归因分析

归因分析是把一个转化结果（注册、下单）按规则分配给转化路径上的各个触点，从而回答「哪个渠道、哪次曝光促成了转化」。 它解决三个业务问题：一是预算分配，知道各渠道的真实贡献而非仅末次点击；二是路径优化，发现用户从认知到转化的典型路径与关键影响触点；三是协同度量，评估品牌曝光与效果转化的配合。 例如用户先看信息流广告、搜索品牌词、再点推送下单，末次归因把功劳全给推送，多触点归因则按规则分配。 核心难点是数据打通（跨设备跨平台识别同一用户）与反作弊。

常见六种。末次点击归因：功劳全给最后一个触点，简单直接但系统性高估收口渠道、低估认知渠道，是多数平台的默认。 首次点击归因：全给第一个触点，与末次相反，适合衡量拉新能力。线性归因：所有触点均分，公平但忽略触点作用差异。时间衰减归因：越靠近转化权重越大，兼顾长路径与收口作用。 位置归因（U 型）：首末触点各占大头（如各 40%），中间均分，兼顾拉新与转化。算法归因（数据驱动）：用模型（如沙普利值）按各触点的边际贡献分配，最接近真实但依赖数据量与打通质量。 选择依据是业务路径长度与决策需求，无绝对最优。

三个典型偏差。一是收割偏差：品牌广告与内容种草完成认知，末次模型把功劳全给转化前的最后一次点击（如品牌词搜索、推送），导致持续加码收割渠道而砍掉种草预算，长期伤害流量健康。 二是长周期低估：决策周期长的品类（教育、B2B），早期触点在窗口外被遗忘。三是跨设备断裂：手机种草、电脑下单，末次只看到电脑端渠道。 缓解方法：并跑多模型对比（末次与首次差异大说明渠道角色分化）、延长归因窗口、用增量实验（geo 实验或关闭实验）验证渠道真实增量、品牌词流量单列分析不参与常规渠道竞争。

MTA 指在用户级别收集完整触点序列，把转化功劳按规则或算法分配到多个触点。区别于媒介组合建模（MMM）的汇总级建模，MTA 能到人和创意粒度。 实施难点有四个：一是身份打通，跨设备、跨平台（媒体生态数据不互通）、线上线下（门店扫码）识别同一用户覆盖率有限；二是数据合规，隐私法规与平台限制（IDFA 弃用）让个体级数据越来越难获取； 三是触点覆盖不全，线下曝光、口碑、私聊无法埋点；四是模型选择与验证，算法归因需要足够转化量且难以直接验证真伪。 实践上常是 MTA 管短期效果优化、MMM 管长期预算框架、增量实验做校准三者结合。

分四步。第一步统一口径，把各渠道拉到同一归因模型与窗口下对比，避免各平台自报数据的口径混用。第二步算效率指标，用归因转化算各渠道 CPA 与 ROI，并结合增量实验校准（平台归因常高估 20% 到 50%）。 第三步分层分配：按渠道角色（认知、种草、收割）分别设预算池，避免不同角色直接比 ROI；边际递减下按边际成本而非平均成本调预算。 第四步小步快调与复盘：每次调整幅度不超过预算的 20%，观察两周后再调，记录调整日志形成归因——预算——结果的闭环。 示例：发现种草渠道首次点击占比高但末次归因 ROI 低，先划出 15% 预算保护种草，再对收割渠道按增量 CPA 竞价。