归因分析即通过已有的数据回溯其构成的的原因，在广告中，归因分析的实用性在于，广告获取的收益从何而来。在目前程序化广告不断进步拥有大量渠道进行营销传播下，广告主需要获得不同渠道你产生的广告转化率，这就需要对用户在完成转化前接触到的所有营销渠道进行分析，将用户的数据集合数据建模和分析技术等，构建用户从最初接触到广告到最后达成购买这条路径。广告主在通过归因模型分析出转化效果后，通过获得的数据进行现有投放方案的优化，最终可以获得更好的传播效果

其他内容大家都说的很详细了，我说两个自己的额外看法

1、归因能够帮助我们对渠道有更深刻了解

如含有某明星的物料在知乎和微博两个平台投放。在知乎上恶评如潮点击很少，微博上好评颇多点击很高。但事实上真正让人对品牌产生印象的是知乎的投放，微博的更多是明星粉丝团的控评。这样就可能会导致广告主在同一个群体上重复购买。因此正确归因可以帮助你对渠道进行更深刻判断，然后根据企业需求进行正确选择。

2、归因分析结果能够反馈给企业

比如某手游因为某渠道的投放进入了大量用户，这个时候正确的归因就可以找到吸引用户、触及用户兴奋点的物料和宣传点，那么产品就应该针对这个点做更多的完善和修改，留住用户。

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。对于归因分析而言，一个很重要的命题就是基于场景和目标，怎么把“转化贡献”合理分配到每一个坑位（营销渠道）上。 渠道归因必须关注的4个关键点： 1. 明确消费者的广告链路：即消费者从第一次接触广告到最终购买广告商品中间都接触了哪些其他广告渠道，具体见下图。 2. 明确归因的时间窗口，归因的时间窗口根据广告主所在行业和广告主推广类型的不同而不同。不同行业消费者的购买频次、购买客单价和购买决策周期不同，归因窗口设置的时间也应该不同。如快消、游戏等行业，客单价低用户购买频次高，消费者从接触广告到最终实现购买中间的决策周期比较短，归因的时间窗口也应该设置的短一些。对于房产、汽车、奢侈品、旅游等行业，客单价高用户购买频次低，消费者从接触广告到最终实现购买中间的决策周期非常长，中间可能会跨越半年到一年的时间，因此归因的时间窗口也应该设置的长一些。 3. 明确归因是按点击归因还是按曝光归因。曝光归因（VTA或VBA），英文简称 VTA（View-Through Attribution）或VBA（View-Based Attribution）。 是依据用户在转化前的特定时间段内，根据用户在各营销渠道的广告浏览和曝光轨迹来评估各营销渠道的贡献价值。即使用户看到广告但没有点击广告，该广告也贡献了用户的购买行为。曝光归因时通常有浏览或曝光次数的设定。点击归因（CTA或CBA），英文简称CTA（Click-Through Attribution）或CBA（Click-Based Attribution）。是依据转化用户在转化前的特定时间段内，根据用户在各营销渠道的点击行为来评估各营销渠道的贡献价值。如果用户只浏览了广告但是没有点击广告，那么该广告对用户转化是没有贡献的。 4. 确定采用什么规则或模型进行归因，目前主流的归因模型有6个。末次归因模型、首次归因模型、平均分配归因模型、时间衰减归因模型、位置归因模型、价值加权归因模型

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。 归因分析解决的问题如下： 哪些营销渠道促成了销售？他们的贡献率分别是多少？而这些贡献的背后，是源自于怎样的用户行为路径而产生的？如何使用归因分析得到的结论，指导广告主或者媒体选择转化率更高的渠道组合？ 常见的归因模型有1.末次互动模型，即最后一次互动的渠道获得100%的功劳。使用与转化路径少、周期短的业务。2.末次非直接点击互动模型3.末次渠道互动模型4.首次互动模型5.线性归因模型6.时间衰减归因模型7.基于位置的归因模型8.马尔科夫链模型。

