归因，Attribution，在数字化营销中，主要描述的是一个一个转化是由哪些营销推广带来的结果。

现实中的归因分为两种，一是线上全域归因（一个人在线上世界全部行为的追踪），但是从结束层面来讲，这一点不太可能实现；二是线上局部归因（对一个人在线上世界部分领域的行为追踪），目前也以这种归因方式为主。

线上局部归因类型又分为单触点归因（STA）；多触点归因（MTA）；单ID归因;多ID归因。

值得注意的是这里的归因需要辨别什么是真正的获客渠道，而不是记录发生转化的那个流量来源渠道。

目前有曝光归因和点击归因工具帮助我们在实操中归因，但需要注意的是两者在描述消费者与渠道的接触行为的差异。曝光归因增加了渠道可能性，但是大部分渠道可能不会对消费者产生影响。而点击归因知识一个确定的行为，广告没有被点击但也有可能影响消费者后续的购买行为，所以它可能会忽视掉部分归因。但点击归因因为是消费者兴趣的展现，所以可以展现出部分消费者心理变化（误触除外），所以就这一点而言，点击归因作用很大。

除此之外还需注意归因的时效性，一个活动的推广会跨越几天甚至一个月，我们需要根据推广产品特性和目标限定一个回溯期。

归因分析时，我们除了选定不同的归因指标，还需要整理归因路径，梳理流量渠道的特性，帮助我们下一次制定更好的流量渠道策略。进一步的会借助不同归因模型（线性归因模型、首次互动归因模型、自定义模型等），整理出数据（排除异常流量等，数据清洗进一步筛选）进行对比分析。得出流量优化的结论，不断调整优化方案。

参考资料：《数据赋能》宋星 电子工业出版社

归因分析：随着移动互联网的兴起，业务的形态越来越复杂，站内归因(也常被称作“坑位归因”)的需求日趋增多。以自营电商为 例:同样的一个商品，可能会在站内多处“坑位”产生曝光。

在我看来归因分析是将识别流量转化为有贡献的过程，广告激活消费者的方式及渠道将产品推至单贡献度高的坑位中，给予更多的曝光从而带来更多的转化。

为什么会出现归因分析：在我看来归因分析的出现是1.将流量用之更加有效率。2.提高消费者购买的效率。3.更加精准定位消费者兴趣。

归因分析分为首次归因、末次归因、线性归因、位置归因。

1.      首次归因; 多个待选中触点时，认为第一个的功劳为 100%。理由是第一个触点给用户建立了认知，与用户形成了连接。适用于重视 新用户线索的业务。也就是第一个让你点进去的触点，这其实会产生一个节点，让各种地方会推荐坑位也是这个方向的。

2.      末次归因：多个待选中触点时，认为最后一个的功劳为 100%。这种思路适用范围最为广泛，常用于电商业务的站内归因的计算。末次归因是最后一个至关重要，是用于电商平台的计算方法。

3.      线性归因：多个待选中触点时，认为每个“待归因事件”平均分配此次功劳。适合坑位效果比较平均的产品。是有多个触点时候的平均分配，适合产品是比较平均的。

4.      位置归因：多个待选中触点时，认为第一个和最后一个各占 40% 功劳，其余平分剩余的 20% 功劳。兼顾最初的线索和最终的决策。

一天我在抖音app看到喜欢的面膜，我点进了小黄车跳转到了淘宝，觉得不太符合我，于是我就在猜我喜欢里面又再次看到了这个面膜，并进行了购买。这就是归因行为，我买的东西归属于触点，而这个触点导致我购买了这件商品。

如何理解归因分析

在进行互联网广告投放时，我们可能会遇到投放效果不佳的问题。归因分析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。归因是精细化运营必不可少的利器，归因的目的是为了提升运营转化与收入增长。

归因分类大体分为单触点和多触点两类。

常见的归因模型有：

最终互动模型：100%分配给转化前用户最后一次接触的媒体，这样也容易测量，但属于单触点模式，不完善，适合转化型广告主。

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，适合全新品牌。

时间衰减互动模型：配比按时间递减，适合临时促销广告。

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。

归因理论是指整体在认知过程中，根据他人的某种性格特征或行为特征来推断出他的其他特点，来寻求各种特点之间的因果关系。那么归因分析就是解决广告效果的产生，判断出如何合理分配渠道。

