对产品经理来说，数据分析能力是非常重要的一项必备技能，那么这项技能又该如何落地，如何进行实际运用呢？笔者告诉我们，归因查找法就是一项不错的数据分析落地方法。

嗨！前面我们介绍了6种数据分析的方法，这篇呢我们来聊聊如何运用归因查找法来解决业务场景中的问题。

归因查找的作用是帮我们找出一件事件发生的主要原因是什么。

往往我们的业务流程是有很多步的，比如从打开-浏览-下单-付款-付款成功，在这样的情况下，我们往往需要知道用户在完成整个事件前的步骤，对于他最后完成这个事件的影响因素是什么样的。

思考一下：我们的业务中有一些非常明确的业务目标，像购买、留下资料、充值等行为。当我们知道这些行为事件前面的步骤它的贡献价值有多少之后，我们能够做什么呢？

一、什么是归因查找法？

归因查找法就是将业务流程进行拆解，并根据业务的性质，去确定在整个流程中哪些事件是影响整个事件完成的关键部分。

确定了关键部分之后，选择不同的归因查找方法。

二、常见的归因查找法有哪些？

常见的归因查找法有三种，它们也分别有不同的适用场景：

1. 末次归因

通常适用于把贡献归结到用户最后一次接触到的产品界面或功能、按钮。

举个栗子：我们现在操盘一款陌生人社交的产品，加好友有很多模式，比如：附近的人、语音匹配、话题广场.

最近我们上了一个智能匹配的功能，我们想知道用户在真正加好友的过程中到底是通过哪个功能去加好友的。

在这个场景里，转化路径比较短（使用某个功能，加了一个好友），并且事件之间有很强的关联性（加好友要么是通过附近的人，要么是语音匹配，要么是话题广场或者是新上线的智能匹配功能）。

因此，在这类型的场景里我们可以运用末次归因，把所有的贡献给到最后一个行为。

2. 递减归因

适用于转化路径比较长，非目标事件（不是最终事件）差异不大的，没有哪一步起到一个完全主导的作用。

举个栗子：一个在线的项目管理工具，这个工具提供了待办事件列表，番茄钟，日历管理等功能，如果付费升级到高级版就可以免广告。因此，整个产品的观察目标是用户可以消除广告，在这个方法里不能把一个事件的发现归因到离它最近的那一步，而是从最后一步开始，逐渐的把这个因子往前面去递减。

比如：最后一步60%，倒数第二步40%，倒数第三步20%，这样一个 6/4/2 的比例。当然，也可以是其他的比例，比如 5/3/2、1/1/1 的比例，这个比例需要跟我们的业务挂勾，不同的业务选择符合我们业务的比例。

3. 首次归因

适用于强流量依赖的业务场景，拉人比后续所有事都重要。

完全不管后面的所有事件，只把最终事件的发生和第一步关联在一起，比方说，我们目前的这个业务缺流量，需要大量的人来，这一步主要对应的是市场手段和运营手段，通过归因到第一步，我们就可以去调整相应的市场策略或运营策略。

以上，就是三种不同的归因查找法，它们每个适用于不同的业务场景，运算规则也不一样。

在工作中我们去做归因查找时，肯定还会遇到其他的一些情况，甚至还会有其他的一些归因查找方法，但是大部分的归因查找方法都是基于这三种演化的。

三、案例解析1. 末次归因

举个栗子：这是我们公司的一款直播类的产品，这个模型主要描述的是用户充值的行为路径，我们进行末次归因，看看用户是为了什么事儿而充值。

通过这个模型我们可以看出，充值这个事件就关键的两个节点：送礼和私信主播。

有接近7000个人是送礼时账户没有钱了而充值，而有4000多人是私信主播之后而充值，这是为什么呢？可能是这样一些用户他想私下表达对主播的爱慕。

由此我们可以知道，原来用户并不仅仅是送礼而进行充值，他们还会私信主播之后充值，然后进行打赏或发红包之类的操作，这对于后续设计付费产品和付费体验有很大的帮助。

2. 递减归因

举个栗子：下面是一款游戏类产品，我们最终关注的也是游戏的充值，但是游戏产品比较复杂，如果用末次归因法，就会忽略掉很多点。

比方说游戏消费，用户为什么会消费，我们通过递减归因法可以看出，他都买了合成装备，在这种用户行为很长，用户的心智模型是连续性的，那每一步每一个行为都对最终的转化有帮助，所以这里我们用递减归因法比较合理。

3. 首次归因

举个栗子：我们是一款小额贷款APP的产品经理，对这款产品而言，只要用户来了，平台进行人工审核，一般用户的资质都没有问题，然后贷款就会发放给用户。

像这类产品，根本就不用担心后面会不会转化，我们需要关心的是：是否有很多用户过来，所以，产品更缺的是渠道流量。

好啦，归因查找法到这里就已经聊完啦。

回答一下文章开头提的问题，归因查找法的适用场景：

能将目标的达成拆分到各个模块或业务线，从而统计各模块或各业务线的贡献整个产品在探索如何提升最终的业务指标，从而知道当前指标达成的主要因素。

下面我们用一张图架构图来总结一下：

下篇预告：数据分析（7）：路径挖掘分析法&行为序列分析法，欢迎继续关注~

推荐阅读

数据分析方法（1）对比分析法

数据分析方法（2）多维度拆解法

数据分析方法（3） 漏斗观察法

数据分析方法（4） 分布分析法& 用户留存分析法

数据分析方法（5）用户观察法

本文作者：菜菜，公众号：菜菜唠产品（caicailaochanpin)，欢迎关注~

本文由 @菜菜 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于CC0协议。