程序化广告中的归因分析，是“用户旅程中所经历的不同营销渠道的不同接触点对达成转化目标的贡献价值评估”，它在本质上是一种规则或计算方法，作用在于区分和确认各个广告投放渠道、广告位或广告素材的转化效果，获取细分的广告投放反馈。

做归因分析的目的在于：（1）精准评判每条投放渠道带给广告主的线索量和转化率。（2）基于ROI的计算结果判断投放渠道的质量，便于合理分配每条渠道的广告预算。（3）帮助广告主识别每条渠道的用户特征，可以有针对性的调整进行业务策略。

而在广告投放过程中，做归因分析主要有两个关键步骤：

第一是设定追溯期。不同行业消费者的购买频次、购买客单价和购买决策周期是不同的，因此要结合产品特性、消费者习惯和创意素材设定一段固定期限，来追溯在该时间段内用户某一行为的情况，这样才能真实反映该广告投放渠道的数据效果。

第二是确定追溯规则：在实际操作方面，归因的方式有很多种，比如按照用户的点击行为在广告展示过程中发生的时间顺序可分为首次点击归因、最终点击归因、最终非直接点击归因；根据时间、位置、周期等要素赋予不同权重归因可分为时间衰减归因、线性归因、基于位置归因等等。归因方式的不同，可能使广告效果的评估结果产生偏差。

比如王嘉尔在商场里瞎逛，偶然在LED大屏上看到了一款电动牙刷的视频广告，觉得好像还不错；晚上回到家后，他打开淘宝搜索该电动牙刷的商品信息，然而助理突然通知他要开组会讨论新通告计划，于是他关掉了手机淘宝页面。由于工作十分繁忙，他忘记了购买牙刷的事情，直到深夜开完会，他打开抖音再次看到了那款电动牙刷的广告，于是顺手点击并完成购买。在此事件场景中，广告主投放了视频广告、搜索广告和信息流广告，最终是在信息流广告中达成转化，但实际上其他渠道均在不同程度上对王嘉尔的购买行为产生了影响。

最后，广告投放和数据分析的目标影响对归因模型的判断标准，所以广告运营人员需要明确自己的测试目的、了解用户行为链路，才能根据需求选择合适的归因模型。

        归因分析是分析每个营销工具对消费者的购买路径的贡献。消费者在完成购买过程中可能会采取各种路径。这有点像我们平常说的 "冤有头债有主"，所有参与的人都要对事件的成败负责。在广告和营销的过程中，公司需要计算每个营销工具的贡献，以便知道如何分配他们的营销预算。

        随着企业从传统媒体和线下广告转向数字媒体和在线广告，营销支出逐渐转移到新的渠道，如付费、有机搜索。例如：当一个消费者想要购买一个品牌产品时，消费者通过搜索引擎找到他想要的东西，点击公司的网站，虽然没有进行交易，但消费者随后通过 "重定向 "不断地看到该产品的广告，并被提示再次访问该网站。最终，消费者在无意中看到某个平台网站上的一个帖子后，进入了这个交易平台网站并购买了产品。

        从上面的消费者交易过程中，在完成交易（ 转换过程）之前，消费者可能已经接触到了与品牌有关的信息，或者访问了公司的网站好几次。这些接触中的每一次都对交易有价值。归因分析在其中的作用是帮助公司了解消费者在转换过程中的互动情况，帮助他们分配网络营销预算。

        营销人员可以利用归因分析来规划未来的营销活动，分析哪些活动（媒体、广告等）是最有成本效益和影响的，以提高广告支出回报率或实现有效清单。随着网络广告的快速发展，企业也获得了更多的数据来跟踪广告效果，并开发出更多的方法来衡量广告效果，如每次点击成本CPC、每1000次印象成本CPM、每次行动成本CPA和每次行动成本CPA。每次行动成本CPA和转换率CVR等。此外，数字设备数量的迅速增加和可用数据的增长正在推动归因技术和模型的变化和发展。

归因分析(Attribution Analysis)要解决的问题就是广告效果的产生，其功劳应该如何合理的分配给哪些渠道。广告的投放一般都是收费模式，所以选中的渠道商的好坏直接和自己的利益挂钩。于是，「归因分析」便最早应用在了广告投放行业。（归因分析能最先应用在广告行业还有一个原因，就是广告的目标是单一的。比如：无论多少个渠道商，最后推的都是同一款App；但是若将在产品内部的运营位进行归因，就需要考虑这个广告位和商品是否有关系。）

