營銷渠道越多、顧客行為路徑越復雜，就越需要歸因模型來幫助判斷渠道價值，優化渠道組合和資源分配。一個細微的渠道差異，或許就能幫助企業在市場競爭中勝出。

營銷歸因模型有助于判斷渠道的價值。

一個有效的歸因模型，能夠告訴我們：哪些渠道能賺錢，哪些渠道能促進業務增長，哪些渠道有助于轉化。

隨著消費者能接觸的渠道、設備越來越多，營銷分析也變得越來越復雜。

一個訪客變成顧客，是直接在淘寶、京東完成購買，還是之前：

• 在朋友圈、今日頭條看到產品廣告？
• 用電腦搜索過眾多產品信息并比較？
• 在公眾號、抖音上看到了產品推薦？
• ……

總有些渠道的ROI很高，能賺錢；有些渠道不賺錢，但覆蓋人群很廣；還有些渠道能把訪客留住，把路人變成粉絲。

營銷渠道越多、顧客行為路徑越復雜，就越需要歸因模型來幫助判斷渠道價值，優化渠道組合和資源分配。一個細微的渠道差異，或許就能幫助企業在市場競爭中勝出。

八種營銷歸因模型

1. 最終互動

或者說，最后點擊模型——100%的功勞都屬于產生最后一次互動的渠道。

這是最簡單直接，也應用最廣泛的歸因模型，主要是分析時不容易出錯。

比如：很多網站的追蹤cookie只有30天，淘寶廣告的計算周期最長15天，如果顧客的行為路徑，周期特別長，可能會發生輔助轉化渠道的數據丟失的現象。如果只考慮末次互動，數據追蹤周期就變得不那么重要了。

這種模型的弊端也很明顯：顧客最終是從淘寶收藏夾進入寶貝頁面后成交的，按照這個模型，會把這次成交100%歸功于收藏夾（直接流量）。但在之前，對產品產生興趣、信任、購買意向，可能是其他渠道的功勞，收藏夾只是方便顧客記錄、找到產品而已。

所以這種模型適用于轉化路徑少、周期短的業務，或者說，廣告目的就是吸引顧客購買，起臨門一腳作用的。

2. 最終非直接點擊

忽略直接流量，將100%的功勞歸于最后一次非直接互動。為什么要排除直接互動流量呢？

因為，直接互動，或者說直接點擊，其來源難以確定，容易對數據分析產生誤導。比如：一篇文章或者email里面沒有加跟蹤代碼的鏈接，收藏夾里面不知道什么時候添加的網址，訪客直接輸入了廣告圖片上的URL……

比如：點擊了淘寶收藏夾里的寶貝，并且購買。賣家會看到這個客戶來自收藏夾，但其實客戶之前是點擊鉆展廣告后才添加的收藏夾。

排除掉直接互動流量，避免了上述問題產生的誤導。如果公司認為，業務的直接流量大部分都來自被其他渠道吸引的客戶，需要排除掉直接流量，這種模型會很適合。

3. 最終渠道互動

將100%的功勞歸于客戶在轉化前，點擊的最后一個廣告的來源渠道。比如：谷歌分析，可以選擇100%的權重歸因于最后一次AdWords廣告，無論這個客戶在點擊競價廣告后，是否有在其他渠道進行互動。

同樣的，也可以設置將權重歸因于今日頭條的信息流或是朋友圈廣告。如果是單一渠道，或者某一渠道價值特別大，模型適用。如果是多渠道，就會比較麻煩，特別是不同渠道由不同部門負責的時候。

比如：一個顧客點了今日頭條的廣告，又去百度搜索信息并購買。如果信息流和競價都采用末次渠道歸因模型，會把這次成交都算成自己的功勞。這樣的結果，就是兩個部門的數據都很好看，都認為自己為公司貢獻最多，但實際的效果可能要減半。

4. 首次互動

100%的功勞都屬于產生第一次互動的渠道。

如果，最終互動是認為，管你之前多少互動，沒有最后一次互動就沒有成交。那么，首次互動就是認為，沒有我這第一次互動，剩下的渠道都不會有互動。

這個模型的缺點很明顯，就是受限于數據跟蹤周期。比如：網站cookie存活30天，但第一次互動到轉化的周期是31天，成交權重就沒有歸因到真正的首次互動渠道。

這種模型適用于品牌沒有知名度的公司。關注能夠帶來客戶的最初渠道，對于拓展市場很有幫助。首次互動和末次互動模型，事實上都是單渠道歸因模型。

5. 線性歸因

平等對待轉化路徑上的所有渠道，分配相等的權重。

• 模型優點是：這是一個多渠道歸因模型，而且計算很簡單。比如：《ROI的優化，其實是場足球賽》中舉的例子，一個簡單的公式就可以計算所有渠道的產出，而且價值系數的調整很方便。
• 缺點也同樣明顯，不適用于某些渠道價值特別突出的業務。比如：顧客在電視上看到廣告，用百度搜索并進到官網，隨后3天都通過百度進入官網，并在第5天成交。

