电商运营：剖析流量来源

对电商平台来说，精准识别每份流量的效果是日常运营洞察的关键要点之一。评估一个流量坑位的核心数据指标，是依据每个流量入口的用户后续转化情况。那么，怎样才能将每份流量的曝光、点击、加购、转化正确归因到对应的坑位呢？

1、前言

对电商平台而言，精准识别每份流量的效果是重要的日常运营洞察内容。根据每个流量入口的用户后续转化情况来评价流量坑位，是核心的数据指标考量。如何把每份流量的曝光、点击、加购、转化准确归因到对应坑位，是亟待解决的问题。

2、数据底层方案

开展流量归因的前提是，App的埋点基本完善，大部分用户在App上的行为已通过埋点记录并存储。

2.1 埋点日志新增PageId字段

首先要在客户端埋点的日志中添加PageId字段。其作用是，当用户产生一次跳转并生成新页面时，为该页面赋予一个新的PageId；而用户点击返回时，不会产生新的PageId。PageId越接近当前时间，页面浏览行为的数值越大，且不会重复。

2.2 解析埋点日志进行链路分析

需先确定所有链的末端end，也就是所有的加购事件。

再确定所有链的首端head，由于电商商品的入口可能在App的多个页面出现，所以选择所有的基础页面（可枚举）作为首端。

用末端去左关联得到最近的首端，获取每条链的区间范围。

用每个区间筛选相对应的所有点击事件，去除无效事件，即可得到每条链路的完整路径：【1，2，9，10，11】。

用户在App中购物链路步骤图

2.3 各种特殊场景实现方案

1）商品详情页之间横跳

2）跨层级横跳（跳回到相同Page的页面）

3）跨层级横跳（跳回到不同page的页面）

4）直接跳回入口页

2.4 归因方案

通过上述埋点日志追踪方案，我们能得到用户在App里加购前的完整有序链路。基于此链路，便可进行归因分析。业内通用的五大基本归因方案如下：

• 首次触点模型：当多个「待归因事件」对同一个「目标转化事件」有贡献时，认定第一个「待归因事件」功劳为100%。
• 末次触点归因：当多个「待归因事件」对同一个「目标转化事件」有贡献时，认定最后一个「待归因事件」功劳为100%。
• 线性归因：当多个「待归因事件」对同一个「目标转化事件」有贡献时，认为每个「待归因事件」平均分配此次功劳。
• 位置归因：当多个「待归因事件」对同一个「目标转化事件」有贡献时，认为第一个和最后一个「待归因事件」各占40%功劳，其余「待归因事件」平分剩余的20%功劳。
• 时间衰减归因：当多个「待归因事件」对同一个「目标转化事件」有贡献时，认为越靠近「目标转化事件」做出的贡献越大。

鉴于公司当前体量不大，无需采用复杂的归因方式，因此采用了末次触点归因方案，即加购前最后一次点击的入口为哪个，就将其归因到该入口。至此，电商流量归因的底层数据实现全部完成。

3、前端页面展示

3.1 入口归类

首先对App内的所有流量入口进行分类，依据位置和大小分为2级，这里称之为一二级流量来源。部分一二级流量来源举例如下：

3.2 数据指标

• 模块曝光人数：流量入口模块曝光人数
• 模块点击人数：流量入口模块点击人数
• 商品曝光人数：来自该流量入口的商品曝光人数
• 商品曝光人数占比：来自该流量入口的商品曝光人数/整体商品曝光人数
• 商品点击人数：来自该流量入口的商品点击人数
• 支付人数：来自该流量入口的商品支付人数
• 支付人数占比：来自该流量入口的商品支付人数/整体商品支付人数
• 支付金额：来自该流量入口的商品支付金额
• 支付金额占比：来自该流量入口的商品支付金额/整体商品支付金额
• 支付件数：来自该流量入口的商品支付件数
• 商品曝光点击率：来自该流量入口的商品点击人数/来自该流量入口的商品曝光人数
• 商品曝光支付率：来自该流量入口的商品支付人数/来自该流量入口的商品曝光人数
• 商品点击支付率：来自该流量入口的商品支付人数/来自该流量入口的商品点击人数
• UV价值：来自该流量入口的商品支付金额/来自该流量入口的商品曝光人数
• 客单价：来自该流量入口的商品支付金额/来自该流量入口的支付人数
• 点击价值：来自该流量入口的商品支付金额/来自该流量入口的点击人数

3.3 时间维度及人群

人群：整体、新客、老客

时间维度：今日、昨天、近7日日均、近30日日均

3.4 流量来源平台UI

流量来源分析平台首页可展示不同时间、不同人群、不同流量来源、不同数据指标的具体数据。红色和绿色的数据代表当前时间的环比数据。核心数据指标还增加了占比数据。

既可以分析电商整体的来源数据，也能单独查看每个商品的来源数据。

指标可视化图表展示如下：

1）不同流量来源的数据趋势

2）单个流量来源的数据趋势

3）分小时流量来源趋势

4）按照不同时间区间聚合数据趋势

4、总结

流量来源分析是电商公司日常运营分析的重要组成部分。打造流量来源分析平台后，能大幅减轻数据分析师的取数负担，让运营和产品人员可通过可视化方式直接获取对应数据进行自助分析，大大缩短取数的排队周期，使业务能高效地进行日常运营迭代。