Branch 成功案例| Nextdoor 如何將歸因錯誤率降低25％

引言

Nextdoor 是一款熱門的社區(qū)鄰里社交網(wǎng)絡，他們利用 Branch 基于用戶的歸因引擎，進行準確廣告歸因。基于用戶的歸因使用可重置的匿名標識符來構建將用戶 cookie 和設備 ID 結合在一個身份中的同人用戶，因此，與基于 cookie 或基于指紋鑒定的單一方法相比，Branch 提供的歸因更準確，也更加有價值。使用 Branch 基于用戶的歸因后，Nextdoor 將歸因錯誤率降低了 25%。

25%

降低歸因錯誤率

Branch 的同人用戶比設備 ID 和指紋鑒定中使用的 cookie 更加準確。

傳統(tǒng)歸因技術存在什么問題？

Nextdoor 一直依賴 Branch 進行 Web 到 App 鏈接和衡量，他們自然而然地想到了使用 Branch 來衡量廣告營銷活動的影響。

Nextdoor 希望避免兩個可能會導致 ROI 被曲解的主要歸因陷阱：

NO.1 過度歸因

將自然安裝歸因為付費安裝。

NO.2欠歸因

沒有對所有付費安裝進行歸因，將部分付費安裝視為自然安裝。

Nextdoor 復雜的獲客漏斗帶來了更多挑戰(zhàn)。某些用戶會與 Nextdoor 多次互動，然后才安裝 App（例如訪問網(wǎng)站，然后點擊廣告），因此傳統(tǒng)的指紋鑒定歸因模型無法準確衡量 Nextdoor 用戶的真實路徑。

指紋鑒定模型面臨的挑戰(zhàn)

指紋鑒定技術依賴匹配點擊時用戶設備的“快照”，收集用戶代理、操作系統(tǒng)和 IP 信息，在可能的情況下，還會采集屏幕尺寸等參數(shù)。

用戶打開 app 時，會生成類似的快照，并且歸因提供商會掃描最近點擊的數(shù)據(jù)庫查看是否有點擊快照可以匹配打開時的設備快照。

遺憾的是，如果點擊到安裝的時間較長，指紋鑒定的準確性不高，而且對于切換了 IP 或有類似匹配特征（例如同一個家庭中的成員）的用戶，安裝會歸因錯誤。

什么是基于客戶的歸因？

Branch 基于用戶的歸因使用匿名且可重置的標識符的歷史記錄來構建“同人用戶”，這樣的同人用戶可以將用戶的 cookie 和設備 ID 整合為一個身份。通過使用同人用戶而不是 cookie 或設備 ID，Branch 可以可靠地將 Web 或 App 內(nèi)轉化與相應的渠道關聯(lián)起來，不需要依賴廣告網(wǎng)絡提供的設備 ID、IP 或替代的轉化路徑，比如先訪問網(wǎng)站。

在用于多個渠道時，基于用戶的歸因的優(yōu)勢特別明顯。Nextdoor 在自己的網(wǎng)站上使用了 Branch 的深度鏈接和衡量技術，這意味著他們可以對與 Nextdoor 多次互動，然后才完成轉化的用戶進行大規(guī)模可靠去重，因而可以準確地對獲客點數(shù)進行分配。

衡量客戶，而非 cookie！

為了證明基于用戶的歸因的價值，Branch 使用傳統(tǒng)最后一次點擊歸因技術運行“模擬歸因比較”測試。這一測試可以幫助客戶利用歷史點擊和安裝數(shù)據(jù)運行不同的歸因模型和技術，以模擬歸因效果。

這些模擬將證明，Branch 基于用戶的歸因遠勝指紋鑒定技術。測試表明基于用戶的歸因可以將安裝歸因的錯誤率降低 25%，同時可以避免與自然渠道發(fā)生沖突。最終，基于用戶的歸因為 Nextdoor 提供了更全面更準確的安裝數(shù)量和轉化率，可以幫助他們更好地了解廣告活動的效果。想要了解我們能否為您的品牌帶來同樣的成效？申請 Branch Demo 演示，獲取 branch 為您制定的詳細計劃。

“重要的是我們的數(shù)據(jù)準確并且有可行性。Branch 總是領先一步， 是我們理想的合作伙伴?！睙o論是審核我們的 Web 到 App 策略，推出新的付費渠道， 或只是在需要時做出響應，Branch 具備了相應的知識和技術。

Dan Laufer

Nextdoor 

增長和合作總監(jiān)