按照線性歸因模型，百度會分配80%的權重。但事實上，顧客可能只是懶得記網址，用百度搜索更方便而已。如果第2天百度后添加了收藏，剩下3天都從收藏夾直接訪問網站，那么就會給直接訪問分配60%的權重。

這兩種計算方式都沒有給電視廣告足夠的權重。

所以，這種模型適用于，期望在整個銷售周期內保持與客戶的聯系，并維持品牌認知度的公司。這種情況下，各個渠道在客戶的考慮過程中，都起到相同的促進作用。

6. 時間衰減

這個模型認為，渠道距離轉化的時間越短，對轉化的影響越大。

這種模型基于指數衰減概念，默認周期為7天。就是說，與成交當天相比，成交前7天內的渠道，分50%權重，前14天的渠道分25%。如果成交周期過長，這種模型對前面的渠道相當不友好，無法分配一個合理的權重。

所以這個模型適用于：客戶決策周期短、銷售周期短的情況。比如：做短期促銷，打了兩天的廣告，這兩天的廣告理應獲得較高權重。

7. 基于位置

混合使用最終互動和首次互動模型。

這種模型重視最初帶來線索和最終產生成交的渠道，一般給他們分別分配40%的權重。給中間的渠道分配20%的權重，也可以根據實際情況，調整最終互動和首次互動的權重比例。

顯而易見，如果一家公司十分重視線索來源和促成銷售的渠道，這個模型再合適不過了。

8. 馬爾科夫

基于馬爾科夫鏈的歸因模型。

馬爾科夫鏈是時間、狀態都是離散的馬爾可夫過程。馬爾科夫過程，是將來發生的事情，和過去的經歷沒有任何關系。也就是說：今天的事情只取決于昨天，而明天的事情只取決于今天。

做SEO的同學，應該熟悉谷歌的PageRank，也利用了馬爾科夫模型：

假設只有A、B、C 3個網頁，A鏈向B，B鏈向C。那么，C分到的PR權重只由B決定，和A沒有任何關系。

如果對互聯網的網頁不斷重復計算PR，那么網頁的PR值會趨向于穩定，是一種收斂的狀態。所以谷歌會用這種算法來確定網頁等級。

如果用馬爾科夫鏈模型對一個用戶瀏覽網頁的行為進行建模，就可以預測他之后的行為——當前瀏覽了B網頁，那么瀏覽C網頁的概率就可以算出來。

用在營銷歸因上，就是：訪客下一次訪問某個渠道的概率，取決于這次訪問的渠道。

就如谷歌可以一直實時的計算PageRank一樣（但對外的PR權重不定期更新，當然現在已經停止對外更新快10年了），基于馬爾科夫鏈的營銷歸因模型也可以實時計算，某些訪客群體下次訪問渠道的概率、成交的概率。

顯然，這種模型適用于渠道多、數量大、有建模分析能力的公司。

如何選擇歸因模型

上面的8種模型，可以分為兩類：基于規則的，基于算法的。

• 基于規則的歸因模型：預先為渠道設置了固定的權重值，分析時根據權重進行計算就可以。好處是，計算簡單，數據容易合并，渠道互不影響，按照規則來計算即可。
• 基于算法的歸因模型：每個渠道有不同的權重值，而且，隨著時間推移，不同渠道的權重值會發生變化。

互聯網時代，技術日新月異，新渠道也層出不窮，相比基于規則的模型，基于算法的模型能夠感知渠道變化，并調整渠道權重值，因而會更加準確。

那么，應該選擇基于算法的歸因模型？

不，應該先考慮業務模式。如果某個規則模型特別適合當前業務，直接用就好了。

• 比如：新產品推廣，能夠帶來更多新客戶的渠道需要給予足夠的權重，用首次互動模型就很好。
• 比如：就一個競價渠道，還只開了百度，也只能選擇最終互動或最終百度互動模型。

如果就想用算法歸因模型呢？不妨先問幾個問題：

1. 渠道有多少？
2. 數據量有多少？
3. 是否使用DMP平臺？
4. 是否有永久客戶標識？

如果渠道很少，相互之間沒有太多配合，直接用最終渠道互動模型就很好。很多公司現在就是這樣做的，為各個渠道單獨計算產出。如果數據量很少，算法模型不適合——數據過少，無法進行最初的建模。如果沒有使用統一的DMP來合并各個渠道數據，用規則模型，因為算法模型需要各渠道數據統一。

永久用戶標識同上。

如果渠道多、數據量大、使用了DMP平臺，并且有永久用戶標識，基于算法的歸因模型能夠為營銷分析提供巨大的幫助。

現在，萬事俱備，就差一個數據分析師了。

本文由 @小曹同學 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議