渠道归因（站外归因）是目前市面上比较广泛的归因应用场景。

运营位归因（站内归因）随着渠道归因的普及，从业人员逐渐认可了归因的计算方法和功劳的分配方案，虽然模型的不同会导致计算结果存在一定偏差，但是这些都在可接受的范围内。后来，随着产品的复杂化、公司部门的事业部、业务线的划分。产品内部的运营位逐渐被广告化，于是运营位的归因需求逐渐被暴露出来。

传递式单值归因：传递式单值归因是归因分析由渠道转向运营位时，采用的简单转化方案。当然这个方案，至今还在被一些公司沿用。该方案的优势：逻辑清晰、实现简单；劣势是：无法匹配稍微复杂的运营场景。

多值记录集合归因：由于业务变得复杂、来源增多，那么最简单的方式，就是由原来单值的记录形式变为多值。

目前大部分的归因分析都在应用「单值」或「集合」的形式进行记录，极少数使用「时序还原」的形式，因为这个计算量太大了，而且需要引入一些标准化的埋点才可以做。当然，「路径还原」就更少了，因为他是在「时序还原」的基础上又提升了一档难度，需要再额外记录页面的前项地址，来进行路径的还原。

广告投放过程中的归因分析是识别所有对最终流量转化有贡献的过程，并确定每个过程的贡献度。

由于互联网营销随处可见，一个广告主可能投放不同类型、创意的广告，一位用户也可能被多平台、多渠道的广告影响。

在我看来，可以把归因分析简单拆解为两部分：（1）渠道归因（是通过哪种渠道转化来的）；（2）在某个特定渠道，各个流程的转化率。

针对（1）渠道归因，有以下的分类：

第一种，根据点击行为在广告投放中的时间顺序，将转化效果进行归因。

可以分为以下三类：

√ 首次点击归因将全部转化效果都归因给第一次产生点击的渠道；

√ 最终点击归因全部转化效果归因给最后一次点击的渠道；

√ 最终非直接点击将忽略自然流量（即用户从非广告渠道主动下载付费、下单等的点击行为），将全部功劳归因给产生最后一次点击的渠道，排除了自然流量的干扰

第二种，将转化效果根据时间位置、周期等不同要素赋予不同的权重或比例进行归因。

可以分为以下四类：

√ 时间衰减归因的原理是，渠道距离转化的时间越短，对转化的影响越大。往往最邻近转化使用的渠道，获得的权重更高。

√ 线性归因则平等对待转化路径上的所有渠道，分配相等的权重和比例。

√ 基于位置归因则结合了首次点击归因和最终点击归因；一般给首次和最终分别分配更大的比重，比如40%。

（2）在某个特定渠道，各个流程的转化率。

课上题目1“曝光-点击-到达落地页-注册”（四步）可能是活动推广。

课上老师给的两道数据分析题和案例，都是客户能够判断转化数是从哪个渠道得来的。（如果是客户在同一时间段找多个代理商，在多渠道进行广告投放，我也不太清楚是怎样判断最终转化数来源于哪个渠道……如果是首次点击归因或者最终点击归因，比较便于测量。）

在这部分进行归因分析，要首先清晰流量转化的链路。比如以课上题目2“曝光（展示）→点击→下载→激活→注册”为例，大多数信息流广告都是这种模式。

因为在转化过程随时都可能有用户的损耗，所以我们要计算每一步的转化率及价格。

每一步的转化率=前一步转化数/这一步转化数

比如点击率=点击数/展现数，注册率=激活数/注册数

每一步的转化价格=这一步转化数/总花费=后一步的价格乘两者之间的概率。

比如CPM=点击率 *CPC * 1000

通过分析以上指标，我们可以判断流量转化过程中哪一步出了问题。比如如果点击率过低/点击成本过高，应该考虑是否为广告位选择不恰当，广告素材没有创意，或者人群定向设置不准确；如果激活率过低，应该考虑是否为落地页设计太过复杂等等。

理解归因分析时，分别要弄清楚什么是归因分析以及为什么要进行归因分析。

首先，归因分析是指观察者为了预测和评价被观察者的行为，对环境加以控制和对行为加以激励或控制，而对被观察者的行为过程所进行的因果解释和推论。而广告投放过程中的归因分析是识别所有对最终流量转化有贡献的过程，并确定每个过程的贡献度，它是广告投放过程中非常重要的数据分析方法，一般会通过对渠道、创意、内容等方面的数据分析来对转化的贡献率进行评估。一般在广告投放数据中有以下几种常见的归因模型。

