1. 一句话解释
Northbeam 是一个面向 DTC 品牌的多触点归因与营销分析平台，它通过整合广告平台数据、站点行为数据和后端订单数据，用数据驱动的方式还原每个营销渠道对成交的真实贡献，帮助品牌把预算花在真正带来利润的地方。
2. 生活化类比
想象你开了一家餐厅，顾客可能是先看到朋友圈广告、再刷到小红书笔记、最后在 Google 搜索店名才进店消费。如果只问顾客“你从哪知道我们的”，大多数人只会说最后一个渠道——Google。但真正促成这笔生意的，可能是前面那一连串曝光。
Northbeam 就像给餐厅装了一套全店摄像头 + 收银关联系统：它能追踪每位顾客从第一次看到广告到最终买单的完整路径，然后告诉你——朋友圈广告贡献了 30%，小红书 40%，Google 搜索 30%。这样你就不会误砍掉那些“看起来没转化、实际在种草”的渠道。
3. 核心概念/公式
Northbeam 的底层逻辑围绕三个关键概念：
（1）多触点归因（Multi-Touch Attribution, MTA）
不再把功劳全给“最后一次点击”，而是按一定规则把转化功劳分配给路径上的多个触点。常见模型包括：
- 线性归因：所有触点平分功劳
- 时间衰减归因：越接近转化的触点权重越高
- 数据驱动归因：用机器学习模型根据实际数据分配权重（Northbeam 主推）
（2）核心公式（简化版）
渠道贡献值 = Σ (该渠道触点的归因权重 × 对应订单金额) ROAS = 渠道带来的归因收入 / 渠道广告花费 MER（营销效率比）= 总营收 / 总广告花费
（3）关键指标
| 指标 | 含义 | 用途 |
|---|---|---|
| **Blended ROAS** | 总营收 ÷ 总广告支出 | 看整体健康度 |
| **Attributed ROAS** | 单渠道归因收入 ÷ 该渠道花费 | 看单渠道效率 |
| **MER** | 营销效率比 | 跨渠道横向对比 |
| **CAC** | 获客成本 | 判断是否盈利 |
| **LTV:CAC** | 客户终身价值与获客成本比 | 衡量增长可持续性 |
4. 与相关术语对比
| 术语 | 归因方式 | 数据来源 | 优势 | 局限 |
|---|---|---|---|---|
| **Northbeam** | 多触点 + 数据驱动 | 广告平台 + 站点 + 后端订单 | 还原真实贡献，支持跨渠道 | 需一定数据量，配置门槛高 |
| **Google Analytics 4** | 最后点击为主 | 站点行为数据 | 免费、易上手 | 归因偏保守，忽略种草渠道 |
| **平台自带归因**（如 Meta Ads Manager） | 平台内最后点击 | 平台自身数据 | 数据实时 | 各平台“自吹自擂”，重复计算 |
| **Triple Whale** | 多触点 + 混合模型 | 类似 Northbeam | 可视化强、上手快 | 深度归因能力略弱 |
| **Post-purchase Survey** | 用户自报 | 问卷 | 简单直接 | 样本偏差大，无法量化 |
简单说：平台归因看“谁喊得响”，GA4 看“谁最后到场”，Northbeam 看“谁真正出了力”。
5. 应用场景（含数据/案例）
场景一：预算重新分配
某 DTC 护肤品牌月广告支出 50 万美元，原本按 Meta 后台数据把 70% 预算给 Facebook。接入 Northbeam 后发现：
- Facebook 归因 ROAS 实际为 1.8（而非后台显示的 3.2）
- TikTok 虽然后台显示 ROAS 仅 0.9，但多触点归因下真实贡献达 2.4
- 品牌将 25% 预算从 Facebook 迁移至 TikTok，三个月后整体 MER 从 2.1 提升至 2.9，营收增长 18%
场景二：识别“隐形功臣”
某服装品牌发现邮件营销后台 ROAS 高达 12，但 Northbeam 显示其真实增量贡献仅 1.5——因为大量用户本就会复购，邮件只是“搭便车”。品牌据此调整邮件频次，减少对高价值用户的过度打扰，客户留存率反而提升 7%。
场景三：新品冷启动
某新锐品牌上线新品，前两周各渠道 ROAS 均低于 1，看似“全军覆没”。但 Northbeam 的新客获取归因显示，TikTok 带来的新客占比达 62%，且这些新客 30 天 LTV 是其他渠道的 1.7 倍。品牌坚持投放，第四周起 ROAS 突破 2.5。
6. 常见误区
误区一：归因数据 = 绝对真相
任何归因模型都是近似，不是事实。Northbeam 也会受 Cookie 丢失、跨设备追踪等限制。应把它当作“更接近真相的参考”，而非唯一标准。
误区二：只看 ROAS，不看利润
高 ROAS 不等于高利润。若某渠道 ROAS 为 4，但退货率 40%、毛利仅 30%，实际可能亏损。Northbeam 支持接入 COGS 和退货数据，务必用利润归因而非收入归因。
误区三：接入后立刻见效
Northbeam 需要至少 2-4 周的数据积累才能给出稳定归因结果。急于下结论容易误判。
误区四：忽视增量测试
归因是“观察”，增量测试（如 Geo Holdout、PSA 测试）是“实验”。两者结合才能得出因果结论，而非相关关系。
7. 相关术语
- MTA（Multi-Touch Attribution）：多触点归因
- MER（Marketing Efficiency Ratio）：营销效率比
- 增量测试（Incrementality Testing）：衡量广告真实增量效果
- LTV（Lifetime Value）：客户终身价值
- CAC（Customer Acquisition Cost）：获客成本
- Blended ROAS：混合广告回报率
- Geo Holdout Test：地理隔离测试
- Post-purchase Survey：购后问卷归因
- CDP（Customer Data Platform）：客户数据平台
- Triple Whale / Measured / Rockerbox：同类竞品