元、比索从付费搜索转移到展示广告，或者从展示广告到电子邮件，或者其他组合）
成功是通过策略的不断调整，不断测量变化，逐步改善才能达到的（几个礼拜，如果你公司比较小的话甚至几周）
如果你恰巧在一家大公司，假设你在网络营销的花费在10万美元以上，你很快就会发现你在多渠道归因中所犯的错误会较少，并且你的问题会集中在“我如何权衡我的网络营销组合”，而不是“谁得到更多的权重”。
这将推动你继续研究解决方案，这个解决方案需要独特的个人能力和不死的欲望去测量不能想象的模型。
当你达到这种阶段的时候，你将拥有声誉，财富和幸福。

多渠道归因：总结
这是一个严峻的挑战，因为现实是复杂的。
客户体验是以往任何时候都更加复杂，影响的渠道很多，内容消费很分散，三步走模型（吸引，获取，保留）现在分解成很多不同的部分。
所以，你没有选择。如果想让您的公司有一个有效的广告和营销策略，你必须处理多渠道归因的三个问题。
以下是一些好消息：你不需要一气呵成。事实上，如果你试图这样做，可能会损害你的健康（虽是玩笑，但事实的确是这样）。你应该采取渐进的步骤，步步为营。
以下就是我的建议：
1. 首先得明确，你在解决管理团队的什么问题。O2S，AMS，还是ADC。
2. 使用适当的解决方案。
3. 真的要把多渠道路径报告弄懂，他们都是免费的，他们很棒。使用概述报告中的维恩图，并将真实的情况展示给你的管理团队。他们会欣赏你的杰作，并且停止浪费金钱。
4. 开始使用简单的模型进行试验。您会从最后点击的归因思维中跳出来，并且放弃。花一些精力在时间衰减归因模型上（理想的情况是运用几种数学模型）。
5. 做实验，并且感受不同组合的变化
6. 追踪结果，分析数据，改变变量后再进行尝试。
7. 一旦掌握后，慢慢转移到媒体组合的实验。
如果在任何一步，你注意到利润率的递减，回到前面的步骤，进行优化，直到值得公司投入更多的钱在下一个步骤中。
如果你理解了框架，如果你了解内在的挑战，如果你能够把公司存在的问题定义清楚，并且按照上面的框架采取进一步的行动，得到的将是令人满意的结果，人家会说你很棒。
一如既往，现在轮到你说话了。
你的公司正在解决什么样的多渠道归因问题？你明白了上面三个模型的区别吗？有没有在这篇文章中未涉及的第四个模型呢？你觉得哪一个是最具挑战性的？你对我们会解决的AMS（跨多个屏幕）的问题感到比较乐观吗？你信奉那种MCA – ADC归因模型？谁是你永远的朋友（BFFS）？
请通过评论分享您的想法，反馈，批判，和很棒的想法。谢谢！
有些专业术语说明下:
FUD：Fear, uncertainty and doubt 的缩写，指的是害怕，不确定和怀疑
BFFS: Best Friend forever, 朋友，引申为解决方案
MCA-O2S： Multi-Channel Attribution, Online to Store，指的是多渠道归因，线上到实体店
MCA-AMS: Multi-Channel Attribution, Across Multiple Screens, 指的是跨多个设备，跨多个屏幕
MCA-ADC： Multi-Channel Attribution, Across Digital Channels，指的是跨渠道，例如广告，SEO,电子邮件，推荐流量等

㈢ 微信朋友圈里的广告算法是怎样的

这个不是很清楚的，不过“亿企发”好像可以不花钱使用，我正在用不错

㈣ 什么是归因分析，归因分析如何计算

1、归因理论，在日常的社会交往中，人们为了有效地控制和适应环境，往往对发生于周围环境中的各种社会行为有意识或无意识地做出一定的解释，即认知整体在认知过程中，根据他人某种特定的人格特征或某种行为特点推论出其他未知的特点，以寻求各种特点之间的因果关系。

归因理论由社会心理学家海德于1958年提出：归因是指人们对自己或他人的行为进行分析，推论出这些行为的原因的过程。归因方式影响到以后的行为方式和动机的强弱。

2、归因分析的基本流程：

（1）感知，观察，人必须感知和观察行为。

（2）判断，决定是否是故意的，人必须相信一个行为是故意做的。

(4)广告归因算法扩展阅读：

三度归因理论：

H.凯利提出的三度归因理论，又被称为多线索分析理论，或称共变归因理论，是凯利在吸收了海德的共变原则的基础上提出的。他认为，人们多是在不确定条件下进行归因的。人们从多种事件中积累信息，并且利用“共变原则”来解决不确定性的问题。

凯利认为，人们在试图解释某人的行为时，可能用到三种形式的归因：归因于行为者，归因于客观刺激物，归因于行为者所处情境或关系。

㈤ 关于百度联盟广告提出算法

如果相同IP。点击不同的广告位，会多次结算。但是同一广告位，是不会多次结算的哦。
网络这个系统比较先进...你懂的。

㈥ dsp广告投放哈斯算法什么意思

哈斯算法是dsp广告的其中一种算法，是为了做转化的，前提是需要有一定的数据积累。详细的可以去问下弈米互动的dsp优化师，应该会给你更专业的解答。

㈦ 广告算法是啥

基于海量的浏览行为，购物行为数据，进行大量的模型的运算，得出各种推荐结论，一共电商网站页面来为用户进行商品推荐，（猜你喜欢）

㈧ 做广告点击率预测，用哪些数据什么算法

这个是要看你的网站展现，点击分别是多少，一般来说，网站的访客ip量提高了点击率也会上升的。
介绍你去下载《极速点击虎》软件用吧，能助你有效的增加广告流量和点击率，而且极速点击虎软件支持每天ip数据更新，很好用的。

㈨ 品牌营销的归因分析是什么应该怎么做

首先要知道“归因分析”，说的简单点，就是原因分析，找出影响结果的主要原因进行归纳；
具体说到品牌营销的归因分析，就是要对影响品牌营销效果的原因进行总结分析，只有准确的分析出影响品牌营销效果的要素，才能够更有针对性的设计营销方案。否则，不知道影响营销效果的要素，又如何能够设计出有效果的营销方案呢？
举个简单的不恰当的例子，比如某个品牌产品 的客户群体都不看电视，那么在营销设计中就不应该考虑电视广告。
所以归因分析的目的就是要找出哪些是主要的影响要素，然后根据这些要素进行营销设计

㈩ 广告投放中dcpm算法是什么意思

DSP普遍采用dCPM作为结算体系，dCPM指的是dynamic CPM，与目前网络广告市场长讲的CPM方式（此CPM相应的成为flat CPM）区别。dCPM基于RTB技术诞生，指的是每一次的impression出价是变化的。其每次出价均依据广告主广告投放的效果来实时计算，以得出对广告主最有利的价格，从而保证了广告主的利益。同时又因为以impression与媒体结算，也确保了媒体的收益。