• 这里会引用神策数据很多的介绍，然后进行总结

归因方法

• 自归因
  • 渠道商帮我们做归因，有的是每个用户打开 app 都回传给渠道商，渠道商自己归因
  • 有的如华为是从应用商店安装时，应用商店把归因信息写入到 app, 然后首次安装启动时能从本地存储获取到归因数据
• 曝光归因
  • 曝光归因由于有数据量极大、不会使用此项
• 点击归因 (常用)
  • 所谓点击归因，就是点击广告之后首个转化，基本都是用这种方式归因

    归因模型

• 末次归因模型 (常用，因为比较好实现)
  • 多个归因源事件时，认为最后一个归因源事件的功劳为 100%。
• 首次归因模型
  • 多个归因源事件时，认为第一个归因源事件的功劳为 100%。理由是第一个触点给用户建立了认知，与用户形成了连接。
• 平均归因模型
  • 多个归因源事件时，认为每个归因源事件平均分配此次功劳。
• 时间衰减归因模型
  • 加上了时间的影响因素，最后 1 次触达的贡献更高。
• 位置归因模型
  • 多个归因源事件时，认为第一个归因源事件和最后一个归因源事件各占 40% 功劳，其余平分剩余的 20% 功劳。兼顾最初的线索和最终的决策。
• 价值加权归因模型
  • 多个归因源事件时，对不同渠道的贡献价值进行加权，将转化功劳根据权重进行划分。

匹配方式

• 精确匹配
  • OAID: OAID 全称是 Open Anonymous Device Identifier, 中文名是匿名设备标识符。 OAID 是一种非永久性设备标识符，最长 64 位，在系统首次启动的时候生成
  • AndroidID: ANDROID_ID 是设备首次启动时由系统随机生成的一串 64 位的十六进制数字
  • IMEI: 国际移动设备识别码（International Mobile Equipment Identity，IMEI），即通常所说的手机序列号、手机 “串号”，用于在移动电话网络中识别每一部独立的手机等移动通信设备，相当于移动电话的身份证。
  • Mac: 手机的网卡地址
• 模糊匹配
  • IP: 分配给用户上网使用的网际协议（全称 Internet Protocol, 简称 IP）的设备的数字标签
  • User_Agent: 一个特殊字符串头，使得服务器能够识别客户使用的操作系统及版本、CPU 类型、浏览器及版本、浏览器渲染引擎、浏览器语言、浏览器插件等

    服务架构实现

• 接下来会参考这个图来整体说明

根据上图，我们先给一个最基础的表结构，大家可以根据具体业务增减字段

# 应用表(apps)
id, appid(客户端使用), name, os, attribute_cycle_days(归因周期), attribute_white_list(JSON 白名单列表)
# 渠道表(channels)
id, name, template_query(此字段预先组装好格式)
# 监测链接表(links)
id, app_id, channel_id, channel_name(自定义渠道名), events(JSON 需要回传的事件, 方便后续动态增加回传事件), exp(有效期)
# 广告点击表:按天分表(click_logs)
id, appid, ad_name, [oaid, imei, android_id, mac, ip, ua](这些匹配方式看各自需要存储), exp, callback, data(JSON冗余字段), attributed_at(归因成功时间',')
# 归因成功日志表(这个表按各自日志需要设计)
# 回调日志表(这个表按各自日志需要设计)

根据时序图，来说明实际场景 (以下为伪代码，所有数据库查询自行做好缓存处理)

• 1. 点击广告 (这一步是不需要我们处理的，用户点击广告的请求直达渠道商)
• 1. 点击监测，渠道商会请求我们的监测链接
  • 监测链接说明
  • 由于每一家的参数不一样，我的建议是不要针对每一个渠道开发，而是应该适配一个通用的输入
  • 然后根据通用的输入，设计一个模板，这就是为什么要在渠道表加一个 template_query 字段的原因
  • 比如 oppo商店的格式是这样 ad_id=__ADID__&android_id=__ANDROIDID__&imei_md5=__IMEI__&oaid=__OAID__
  • 比如头条的格式是这样 ad_name=__AID_NAME__&android_md5=__ANDROIDID__&callback=__CALLBACK_PARAM__&idfa=__IDFA__&imei_md5=__IMEI__&ip=__IP__&mac_md5=__MAC1__&oaid=__OAID__&site=__CSITE__&ua=__UA__
  • 然后生成监测连接的时候，应该是生成像下面这样的
  • https://api.domain.com/api/v1/links/{id}/click_logs?ad_id=__ADID__&android_id=__ANDROIDID__&imei_md5=__IMEI__&oaid=__OAID__
  • 接口处理
  • 当请求到达 https://api.domain.com/api/v1/links/{id}/click_logs?ad_id=__ADID__&android_id=__ANDROIDID__&imei_md5=__IMEI__&oaid=__OAID__接口时
  • 参数中的宏会替换成实际点击用户的设备值，如:https://api.domain.com/api/v1/links/{id}/click_logs?ad_id=123456789&android_id=123456789&imei_md5=123456789&oaid=123456789
  • 接口伪代码:

