最近一直在思考跨屏追踪的问题,主要在想它能实现什么、是什么原理、可以应用到哪些场景、有哪些弊端等。现将结果与大家分享。

 

一、跨屏追踪是基于什么背景下产生的

先举几个场景:

  • 场景一 当你购物的时候,是否存在过在手机上看到广告,然后去电脑上下单的情况?
  • 场景二 当你在看视频的时候,是否手机依然在玩着手机?
  • 场景三 当你无意间被同一个公司的广告狂轰滥炸,是否在不同设备上都出现并被骚扰的情况?

这几个场景只说明了一个事实,用户已经不再是单纯活动在一个终端,取而代之的是已经在电脑、手机、家庭电视、智能路由等各个终端上都有活动,甚至在同一个电脑上也可能有多个浏览器访问的情况。于是,我们想要知道到底用户是如何跨屏行动的?其基本特征如何?

 

二、跨屏追踪的跟踪原理

实现跨屏追踪必须包含用户关联主键信息,该信息通过两个方面实现:

  • 第一,登录。目前暂时还没有其他方案能取代登录,登录(包含注册)意味着用户有唯一的识别标志,该标志可以将真实的用户区分开,这是其中最为关键的一步。
  • 第二,Cookie有效。这个环节可能被很多人忽略,Cookie有效意味着用户的电脑中必须存在之前跟登录ID关联的Cookie信息,如何才能将用户ID与CookieID关联起来,即实现用户跨屏追踪与关联。

跨屏追踪用一个简单的图表示如下:

解释:

  • 当没有跨屏追踪时,统计结果是3个UV、3个访问;
  • 当有跨屏追踪时,统计结果是3个UV、3个访问、1个用户。

到这里我们就知道怎么回事了,如果没有用户ID(用户注册或登录)、或者没有CookieID(用户唯一识别标志) 我们都无法准确识别用户的关联行为,这意味着,跨屏分析的基础仍然是基于Cookie,没有Cookie就没有跨屏追踪!

 

三、跨屏追踪的如何设置

不同的工具具有不同的实现方法:

Adobe Analytics中,该功能叫做“独特访客变量”(报表包>转化>独特访客变量)。如下图,启用该功能只需要指定用户ID对应的变量即可。

44

 

Webtrekk中,这个功能无需设置,当底层代码部署时跟踪CustomerID,那么系统会自动跟踪并识别用户。

  1. wt.customerId = “7ac65136c5d9089c50c5e5a8b0110524”;

 

 

四、跨屏追踪的数据会发生哪些变化

实现跨屏追踪后,网站分析工具会基于用户ID进行用户去重,去重后的数据会少于原有的数据。

注意:用户去重并不意味着数据丢失或者减少,而是由于系统将重复访问的用户合并。

不同的系统对于去重有不同的展示方法:

Adobe Analytics中,UV的计算依据将改变,原有的UV计算以Cookie为计算依据,根据不同的时间进行去重;启用该功能后,UV将首先依据用户ID进行去重,如果没有用户ID再根据Cookie去重。

举例:以本文开头的“跨屏追踪用一个简单的图”为例,在Adobe Analytics中的UV将变成1,而不是3——但实际上我们知道用户数为1,UV是为3,这种计算逻辑跟之前是有区别的。因此,建议大家在Adobe Analytics中慎重使用该功能,否则将导致数据减少。

注意:这意味着UV量会小于原有的UV量,具体减少规模视网站登录用户数量而定。

Webtrekk中,针对启用去重功能的账户发生了一些变化。

变化一 针对用户的去重,跟Adobe Analytics类似,都在原有的UV指标基础上进行了过滤,所以情况与上述相同。

变化二 针对原有的UV统计,新增了一个名为“Browsers, Unique”的指标,功能与原有的UV相同,都是基于Cookie统计的UV量,不想使用该功能 的用户仍然可以针对登录情况,使用Browsers, Unique进行UV统计。——吐槽一下,为什么不能保持原有的UV统计逻辑不变,而新增一个用户ID量的指标呢?

 

五、跨屏追踪的应用价值

这是所有工具、功能类的最终落地方向,跨屏追踪的应用可分为以下几个方面:

1.基本的统计功能。最初级的功能,分别统计不同渠道来源、设备、地域、页面、订单、商品等所有维度的用户数量。

2.跨设备交叉分析。统计不同设备之间的交叉访问情况,尤其结合推广、购买订单、浏览商品、预订服务等价值极大。比如要分析购买了A商品的客户特征,其中一个重要的维度是用户如何从手机、电脑和其他联网设备查看并购买该商品的,交叉比例是怎样 ,如下示意图是不同设备之间的交叉统计数据:

图片1

3.跨设备的数据挖掘。既然用户的不同设备访问都有记录,我们是否可以把所有数据倒出来,然后做针对性的数据挖掘?比如:

  • 不同设备之间的访问间隔怎样?
  • 不同情况下(产品、广告、服务等),用户在不同设备间的关联特征如何,是手机到PC关联强还是PC到平板更具交叉性?
  • 不同设备间,如何开始一次新的行为?如针对一款商品的推广,用户通常先从PC开始还是先从手机开始了解?不同设备应该在商品推广周期中的前、中、后哪个环节出现?
  • 设备之间的广告投放是否存在重复推广给同一批用户导致过度曝光或浪费广告费用的情况?
  • 用户真的可以直接从手机端下端?如果没有下单或手机订单效果差,手机端是如何影响他们在PC下单的?
  • 服务公司一直在讲的“立体传播”、“综合覆盖”是适合企业实际情况吗?
  • 公司多渠道访问路径又是如何与多设备立体交叉的?

图片2

 

整体看来,这个功能还是有很多的实际应用价值。但是,可能并不适合每个企业,这个功能更多的适合覆盖面广、设备终端多、网站访问量较大、用户行为较为复杂的公司使用,目的是存在一定样本量的前提下做更深入的客户研究使用。

 

———————————————————————————————————————————————

后记,想想身边人们出门必带手机、看电视的时候手里一定也会有一个电子设备,移动互联网的趋势已经真真切切的发生在身边。现在的智能家居、智能路由等概念风生水起,如果还是局限在“网站”分析可能很快就会被淘汰,网站只是影响用户决策很小一部分,而且相信比重会越来越小。当某一天我们拿着大屏幕手机,不限流量的看视频、看图片,然后根据网络或GPS定位找到最近的线下体验店并完成购物;或者即使我们要“网购”,但已经很少去电脑的时候,网站可能已经没有存在价值。



除非注明,本博客文章均为 数据研究与商业应用(TonySong) 原创.
转载请注明本文地址: http://www.searchmarketingart.com/cress-device-tracking-value.html