先讲一个让模型”白学”的混淆
同一个企微号,既接广告带来的加粉,也接自然流量(口碑、搜索、老带新)带来的加粉。如果回传时不加区分,把所有加粉都当成”广告转化”回传,模型的账就乱了:它会把自然加粉的功劳,也算到广告头上。
结果就是:模型高估了广告的效果,出价策略跑偏,而真正该归因的广告加粉反而被稀释。这篇文章讲怎么把付费加粉和自然加粉清分开。
为什么要清分
- 归因准确:广告模型只能学”广告带来的转化”,混入自然加粉,等于喂了污染数据。
- 成本计算准确:自然加粉是”免费”的,算进广告成本,会让广告加粉成本虚低,误导决策。
- 模型不被带偏:自然加粉的用户画像和广告加粉不同,混在一起,模型学的信号是杂的。
清分的三个动作
- 来源标记:加粉时自动标记来源(广告 click_id / 自然流量),广告来源的带 click_id,自然来源的不带。
- 回传过滤:回传时只回传带 click_id 的广告加粉,自然加粉不回传或单独标记。
- 分流活码:广告投放用专属活码,自然流量用别的入口,从源头上就分开了。
用叮咚外链,来源标记可以自动带进企微,回传过滤也能配置:只回传付费来源的加粉,自然加粉不进广告回传通道。
一个特殊情况
有些场景下,自然加粉也想纳入数据参考,这时可以单独标记、单独统计,但不要混进广告的转化回传里。分清”参考数据”和”回传数据”,前者可以看,后者必须干净。
落地清单
- [ ] 加粉时已自动标记来源(广告 click_id / 自然)
- [ ] 回传只回传付费来源的加粉
- [ ] 广告投放用专属活码,自然流量分开入口
- [ ] 自然加粉单独统计,不混入广告回传
回传的口径干净,模型才学得对。把自然加粉混进广告回传,等于让模型”白学”了一遍错误账。清分,是回传准确性的基础。