请使用手机扫描二维码登录
售前客服电话：400-806-0079
做营销，最想知道的一回事，就是这客户到底是被哪个渠道、哪个动作打动的，钱该算在谁的头上。可实际的营销往往是多渠道、多触点、多轮次的，客户可能看了好几次广告、访问了好几回，才最终下单。怎么把功劳合理地分配出去，这就是归因分析要解决的问题。而不同的归因模型，得出的结论差别很大。今天讲讲，营销归因分析，有哪几种常用的模型。
先看最简单的一种，就是首次触达归因。它是把转化完全归功于客户第一次接触你的那个渠道。比如客户第一次是通过搜索广告进来的，后来虽然又看了信息流、又点了别的，但最终成交，它全算在搜索广告的头上。这种模型简单、直观，能看出客户最早的来源，但它高估了第一次触达的功劳，忽略了后续渠道的作用，容易导致判断片面。
再看跟它对应的，就是末次触达归因。这种模型是把转化归功于客户最后一次点击、最后一次接触的渠道。比如客户最后是通过某个信息流广告进来的，那成交就全算给信息流。它比较常见，因为它对应着最后那个促成转化的动作，但它同样高估了最后一次的功劳，忽略了前面铺垫的渠道，可能让一些重要的前置渠道被忽视。
还有一种是线性归因，它把转化平均分配给客户接触过的每一个渠道。比如客户接触了三个渠道，那每个渠道各得三分之一。这种模型比较平均、公平，照顾到了每一个触点，但它不够精准，因为它无法区分哪个渠道的贡献更大，可能高估了一些边缘渠道的作用，低估了核心渠道的价值。
更精细一点的，有位置归因模型。这种模型会给不同的触点设定不同的权重，通常是首次和末次的权重高一些，中间的权重低一些。因为它认为，首次接触和最后促成最关键的，中间的属于辅助。比如客户先经过搜索了解，中间又看了些广告，最后通过信息流成交，那搜索和信息流各得高分，中间的辅助渠道得低分。这种模型更贴近实际，因为它区分了不同触点的不同作用。
还有更复杂一点的数据驱动归因，它是利用算法和建模，根据大量真实的转化数据，去计算各个渠道、各个触点对转化的真实贡献比例。这种模型最精准、最科学，因为它基于数据、而非主观设定，能更真实地反映各个渠道的投入产出。不过它需要大量的数据支撑，且技术较复杂，通常用于数据比较充足、预算比较充足的企业。
营销归因分析的模型有很多种，从简单的首末次、线性，到更精细的位置、数据驱动，各有各的特点和适用场景。没有绝对的好坏，关键是理解它们的差异，根据你的营销目标、数据情况、渠道特征，选择一个相对合理的模型，并保持一致性。用对归因模型，你才能更准确地看清每个渠道的真实贡献，让营销资源的分配更有依据、更高效。
本文非实时信息，实时信息以右侧客服提供的信息为准。
标签：
