归因模型

一句话解释：归因模型是一套“分功劳”的规则，用来把一次转化（如下单、注册、询盘）的功劳，按设定逻辑分配给用户转化路径上的各个渠道或触点，从而判断哪个环节真正带来了结果。

生活化类比

想象一支接力赛队伍：A 负责拉新，把用户带到官网；B 负责邮件召回，让用户重新打开页面；C 负责投广告，用户最终点击后下单。问题来了——奖杯该给谁？

- 如果“谁跑最后一棒谁拿奖”，那就是末次点击归因。

- 如果“每个人都一样重要”，那就是线性归因。

- 如果“第一棒最关键”，那就是首次点击归因。

归因模型就是这场接力赛的颁奖规则。规则不同，冠军不同，预算去向也会完全不同。

核心概念/公式

归因模型通常由三部分组成：

1. 转化路径：用户从首次接触到最终转化之间经历的所有触点，例如：

自然搜索 → 信息流广告 → 邮件 → 直接访问 → 下单

2. 归因规则：决定功劳如何分配。

3. 归因窗口：追溯多久内的触点，常见为 7 天、30 天、90 天。

常见模型公式化理解：

- 末次点击：

Credit_{last}=100\%

- 首次点击：

Credit_{first}=100\%

- 线性：

Credit_i=\frac{1}{n}

- 时间衰减：越接近转化的触点，权重越高。

- 位置归因：首次和末次各拿 40%，中间触点共分 20%。

- 数据驱动归因：用历史转化数据计算每个触点的边际贡献。

一个简化的数据驱动逻辑可理解为：

贡献值 = 有该触点的转化率 - 无该触点的转化率

与相关术语对比

术语	定义	与归因模型的关系	典型用途
归因模型	分配转化功劳的规则	本体	判断渠道价值
转化路径	用户从触达到转化的完整轨迹	归因模型的输入	路径分析
归因窗口	允许计入功劳的时间范围	模型参数	控制统计口径
多渠道归因	同时考虑多个触点的归因方式	归因模型的一类	跨渠道预算分配
最后点击归因	把功劳全给最后一个触点	最简单模型	快速看成交渠道
数据驱动归因	基于数据计算触点贡献	更高级模型	精细化投放

核心区别：归因模型不是“真相”，而是“解释框架”。同一批订单，换模型后渠道排名可能完全反转。

应用场景

1. 广告预算分配

某独立站月广告费 10 万美元，使用末次点击归因时：

- Google Ads：贡献 500 单

- Facebook：贡献 300 单

- 邮件：贡献 200 单

团队可能把预算全压给 Google。但改用位置归因后，发现 Facebook 在首次触达中贡献了 45% 的新客，邮件在召回阶段贡献了 30% 的复购。于是预算调整为：

- Google 40%

- Facebook 35%

- 邮件 25%

结果：整体 ROAS 从 2.1 提升到 2.8，月转化从 1000 单增至 1250 单。

2. 新品冷启动

某 DTC 品牌推新品，前 30 天数据：

- TikTok 带来 60% 首次访问

- Google 品牌词带来 25% 最终成交

- 邮件带来 15% 复购

若只看末次点击，TikTok 被低估；若看首次点击，TikTok 被高估。使用数据驱动归因后，发现 TikTok 的真实贡献约为 38%，Google 为 34%，邮件为 28%。据此，品牌把 TikTok 预算提高 20%，同时保留 Google 品牌词防守。

3. 站内路径优化

某独立站发现：

- 70% 转化用户访问过“尺码指南”

- 未访问用户的转化率仅 1.8%

- 访问用户的转化率 5.6%

虽然“尺码指南”不是广告渠道，但在路径归因中，它被识别为高贡献触点。于是团队把它加入邮件和广告落地页，整体转化率提升 18%。

常见误区

1. 把归因当因果

归因只说明“相关性贡献”，不证明“没有这个触点就不会买”。

2. 只看末次点击

会严重低估拉新渠道，导致预算越来越偏向品牌词和直接流量。

3. 忽略归因窗口

7 天窗口和 30 天窗口的结果可能差 20%-40%，尤其对长决策周期品类。

4. 跨设备断裂

用户手机看到广告、电脑下单，若未打通 ID，路径会断裂，归因失真。

5. 模型频繁切换

频繁换模型会让团队无法比较历史数据，建议至少稳定运行 1-2 个季度。

6. 以为有一个完美模型

没有万能模型。成熟团队通常同时看 2-3 个模型，交叉验证。