①首次触点归因模型：将转化功劳全部归因于首次互动的渠道，适用于需要拉新、市场开拓阶段。这是比较直接的单一来源渠道归因模型，但忽略了其它节点的功劳。

②末次触点归因模型：将转化功劳全部归因于最近一次的互动渠道，适用于短期投放，快速提升效果阶段。与首次触点归隐模型一样，忽略了其他节点的功劳。

③线性归因模型：统计时间内所有的触点的功劳进行平均分配。

④时间衰减归因模型：对于统计时间内的所有触点，距离转化越近的渠道获得的贡献越大，适合促销期间大量引用用户完成转化的场景。

⑤位置归因模型：综合了首次归因、末次归因、线性归因，将第一次和最后一次触点各记贡献40%，中间的所有触点平均剩下的20%贡献。

⑥价值加权归因模型：对不同渠道的位置价值或不同创意的内容价值进行加权，将转化功劳根据权重进行划分。这种方式需要合理划分不同渠道及不同创意的价值。

其次，为什么要进行归因分析根据课程内容及资料查找，可以发现是因为归因分析具有以下价值：第一，归因分析能够量化并优化营销渠道费用的价值。归因分析通过衡量不同营销渠道的转化效果，评估其对最终转化目标的影响及贡献价值，从而能够合理分配营销费用，找到最优营销渠道组合，最大化营销转化率和ROI。第二，归因分析能够计算从接触到用户完成转化的时间周期，从而描绘用户转化过程的历史轨迹。第三，归因分析还能够识别作弊渠道，降低欺诈损失。依据用户转化的历史轨迹发现异常，比如曝光转化率远低于行业平均值、广告点击到完成转化的时间差低于正常值，找到作弊渠道。

广告中的归因分析

归因分析(Attribution Analysis)要解决的问题，就是广告的Conversion的产生，其功劳应该归功于哪些渠道；举个例子，广告主投放了信息流广告，搜索广告，视频广告，转化(Conversion)很多都直接发生在搜索广告中，那么这些Conversion完全是搜索渠道功劳么？其实未必，很多转化都是用户在观看视频广告/信息流广告之后，引起用户注意，而后用户做了大量研究后，最后一次转化发生在搜索引擎渠道中而已。因此，在PC时代，搜索引擎收割各个营销渠道的成果，成为了一个不争的行业秘密。

下面图示意了这个简单的过程，目前大部分人在手机上的时间已经超过了PC时间，虽然手机上的推广对人们会有直接的影响，但这些转化的落地往往在搜索和垂直电商网站。所以，搜索引擎的每一次转化，实际上是和之前渠道的的投放是密切相关的，那么到底有多相关，就是归因分析要解决的问题。

首先，介绍一下几种归因分析模型，假设广告触点，依次发生在渠道1，2，3，4，最后发生了转化，如何将转化归功于几个渠道。比如说，Last Model就是认为最后一个渠道的贡献是100%；Decay Model认为贡献程度随着时间而衰减，越接近转化的渠道，程度越高。

在广告投放到转化的过程中，往往经历着复杂的消费行为路径。例如，我由于朋友的安利，在百度上搜索了一款产品，后续在我逛淘宝时，相关推荐不断给我推送该产品的链接，在别的网站上，我也能浏览到产品向我精准投放的广告，以上种种最后终于促成我的购买行为。在这个链路中，有许多因素影响着我的决策（朋友的安利、淘宝的推送、重定向广告等），那么这因素的影响权重分别是多少呢？如果能够尽可能弄清楚该链路中各个营销手段的影响权重，广告主就可以将预算更合理的进行分配，从而使预算尽可能能花在刀刃上，提高投资回报率。弄清楚链路中各个营销手段对消费者的影响权重这一过程，就是归因分析。

归因分析（Attribution Analysis）：在特定时间周期内，广告主往往在多个渠道进行广告投放，归因分析指最终产生的广告效果如销售量或下载量归于哪个营销渠道，以此来判断渠道的质量，方便后续广告的投入分配。