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。归因是一种普遍的心理现象.所谓归因:就是人们对自己或他人行为的原因进行推测,判断或解释的过程.从归因的角度来看,能对自己工作,学习成败的原因作出正确判断,采取有效措施的人,就能巩固成绩,不断进步;而学习成绩差,行为差的学生,倘若能找出自己学习,行为失败的原因,正确判断,采取有效的措施,也一定能改变落后的现状,后来居上,跨入先进行列. 最简单的归因莫过于把一个人的行为原因归结于外部环境因素或内部主观条件两类。

由于广告的投放都存在一定的延时效应，因此我们需要使用归因分析从数据观察发现规律或数据之间的因果关联，并在此基础上推断原因并进行验证。一般可以建立归因模型来分析广告效果。归因模型是指可以追溯过去一段时间内不同渠道、不同想法或不同内容对用户转化的贡献的一种评价方法。

归因分为广告归因和站内归因

广告归因是指评价广告中各个节点对转化的贡献率，分为渠道归因和创意归因。渠道归因是指广告过程中各个渠道对转化的贡献率。这些渠道包括广告交易平台AdX/SSP、SEM关键词竞价或其他推广方式，再进一步细分看百度BES、阿里Tanx、腾讯AdX等资源对转化的贡献率。创意归因是指广告过程中每个创意和版本对转化的贡献率。

站内归因是指官方网站/App的不同内容对转化的贡献率评估。

一、什么是归因分析？

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。

二、几种常见的归因模型

1、末次互动模型

也称最后点击模型-----最后一次互动的渠道获得100%的功劳，这是最简单、直接，也是应用最为广泛的归因模型。

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的cookie存活期只有30-90天（淘宝广告的计算周期最长只有15天)，对于顾客的行为路径、周期比较长的场景，在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（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。

2、末次非直接点击互动模型

在营销分析里，直接流量通常被定义为手动输入URL的访客流量。然而，现实是市场上的所有分析工具都把没有来源页的流量视为直接流量。比如：文章里没有加跟踪代码的链接、用户直接复制粘贴URL访问等等

适用于：如果你的公司认为，你们业务的直接流量大部分都被来自于被其他渠道吸引的客户，需要排除掉直接流量，那么这种模型会很适合你们。

3、末次渠道互动模型

末次渠道互动模型会将100%的功劳归于客户在转化前，最后一次点击的广告渠道。需要注意这里的"末次互动"是指任何你要测量的转化目标之前的最后一次互动，转化目标可能是销售线索、销售机会建立或者其他你可以自定义的目标。

优点：这种模式的优点是通常跟各渠道的标准一致，如Facebook Insight使用末次Facebook互动模型，谷歌广告分析用的是末次谷歌广告互动模型等等。

弊端：很明显当你在多渠道同时投放的时候，会发生一个客户在第一天点了Facebook的广告，然后在第二天又点击了谷歌广告，最后并发生了转化，那么在末次渠道模型中，Facebook和谷歌都会把这次转化的100%功劳分别归到自己的渠道上。这就导致各个部门的数据都看起来挺好的，各个渠道都高估了自己影响力，而实际效果则可能是折半，如果单独使用这些归因模型并且把他们整合到一个报告中，你可能会得到"翻倍甚至三倍"的转化数据。

适用于：单一渠道，或者已知某个渠道的价值特别大。

4、首次互动模型

首次互动的渠道获得100%的功劳。

如果，末次互动是认为，不管你之前有多少次互动，没有最后一次就没有成交。那么首次互动就是认为，没有我第一次的互动，你们剩下的渠道连互动都不会产生。

换句话说，首次互动模型更加强调的是驱动用户认知的、位于转化漏斗最顶端的渠道。

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。

5、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。

优点：他是一个多触点归因模型，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。比如，一个客户在线下某处看到了你的广告，然后回家再用百度搜索，连续三天都通过百度进入了官网（真实用户场景也许就是用户懒得记录或者收藏官网地址），并在第四天成交。那么按照线性归因模型，百度会分配到75%的权重，而线下某处的广告得到了25%的权重，这很显然并没有给到线下广告足够的权重。

