马尔可夫链归因分析：精准量化渠道转化贡献

在数字营销中，了解每个渠道对最终转化的真实贡献，是优化预算分配的关键。传统的“最后点击归因”等方法往往扭曲了渠道价值，而马尔可夫链归因提供了一种基于数据驱动、考虑用户完整旅程的解决方案。本教程将从零开始，带你深入理解并实操这一强大模型。

什么是营销归因？为什么需要它？

营销归因是指将转化（下单、注册、订阅等）的功劳分配给转化路径上各个触达点的过程。每个用户的购买前通常会经历多个渠道：社交广告点击、搜索引擎自然访问、邮件优惠券、直接输入网址等。合理分配功劳，才能正确评估ROI。

核心矛盾：如果一个用户先后通过“展示广告 → 付费搜索 → 邮件”后转化，功劳该给谁？

传统归因模型及其致命缺陷

最常见的几种规则归因模型，都有明显的归因偏差：

共同弊病：这些模型完全忽略了路径中渠道之间的先后关系与转化概率变化。当用户走了“A → B → C”这样一个序列，移除A是否会影响最终转化？传统模型无法回答。

马尔可夫链归因：从概率视角看转化路径

基础概念：什么是马尔可夫链？

马尔可夫链描述了一个状态序列，其中每个状态转移的概率仅依赖于当前状态，而不依赖于过去的历史（无记忆性）。

在营销语境中，我们将“渠道接触”视为状态，用户可以在这两种特殊状态间转移：

• 转化（Conversion）
• 未转化 / 流失（Null / Drop-off）
  所有用户路径最终都会进入这两个吸收状态之一。

一条典型的用户路径序列：
"开始" → 展示广告 → 付费搜索 → 邮件 → 转化

马尔可夫模型会从所有历史路径数据中，学习出渠道之间的转移概率矩阵。

模型构建三步法

1. 收集所有转化与非转化路径
   从原始Web/App日志中提取每个用户的触达序列，包括最终是否转化。例如：

   • 路径1: 社交 → 自然搜索 → 直接访问 → 转化
   • 路径2: 展示广告 → 流失
   • 路径3: 邮件 → 社交 → 转化
     注意：通常将连续相同渠道合并，并对路径设置最大长度限制。

2. 计算转移概率
   统计每个状态（渠道）转移到下一个状态（包含转化/流失）的次数，计算概率。
   例如，从“付费搜索”出发，出现100次，其中40次下一步去“直接访问”，30次去“流失”，30次去“转化”，则：

   • P(直接访问 | 付费搜索) = 0.4
   • P(流失 | 付费搜索) = 0.3
   • P(转化 | 付费搜索) = 0.3

3. 构建概率图和转移矩阵
   得到一个包含所有渠道节点、转化节点、流失节点以及它们之间的有向边和概率的图。

核心理念：移除效应（Removal Effect）计算渠道贡献

传统归因只数发生次数，马尔可夫链直接衡量如果一个渠道完全从用户旅程中抹去，整体转化率会下降多少。这就是移除效应。

具体算法步骤

1. 计算原始总转化概率
   在完整模型中，从开始状态出发，最终到达“转化”吸收态的概率。可通过求解吸收马尔可夫链的线性方程组得到，或者模拟随机游走。

2. 逐个移除渠道
   假设渠道 C 被移除，所有进入和离开 C 的边全部删除，重构转移矩阵。计算此时的新转化概率。

3. 移除效应公式
   渠道 i 的移除效应 = 1 - (移除i后的转化概率 / 原始总转化概率)
   这个值介于0到1之间，数值越大说明该渠道越关键。

4. 归一化为归因权重
   将所有渠道的移除效应求和，每个渠道的归因权重 = 该渠道移除效应 / 所有渠道移除效应之和。
   这样权重之和为1，可直接乘以总转化数或总转化价值，得到渠道贡献。

实战案例演示

假设我们有如下简化的用户路径数据（均已归并连续重复渠道）：

1. 开始 → 展示广告 → 自然搜索 → 转化（发生100次）
2. 开始 → 展示广告 → 流失（发生150次）
3. 开始 → 自然搜索 → 邮件 → 转化（发生80次）
4. 开始 → 自然搜索 → 流失（发生200次）
5. 开始 → 邮件 → 展示广告 → 自然搜索 → 转化（发生50次）
6. 开始 → 邮件 → 流失（发生120次）