// 统一的请求结构
class AdClickRequest { public $oaid;
 public $imei;
 public $imei_md5;
 public $andoird_md5;
 public $ad_name;
 public $callback;
 // xxx 更多字段
}

const FIELDS = ['oaid', 'imei', 'imei_md5', 'xxx'];
function clickLogs($id)
{
 // 1. 根据不同框架, 把数据解析到统一请求上
 $req = new AdClickRequest(); // 2. 查询监测链接表
 $link = "select * from links where id = {$id}"; // $id
 if (is_null($link)) { return 'FAIL'; } // 3. 写入点击日志表, 点击量大走队列插入
 $logModel = "insert into click_logs(`oaid`, `imei`, `events`, `exp`, 'xxx更多字段') values({$req->oaid}, {$req->imei}, {$link->events}, {$link->exp}, 'xxx更多字段')";
 // 4. 写入 redis $pipe = \Redis::pipeline();
 $value = $logModel . '.' . $logModel->id;
 foreach (FIELDS as $key) { $redisKey = sprintf('attributes:%d_%s', $link->app_id, $req->{$key});
 $pipe->set($redisKey, $value, $logModel->exp*60*60*24);
 } $pipe->exec();
     return 'OK';
}

• 1. 用户首次打开 app 上报接口

class AppReportRequest { public $deviceKey;
 public $oaid;
 public $imei;
 public $mac;
 // xxx 更多字段
}
const FIELDS = ['oaid', 'imei', 'imei_md5', 'xxx'];function appReport($appId)
{
 // 0. 如果是 deepLink 拉起, 最好加一个延迟 10s 的队列归因, 防止`app`请求先于渠道商监测链接请求
 // 1. 根据不同框架, 把数据解析到统一请求上
 $req = new AppReportRequest(); // 2. 查询 app $app = "select * apps where id={$appId}";
 // 3. 查询 redis $pipe = \Redis::pipeline();
 $keys = []; foreach (FIELDS as $key) { $redisKey = sprintf('attributes:%d_%s', $app->app_id, $req->{$key});
 $keys[] = $redisKey; $pipe->get($redisKey);
 } // result 为一个数组, 如果匹配到了里面就是日志表的表名和主键
 $result = $pipe->exec();
 $value = collect($result)->filter()->first();
 if (is_null($value)) { return '归因失败';
 }
 $logModel = "select * from click_logs{$value->table} where id = {$value->id}";

 // 接下来可以用队列事件解耦之后的流程
 \Redis::set("attribute_devices:{$appId}_{$req->deviceKey}", $logModel, 60*60*24*7);
 // 存储归因成功日志表
 // 修改点击日志状态等等
 // 删除所有归因的 $keys, 防止重复归因
 // 根据 $app->attribute_cycle_days 设置归因周期

 return 'SUCCESS';}

• 4.5.6. 这三步根据具体业务来实现即可

• 1. 客户端事件回传

function appCallback($appId, $deviceKey)
{
 $logModel = \Redis::get("attribute_devices:{$appId}_{$deviceKey}");
 if (is_null($logModel)) { return 'FAIL'; } // 通过 $logModel->attributed_at 判断次留是否有效, 判断是否七日内付费    

 // 处理回传的逻辑
 return 'SUCCESS';}

客户端架构

• 客户端应该尽量不要发起没必要的请求，减少服务器的压力
• 比如播放回传的时候，不要每次都回传，应该用一下伪代码实现

// 假设这个是客户端的方法, 在需要打点的地方每次都调用这个方法
function eventReport(event) {
 // 从本地存储获取数据, 一定要存成 json 格式, 继续反序列化
 var data = storage.get('attribute_events');
 // 如果已经上报过了, 不要上报
 if (data[event]) {
 return; }
 // 上报接口
 var res = api.post('/api/v1/event_callback', '参数');
 if (res.code !== 200 || ! res.data.status) {
 return; }

  data[event] = true;
  storage.set('attribute_events', data);
}

// 归因上报的接口,
function attributeReport() {
 // 请求接口
 var res = api.post('/api/v1/attributes', '参数')
 if (res.code !== 200 || ! res.data.status) {
 return; }
 // 把整个事件缓存删除掉,这样子才能继续上报
  storage.delete('attribute_events');
}