适用于：根据线性归因模型的特点，他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。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。

6、时间衰减归因模型

对于路径上的渠道，距离转化的时间越短的渠道，可以获得越多的功劳权重。

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。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...
     优点：相比线性归因模型的平均分权重的方式，时间衰减模型让不同渠道得到了不同的权重分配，当然前提是基于"触点离转化越近，对转化影响力就越大"的前提是准确的情况下，这种模型是相对较合理的。
    弊端：这种假设的问题就是，在漏洞顶部的营销渠道永远不会得到一个公平的分数，因为它们总是距离转化最远的那个。
    适用于：客户决策周期短、销售周期短的情况。比如，做短期的促销，就打了两天的广告，那么这两天的广告理应获得较高的权重。

7、基于位置的归因模型（U型归因）

基于位置的归因模型，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。

U型归因模型非常适合那些十分重视线索来源和促成销售渠道的公司。该模型的缺点则是它不会考虑线索转化之后的触点的营销效果，而这也使得它成为销售线索报告或者只有销售线索阶段目标的营销组织的理想归因模型。

一、归因分析的概念

归因分析指的是解决不同渠道贡献度的分析方法，简单点讲就是一个广告投放他会采用不同的投放渠道，入口有多种，但呈现出来的广告效果（结果）只有一个，此时进行归因分析就能了解到是多个入口中的哪个入口导致的相应的结果，分析出每一个入口的权重或者说占比，从而更好地提升广告效果，优化广告投放方案，合理地分配资源。

二、归因分析常用的模型

1、首次触点归因模型

该模型简单地解释就是当一个用户在规定的时间内，虽然有多次广告触达行为，或者说其在某个入口的站点内可能有多种点击广告的行为，那么他最终完成转化（结果），算他第一次接触广告的功劳，也就是第一次接触到广告的这个入口功劳占比100%。

这个模型虽然很简单，但是它的缺点也很明显，毕竟用户行为有非常多种，后续行为并不是如同该模型所说不会对用户的转化行为产生影响，因此将所有功劳归功于第一个触达的广告入口，是有失偏颇的。

2、末次触点归因模型

该模型是首次触点的另一种使用形式，将用户的转化行为完全归功于最后一次接触的广告入口，同样的，它的缺点也很明显，之前的行为没有进行分析，也是有失偏颇的。

3、线性归因模型

该模型是指用户产生转化后，在广告期间内所有行为所接触到的广告入口平均分配，相当于接触过的广告渠道都有功劳。该方法虽然一视同仁，但是会忽视某些高效果的渠道从而没有达到更高的广告资源分配。

4、时间衰减归因模型

该模型很好理解，指在用户产生转化后，广告期间接触到的广告入口，离转化时间越近的接触时间它的触达功劳越高，越远则越低。但是这个模型的问题是有些渠道它就是产生了很大的影响，但用户转化经过了思考，后续可能只是加深了它的印象而不是使其完成最终的转化效果，那么这对那个产生深重影响的渠道是非常不公平的。

5、位置归因模型

模型逻辑：综合首次、末次、线性归因模型，该模型将第一次接触和最后一次接触的广告入口权重设置为40%，中间的所有接触到的广告入口均设置为20%。该模型虽然看似合理，但其适用场景较少。

随着互联网技术和业务的发展，广告投放相关的业务也随之兴起。那么广告投放的效果评估也就随之而来。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。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。例子：一款 App，投放了三个推广渠道，最后 App 通过某个渠道商完成了下载。此时，需要对这三个渠道商对本次下载的贡献能力进行一个评估。站外归因——站内归因——多值记录集合归因——时序还原归因——路径还原归因