我觉得这有点像看的美剧——《犯罪心理》，通过嫌疑人的行为、手段及个性签名推测出他的个人状况信息。也就是归纳其他行为得知未知的特点。

通过归因分析我们就可以构建出合适的受众数据模型，越是精确的推断，数据模型就越准确，那么画出来的受众模型就越接近真实情况，广告投放的兄啊过也就越好。

常见的几种归因模型

1.末次互动模型 

这个模型容易测量，适合转化路径小，周期短的业务。

2.末次非直接点击互动模型

这个模型排除掉了直接流量，认为流量来源于客户被吸吸引的其他渠道。

3.末次渠道互动模型

归因理论由社会心理学家海德于1958年提出：归因是指人们对自己或他人的行为进行分析，推论出这些行为的原因的过程。归因方式影响到以后的行为方式和动机的强弱。

在日常的社会交往中，人们为了有效地控制和适应环境，往往对发生于周围环境中的各种社会行为有意识或无意识地做出一定的解释，即认知整体在认知过程中，根据他人某种特定的人格特征或某种行为特点推论出其他未知的特点，以寻求各种特点之间的因果关系。

而广告中的归因问题，则是指多屏或多渠道的情况下，产生的广告转化的归属问题。一个好的归因模型，可以告诉运营，广告主的钱花在哪些地方去了，哪些渠道的效果更好，哪些渠道ROI不高，但是能覆盖大量的人群，哪些渠道的复参很好... 诸如此类的问题，都是由归因模型来决定的。

归因分析（Attribution Analysis）是指在特定时间周期内，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。

特定时间周期一般称为归因回溯窗口，从用户完成转化的时间点开始，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。根据不同行业的产品或服务价格的高低、下载文件的大小等，归因回溯周期也会有所不同，比如对快消等高频消费或者低价商品，归因回溯窗口比较短；根据产品或服务在不同时期的广告投放需求，归因回溯周期也会有所不同，比如对于长期推广的广告活动，可以将回溯周期相应拉长一些。

用户旅程（User Journey）描述的是用户从认识特定企业或品牌，并通过一系列的互动或学习，到购买使用企业/品牌的服务或产品，最终成为忠诚客户的整个流程。营销渠道来源包括线下渠道（广播、电视、杂志、报纸、广告牌等）和线上渠道（展示广告、SEM、短信营销、邮件营销等），渠道终端包含电视、电脑、手机、平板等，完整的归因分析需要能够跨线上线下、跨渠道、跨终端。接触点又简称为触点（Touch point或Contact point），包括曝光、点击及其他互动等。

一般情况下，广告主会在不同的平台上投放大量广告推广产品或服务，但正如那句名言“我知道一半广告费是浪费的，但我不知道是哪一半”所说，广告主在广告投放的效果评估上，往往会面临以下问题：哪些渠道促成了转化？哪些渠道对转化贡献最大？他们的贡献率分别是多少，分别对转化有什么独特影响？用户在这一过程如何实现转化？而归因分析则提供了一个相对有效的评估体系，它能帮助量化并优化营销渠道费用的价值，帮助了解用户转化路径，并指导广告投放优化，选择转化率更高的渠道组合，节省预算，获得最大化营销转化率和ROI。

常见的归因分析模型有：1.末次互动归因模型：把转化（注册、下单等）功劳全部归于末次触点（曝光、点击等）对应的渠道或创意。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.平均分配归因模型：把转化功劳平均分配给每个触点（用户从看到广告到产生转化过程中的各个触点）.这是比较简单的多渠道归因模型，但有可能会高估了中间节点的功劳。3.时间衰减归因模型：根据用户转化旅程中的时间轴，将功劳倾向于划分给最接近转化的触点，也就是首次触点的功劳最小，中间的多个触点的功劳依次变大，末次触点的功劳最大，这种方式相对较为合理。4.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。5.自定义归因模型：自定义各个渠道或各个创意的权重，将转化功劳根据权重进行划分。 