举个例子，我曾在某品牌快消品公司实习，对公司的一款精华液进行多平台的广告投放，其中在微信、微博、抖音、b站和小红书都进行广告投放，一个用户可能先在小红书被种草，然后刷b站又看见这款精华液的安利，最后在微信又看见有博主推荐还可以直接领券在小程序购买，最终在微信平台下单。顾客在一小段时间三次看见相关广告最后在微信下单，这个销售额应该归属于哪个渠道的功劳，这就要进行归因分析。在我所实习的公司，往往直接采用“末次渠道互动模型”，也就是这次的转化成果百分百归属于微信投放团队，这种归因方式简单直接，但也存在一些弊端。

所以广告的归因分析是一个复杂的问题，常见的归因模型有末次互动模型、末次非直接点击互动模型、末次渠道互动模型、首次互动模型、线性归因模型、时间衰减归因模型、基于位置的归因模型等，使用哪种类型的分析模型最终还是取决于业务本身的特性以及考虑投入其中的成本。

在进行广告归因分析需要特别注意的一点是，要考虑归因回溯的周期，也就是顾客从接触产品到产生兴趣直至最终下单是有一段时间的，所以从用户完成转化的时间点开始，需要设定一个回溯窗口时间，只有在该时间内发生的营销渠道的对应接触点才会被计入转化归因，即计算归因的有效时间周期。根据不同行业的产品/服务价格的高低、下载文件的大小等，用户场景会有所不同，归因回溯周期也会有所不同。比如：快消等高频消费或者低价商品，用户从看到广告到购买决策的周期比较短，因此归因回溯窗口也比较短，一般是24小时或者3天。汽车、旅游或者其他奢侈品行业，用户一般看到广告后，还会进行长时间的调研、对比、思考等过程后再决定是否购买，涉及用户决策时间较长，因此归因回溯窗口也相对较长，一般是7天甚至30天。因此，不同的企业需要结合自身产品的实际情况和历史数据进行分析并设置。

归因分析是评估方法效果的方法论，所以必须根据企业自身产品情况选择合适的归因方式，才有利于后续的广告投放，以获得更大的利润。

如何理解归因分析？

一、归因分析概念

广告的归因一般指多屏或多渠道的情况下，产生的广告转化的归属。归因分析要解决的问题就是就是广告效果的产生，其功劳应该如何合理的分配给哪些渠道。对于广告主而言，他需要明确广告投放出去用户是从哪个渠道来的，这个用户的质量怎么样，广告购买和用户获取以及用户在APP内行为之间的关系是什么，这些需要一套方法或体系来验证，这就是归因。

二、归因分析模型

目前常见的归因模型有近十种，大体可以分为单触点和多触点两类。

1、最终互动模型：100%分配给转化前用户最后一次接触的媒体，这是最简单、直接，也是应用最为广泛的归因模型。这种归因模型容易测量，但属于单触点模式，不完善，适合转化路径少、周期短的业务，或者想要临时效果的广告，短期内吸引消费者购买。

2、首次互动模型：100%分配给第一次接触的渠道，只考虑最初的品牌认知、不考虑转化，适合没什么品牌知名度的公司，关注能给他们带来客户的最初的渠道，对于扩展市场很有帮助的渠道。

3、时间衰减互动模型：时间衰减归因模型基于一种假设，他认为触点越接近转化，对转化的影响力就越大，配比按时间递减。这种模型基于一个指数衰减的概念，一般默认周期是7天。也就是说，以转化当天相比，转化前7天的渠道，能分配50%权重，前14天的渠道分25%的权重，以此类推。该归因模型适用于客户决策周期短、销售周期短的情况。

4、自定义互动模型：自定义个阶段配比，适合销售和品牌同样重视的广告。

5、基于位置的归因模型（U型归因）：也叫U型归因模型，它其实是混合使用了首次互动归因和末次互动归因的结果。U型归因模型也是一种多触点归因模型，实质上是一种重视最初带来线索和最终促成成交渠道的模型，一般它会给首次和末次互动渠道各分配40%的权重，给中间的渠道分配20%的权重，也可以根据实际情况来调整这里的比例。

6、线性归因模型：对于路径上所有的渠道，平等地分配他们的贡献权重。线性归因是多触点归因模型中的一种，也是最简单的一种，他将功劳平均分配给用户路径中的每一个触点。更适用于企业期望在整个销售周期内保持与客户的联系，并维持品牌认知度的公司。

三、归因分析意义

广告投放是直面用户的最后一环，也是最重要一环，如果无法追溯投放的效果(即归因)，那么很难进行下一步的优化。归因分析可以把用户浏览、点击、注册、下载或购买的整个环节串联起来，做到更综合科学的判定与回溯，以此进行投放与运营各层面的有效优化。