统计SDK这些事（四）订单归因怎么算？

在电商领域中，用户完成订单支付才能算一次完整的产品体验，这样的用户也才是产品的目标用户。而衡量订单的来源是优化市场外部渠道投放、内部策略优化的重要点。 外部来源指在应用外部的广告来源、搜索引擎来源、app的下载渠道等，主要是市场与渠道部门关心的核心维度；内部来源指在应用内部的运营活动、搜索、推荐等不同产品模块，主要是产品与运营关心的核心维度。

所以，任何一个订单的来源可以分为外部来源和内部来源，二者之间在计算逻辑上互不影响，但是在实际上可能会有一些关联关系，比如来源于小米应用商店的订单大部分是通过“价格优先”这样的策略来下单，不过这个不在本次讨论的范围内。

那么如何计算订单的外部来源于内部来源呢？ 对于订单该怎么样进行归因呢？

一、外部来源

外部来源是应用比较广泛的，也是各种统计分析工具、广告监测所必备的功能，计算方式也是十分成熟（要算钱嘛，所以很多产品在这块都是比较重视的）。

在web端，外部来源一般通过将外部来源写入cookie中进行携带，从而在订单事件中判断订单的来源。 如业界比较通用的utm广告参数，在投放url中直接携带utm_source参数的方式来判断外部的来源，举个例子，京东在百度投放的“鞋子”广告链接为：http://sale.jd.com/act/iS4CKNAeP6vroW.html?cu=true&utm_source=baidu-search&utm_medium=cpc&utm_campaign=t_262767352_baidusearch&utm_term=31820098030_0_262ef6107c494a11a86e81312beab22c

里面的utm_source=baidu-search表示进入的来源的百度搜索。

如果没有utm广告参数，一般获取网站的reffer作为外部来源网站。

（GA来源分析）

在APP端，一般是通过打不同的渠道包名称的方式来标记不同的下载渠道，在后续的行为中携带渠道信息即可获取其来源渠道。

在APP端比较特殊就是ios应用只能通过appstore进行下载，渠道包的方式无法记录渠道广告的来源。 现在一般是通过跟渠道方做idfa交叉验证，或者通过第三方的追踪工具检测，比如talkingdata跟友盟的adtracking工具，其逻辑基本上是通过对比点击广告行为跟激活应用时的ip对比，设备标识匹配等方式来标记该应用是哪个渠道广告带来的。

（Umeng的渠道来源）

我们可以看到，外部来源都是通过将来源写入到类似于cookie的这样一个容器中，在后续的用户行为数据把它携带并上报，从而来进行来源的归因分析。

不过在外部来源中，也存在前中后的归因方式，因为存在一个用户通过多次的营销渠道触达才成为一个新客或者下单等，所以很多广告监测工具也都支持多种归因方式的计算，大部分都支持首次点击，最后一次点击，线性归因，特殊渠道归因等归因模型的计算，如GA等。 可以参考GA的归因模型分类：

限于篇幅的原因，在这里就不细聊不同归因模型的计算区别了，有兴趣的朋友可以研究一下GA的归因模型。

二、内部来源

相比较外部来源，内部来源相对来说要复杂的多了，也是产品跟运营最为看重的。

内部来源的场景更加复杂，也更加细致。如一个活动的转化情况、一个活动里面不同模块的转化情况、不同模块里面的不同策略的转化情况，搜索功能的不同策略转化情况等。

针对这些内部转化率的分析需求，大致有以下两种计算方式来统计。

1、路径回溯

路径回溯的计算方式用的比较多，很多公司都是通过这样的方式来计算内部来源的。

路径回溯的计算方式主要是在同一个session中，按照时间进行排序，通过看该路径中订单之前用户的浏览行为从而决定其内部来源，大部分路径回溯挂单是按照就近原则进行匹配，也就是最近的一个模块或者策略。

这种计算回溯的计算策略随着不同公司的业务场景变化较大，有些应用还会按照权重进行分配，比如用户在下单前有过搜索行为、点击过推荐的商品、活动页，按照权重进行分配，如搜索贡献40%，推荐贡献20%，活动贡献40%。

其实，路径回溯的计算方式跟外部的渠道的归因很像，都是基于某一个对象在触发目标前有多个触发因子，不同应用场景可以使用不同的归因模型来进行计算。

同时，路径回溯也用于了页面上下游分析，通过用户的浏览路径来掌握用户的特征，为产品优化做出指导。

（GA的页面流分析）

2、标记携带

第二种进行订单追踪的方式就是标记携带，即用户触发某个策略，将该策略将写入某个容器，该容器有类似于cookie的作用，能够在后续的行为中获取该容器的内容并跟当前行为一起上报，如某个session中用户触发了策略A，那么该策略则被写入到该容器中并携带到订单事件中，这样，我们直接就能够看到该订单是由策略A带来的。

这种方式最大难点在于管理标记的生命周期，如标记的生效时间、死亡时间、什么时候能够被覆盖、回退的时候是否需要清空等。

以我自己的看法，这种标记携带的方式很难满足所有的业务场景，只能将特殊的业务场景抽象出来通过标记携带的方式进行追踪，业内有部分公司按照这种方式来进行统计，但是也只能满足部分的业务场景。

不同的业务场景需要综合考虑哪种计算方式能够更加满足统计需求，相比而言，路径追踪是比较适合大部分的公司的，但是如果要追求数据的准确性的话，那么标记携带无疑是很好的一种方式。