多触点归因模型

最后点击归因会将购买前最后一个营销接触点获得 100% 的转化功劳，完全忽略影响客户决策的所有更早互动。

这会系统性地偏向漏斗下层渠道（品牌搜索、再营销），排斥漏斗上层渠道（展示广告、社交媒体认知、内容营销），导致品牌在认知建设上投入不足，却在转化策略上投入过多。

首次点击归因会将全部功劳分配给客户在转化前互动的第一个接触点，完全聚焦于推动最初认知和发现的因素。

这种模型最适合关注获客的品牌，用于了解哪些渠道带来了新客户；但它忽略了从发现到购买之间发生的一切，因此与最后点击归因一样片面。

线性归因模型会将转化功劳平均分配给客户旅程中的所有接触点——如果共有五个接触点，每个接触点将获得 20% 的功劳。

线性归因承认多个渠道都会促成转化，而且便于向利益相关者解释，但平均分配权重忽略了不同接触点所承担的不同作用及其说服力差异。

时间衰减模型会将更多功劳分配给距离转化事件更近的接触点，随着接触点在时间上越来越久远，所获功劳按指数递减。

这种模型体现了这样一种直觉：与早期互动相比，近期互动与购买决策的因果联系更紧密，因此适用于销售周期较短的情况。对于较长的 B2B 销售周期，它仍可能低估漏斗上层的认知贡献。

U 形（位置归因）模型会将 40% 的功劳分配给首次接触点，40% 分配给潜在客户转化接触点（或最后接触点），剩余 20% 在中间接触点之间平均分配。

这种模型既认可获客（首次接触点）和成交（最后接触点）的重要性，也为培育互动分配一定功劳，因此深受同时关注获客渠道和转化渠道的 B2B 营销人员欢迎。

W 形模型在 U 形模型的基础上增加了第三个关键位置：商机创建接触点，即销售商机正式创建时的接触点。首次接触点、商机创建接触点和成交接触点各分配 30% 的功劳，其余 10% 分配给所有其他接触点。

这种三阶段模型尤其适合拥有明确营销到销售交接阶段以及目标客户的 B2B 组织，因为在正式创建商机之前，客户通常会经历多次营销互动。

数据驱动归因（也称算法归因）利用机器学习分析数千条真实客户旅程，并根据每个接触点对转化概率的计算贡献，为其分配相应比例的功劳。

与基于规则的模型不同，数据驱动归因源自您自己的实际数据——它会学习哪些接触点序列和渠道组合与更高的转化率相关联——但需要足够的转化量（每月至少 3,000 次转化）才能在统计上可靠。

在转化广告系列的效果预算决策中使用最后点击归因。使用首次点击归因评估获客渠道。使用线性归因或时间衰减归因进行简单的漏斗可视化。

对于 B2B 多阶段漏斗，使用 U 形或 W 形归因。当转化量充足时，将数据驱动归因作为主要模型——它能最准确地反映每个渠道在各种客户旅程模式中的真实贡献。

当数据充足时，GA4 默认对转化使用数据驱动归因；当数据不足时，则回退到最后点击归因。您可以在管理 > 归因设置中更改归因模型。

在 Google Ads 中，每项转化操作都可以使用自己的归因模型——在 Google Ads 中从最后点击归因切换到数据驱动归因，通常会提高漏斗上层搜索词的报告价值，并使智能出价转向更广泛的受众。

GA4 的归因模型比较报告可以使用相同的历史转化数据，并列展示不同归因模型将如何为各个渠道分配功劳。

这份报告对于向利益相关者解释归因方法的选择非常有价值，也有助于量化从最后点击归因切换到数据驱动归因后，重新分配多少预算才是合理的。

归因回溯窗口定义了从一次转化往前追溯多长时间，以寻找归因模型认定的贡献接触点——常见窗口包括 7 天点击、30 天点击，以及展示后归因使用的 1 天展示。

较短的窗口会低估漏斗上层的贡献，并偏向在转化临近时使用的渠道；较长的窗口可能会将功劳归给距今过久的渠道，使其对转化决策的实际影响变得可疑。选择合适的窗口需要了解您的实际购买周期长度。

测试您对多触点归因模型的理解。

归因模型从单触点模型（首次点击、最后点击）到多触点模型（线性、时间衰减、U 形、W 形），再到算法模型（数据驱动）不等，各自具有不同的优势和适用场景。

当转化量充足时，数据驱动归因是最准确的模型；GA4 的模型比较报告有助于量化更改归因方法对业务产生的影响。