第一步：构建转移次数矩阵

“开始”是虚拟起始节点，路径中每个渠道首次出现都由“开始”进入。

第二步：计算转移概率矩阵

将上面每个非零格除以该行总和：

• 开始 总出发 250+280+170 = 700

  • P(展示广告|开始) = 250/700 ≈ 0.357
  • P(自然搜索|开始) = 280/700 = 0.4
  • P(邮件|开始) = 170/700 ≈ 0.243

• 展示广告 总出发 100+150 = 250

  • P(自然搜索|展示广告) = 100/250 = 0.4
  • P(流失|展示广告) = 150/250 = 0.6

• 自然搜索 总出发 80+150+200 = 430

  • P(邮件|自然搜索) = 80/430 ≈ 0.186
  • P(转化|自然搜索) = 150/430 ≈ 0.349
  • P(流失|自然搜索) = 200/430 ≈ 0.465

• 邮件 总出发 50+120 = 170

  • P(展示广告|邮件) = 50/170 ≈ 0.294
  • P(流失|邮件) = 120/170 ≈ 0.706

第三步：计算原始转化率（模拟或求解）

吸收链中，可通过求解线性方程组 P_convert[start] 获得精确值。简化的近似方法：模拟100万次随机游走。
计算结果（示例）：原始转化概率 ≈ 0.253。

第四步：计算移除效应

以移除 自然搜索 为例：删除所有与自然搜索相关的边。调整后的概率矩阵中，展示广告不能去自然搜索，自然搜索不能去邮件或转化等。重新计算得到新转化概率 ≈ 0.112。

移除效应（自然搜索） = 1 - 0.112/0.253 ≈ 0.557

类似地：

• 移除 展示广告：新转化率 0.174 → 移除效应 = 1 - 0.174/0.253 ≈ 0.312
• 移除 邮件：新转化率 0.208 → 移除效应 = 1 - 0.208/0.253 ≈ 0.178

第五步：归因权重分配

移除效应总和 = 0.557 + 0.312 + 0.178 = 1.047

• 自然搜索：0.557 / 1.047 ≈ 53.2%
• 展示广告：0.312 / 1.047 ≈ 29.8%
• 邮件：0.178 / 1.047 ≈ 17.0%

对比传统模型：最后点击归因会将大部分功劳给到直接转化前的渠道，而这里自然搜索和展示广告的真实推力被充分体现。

模型优势与局限

为什么选择马尔可夫链归因？

• 数据驱动，无主观偏见：仅基于实际路径和概率流转。
• 体现渠道相互作用：非线性，考虑了漏斗中渠道的序列依赖。
• 规避重复计算：通过概率图自动处理用户多次交互同一渠道。
• 科学衡量“助攻”渠道：展示广告虽不常直接转化，但移除后整体转化骤降，证明其价值。

需要注意的局限及应对方案

1. 路径长度截断：过长的路径会使数据稀疏，通常限制在5-10步内。可结合业务设定。
2. 小渠道冷启动：稀疏数据会导致转移概率不可靠，可采用贝叶斯方法加入先验或合并小渠道。
3. 忽略时间衰减：标准马尔可夫链不考虑两次接触的时间间隔。可将时间分箱构造高阶模型，或后续用移除效应乘以时间衰减权重作为补充。
4. 计算资源：渠道数量较大（>1000）时矩阵求解较慢，可用Google Analytics 4这类内置算法，或使用Python的ChannelAttribution库优化。
5. 路径定义：需要仔细清洗数据，定义会话、渠道分组逻辑，否则“直接访问”“付费搜索”等边界模糊会影响结果。

如何在实际项目中落地？

1. 数据准备：从数据仓库提取用户级时间序列的渠道触碰数据，每条记录包含用户ID、时间戳、渠道、转化标志。形成序列后，组织为模型输入格式。
2. 工具选择：
   • R语言：ChannelAttribution 包提供了 markov_model() 函数。
   • Python：ChannelAttribution 的Python版，或自行用numpy构建转移矩阵并求解吸收概率。
   • 云端方案：Google Analytics 360中的“数据驱动归因”底层即为马尔可夫链变体。
3. 调参与验证：处理缺失路径、测试不同归因窗口、移除效应归一化后定期与业务团队复盘，确保结果合理。
4. 与业务结合：归因结果乘以收入，按周期生成渠道贡献报告，反哺预算优化。

马尔可夫链归因将转化路径从“功劳分配游戏”升维为概率因果推断。掌握它，你将告别拍脑袋的归因权重，用真实数据驱动增长。