一、归因分析是什么？

按谷歌的定义，归因是指一种或一组规则，用于确定如何将销售功劳和转化功劳分配给转化路径中的接触点。其实归因是将销售功劳和转化功劳在各个触点上的分配。

营销渠道越多、顾客行为路径越复杂，就越需要归因来帮助判断渠道价值，从而可以合理分配营销资源，这是营销策略里很重要的一个环节。

归因可以帮助公司回答以下问题：

客户在转换（即完成购买或完成下载等）之前接触过哪些网站接触点？

每个接触点如何为创收做出贡献？是直接还是辅助方式？

哪些接触点带来的转化次数和收入最多，哪些最少？

二、归因的三要素

转化：关键的事件或产出，事件如注册，信息提交，产出如订单，都可以作为产出。

触点：转化之前的每个接触的步骤都称为触点，包括消费者与广告进行的所有互动，可如浏览、点击或其他互动（语音），这些触点构成消费者的转化路径。

回溯期：用于指定转化有资格被分配归因功劳的回溯时间。例如，如果回溯期是 30 天，则 1 月 30 日完成的所有转化将仅会归因到 1 月 1 日至 1 月 30 日这一期间内发生的接触点。

三、常见的归因模型

（1）首次触点模型。将100%的价值归因给转化路径上的首个触点。这有助于发现消费者是如何找到广告主的，但是如果在最终销售转化之前消费者还触发了其他三个触点，那么将100%的价值归给首次触点并不合适。

（2）末次触点模型。将价值100%归因给购买或者转化之前最后一次接触的渠道，而完全不考虑整个过程中消费者到底接触过多少个触点。该模型很容易建立和追踪，但是该完全忽视了用户其他行为对转化的影响。

（3）线性模型。将转化路径上的每一步都分配了相等的价值。该模型的优点是每个接触渠道都被考虑到并赋予了价值，但不足的是该模型会夸大非关键渠道的价值，低估关键接触渠道的价值。

（4）位置模型。强调首次及末次接触渠道的价值。缺点是严重低估了中间触点的价值，尤其针对那些很长的转化路径。

（5）时间衰减模型。通过简单的算法将价值按照离最终转化的时间远近进行分配。离转化最近的接触渠道获得绝大部份的贡献价值，离转化越远的接触渠道只会被赋予少量的价值。该模型虽然依旧会强调末次接触渠道，但它同时也没有忽视转化过程中的其它接触渠道，因此在实际工作中，该模型被很多营销人员和广告主所接受。 

四、总结与思考

（1）归因分析的作用

1.能够将预算分配到不同的渠道去，提升ROI，使得产出最大化。

2.了解目标受众的习惯和行为，可以知道受众是通过哪些渠道触达到广告，并且分析这类受众是否具有明显的一些用户属性上的规律。

3.提供更加客观的理由以取得市场预算，给预算的正确提供数据依据。

（2）目前的归因存在的问题

1.归因的数据大部分由第三方掌握，无法确认数据真实性。

2.中心化的存储方式导致数据有泄漏风险。

3.分析方法固化，无法追溯全过程或判断重要的转化过程。

电商网站同时发起多个活动，一件商品可能出现在多个活动中，但各个活动对商品销售的影响力有多大？在复杂的数据时代，互联网广告的投放渠道多种多样，不同渠道的促成的销售量也是不同的，不同渠道的贡献率也是不一样的，这些贡献的背后又是源自于怎样的用户行为路径产生的呢？这就是典型的归因问题了。因此我们可以认为归因分析是识别不同营销渠道对最终达成转化目标的过程，并确定每个过程的贡献度。
归因分析解决的问题就是在广告效果的产生时，其功劳应该如何合理的分配给哪些渠道。大家都能想到的一个点就是当我们点了哪个广告，然后点击广告链接产生了购买，这个功劳就全部归功于这个广告，这是将销售转化归功于消费者第一次或者最后一次接触，的确这也属于一种归因分析---单渠道归因模型（首次互动模型渠道或者末次互动模型渠道）。就像老师在课上讲的那个例子，广告投放第一天和第二天的转化虽然都是十个，但是第二天中还有可能包括有些人是受第一天的广告投放影响下载的，这就是首次互动模型，没有第一次的互动，剩下的渠道连互动都不会产生。
 

【其他常见的归因思路】

1. 首次归因（首次互动模型）
多个待选中触点时，认为第一个的功劳为 100%。理由是第一个触点给用户建立了认知，与用户形成了连接。
 
优点：是一种容易实施的单触点模型
 
弊端：受限于数据跟踪周期，对于用户路径长、周期长的用户行为可能无法采集真正的首次互动。
 
适用于：这种模型适用于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。
 
2.末次归因（末次互动模型）
多个待选中触点时，最后一次互动的渠道获得100%的功劳。
 
优点：首先它是最容易测量的归因模型，在分析计方面不容易发生错误。另外由于大部分追踪在对于顾客的行为路径、周期比较长的场景中，做归因分析的时候可能就会发生数据的丢失，而对于末次互动模型，这个数据跟踪周期就不是那么特别重要了。
 
弊端：这种模型的弊端也是比较明显，比如客户是从收藏夹进入商品详情页然后形成了成交的，按照末次归因模型就会把100%的功劳都归功于收藏夹也就是直接流量。但是真实的用户行为路径更接近于产生兴趣、信任、购买意向、信息对比等各种环节，这些都是其他渠道的功劳，在这个模型中则无法统计进来，而末次渠道的功劳评估会被大幅高估。
 
适用于：转化路径少、周期短的业务，或者就是起临门一脚作用的广告，为了吸引客户购买，点击直接落地到商品详情页。
 
3. 线性归因模型
多个待选中触点时，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。
 
优点：是多触点归因模型，可以将功劳划分给转化漏斗中每个不同阶段的营销渠道。另外，他的计算方法比较简单，计算过程中的价值系数调整也比较方便。
 
弊端：很明显，线性平均划分的方法不适用于某些渠道价值特别突出的业务。
 
适用于：坑位效果比较平均的产品，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，在这种情况下，各个渠道在客户的考虑过程中，都起到相同的促进作用。
 
 
4. U型归因（基于位置的归因模型）
是一种多触点归因模型，混合使用了首次互动归因和末次互动归因的结果。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。
优点：兼顾最初的线索和最终的决策
弊端：它不会考虑线索转化后的触点营销效果。

“我知道我的广告费有一半浪费了,但遗憾的是,我不知道是哪一半被浪费了”，这句话精准地体现了互联网广告归因分析的困难和必要性。通俗地讲，归因分析是指广告效果的产生（转化）是由哪一部分广告投放产生的。

例如：用户A购买了品牌方B旗下的产品C，这一购买决策至少需要经历：（1）A浏览B投放的广告，知道了C这个产品；（2）A产生购买欲望；（3）A点击广告进入详情页（假设为直接跳转至购买页）；（4）A购买产品C。

这只是最简单的一种设想，但实际情况往往更加复杂。同一个广告主一般不会只向一个用户投放一次广告，用户A可能会在不同平台，不同时间看到同一产品的广告，在最终产生购买行为之前，每一个广告所产生的效果占比，即各环节转化率在实际操作中是非常难以判断的。

归因分析的意义在于，如果能够明确地知道每个环节的转化率，就可以把更多的广告费用投放到转化率更高的渠道，以提高广告投放效率。

归因分析即分析广告实现或未实现有效转化是由哪一个或几个投放过程和因素导致的，一般用于后者的情景，以量化客户的行为路径，让每一次广告投入和广告效果可查可溯源，并依据关键信息指导广告投放，使广告预算的分配更加合理。

常见的归因模型包括，

1、首次互动模型（First Model) ——将功劳归于转化路径中的第一渠道、

2、末次互动模型（Last Model)——将功劳归功于转化前的最后一个通道、

3、时间递减归因模型（Time Decay）——距离转化的时间越短的渠道获得越多的功劳权重

4、线性归因模型（Linear）——对于路径上所有的渠道平等地分配贡献权重等等。

但是很多时候实际转化路径非常复杂，上述的传统模型并不能很好地反映真实的情况，因此根据实际需要出现了更多更为复杂的归因方法。

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。并且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。