坐不住了！油价跌破20美元后特朗普赶紧与普京打了通电话……

网商动力

网商动力(https://www.eckey.cn)跨境电商，致力于提供一手资讯、干货知识。

2020-03-31 18:03:44

小易说

在互联网海外广告行业，随着消费者能接触的渠道、设备越来越多，我们每天都会面临大量的数据以及用户复杂的消费行为路径，使得营销分析也变得越来越复杂。这就需要归因模型来帮助判断渠道价值，优化渠道组合和资源分配。

营销归因模型有助于判断渠道的价值。一个有效的归因模型，能够告诉我们：哪些渠道能赚钱，哪些渠道能促进业务增长，哪些渠道有助于转化。一个细微的渠道差异，或许就能帮助企业在市场竞争中胜出。

那么接下来，小易带大家简单认识一下Google Ads帐户中的五种基础归因模型。

五种常见的归因模型

最终点击归因模型

将转化功劳全部归于客户最后点击的那个广告和相应的关键字，即最后一次点击的渠道获得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

这是最容易测量的归因模型，在分析方面不容易发生错误。由于大部分追踪的cookie存活期只有30-90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。

缺点

这种模型也存在比较明显的弊端，比如客户是从收藏夹进入商品详情页然后购买，按照最终点击归因模型就会把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。

此归因模型适用于

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。

首次点击归因模型

将转化功劳全部归于客户首次点击的那个广告和相应的关键字，即首次点击的渠道获得100%的功劳。该归因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。

缺点

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。

比如：网站cookie存活30天，但第一次互动到转化的周期是31天，成交权重就没有归因到真正的首次互动渠道。

此归因模型适用于

品牌没有知名度的公司，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。首次点击和最终点击模型，事实上都是单渠道归因模型。

线性归因模型

将促成转化的功劳平均分配给转化路径上的所有点击，即平等对待转化路径上的所有渠道，分配相等的权重。

线性归因是多触点归因模型中的一种，也是最简单的一种，它将功劳平均分配给用户路径中的每一个触点。

优点

它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，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。

缺点

线性平均划分的方法很明显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广告，回家后再用Google进行搜索，连续三天都通过Google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），并于第四天成交。那么按照线性归因模型，Google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。

此归因模型适用于

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。

时间衰减归因模型

该归因模型认为：渠道距离转化的时间越短，对转化的影响越大。即对于路径上的渠道，距离转化的时间越短的渠道，可以获得越多的功劳权重。

点击越接近转化发生时间，分配的功劳就越多。点击每相隔7天，所分配的功劳就会相差一半。换言之，转化发生 8 天前的点击所获功劳是转化发生 1 天前的点击所获功劳的一半。即与转化当天相比，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。如果成交周期过长，该归因模型对前面的渠道相当不友好，无法分配一个合理的权重。

优点

相比线性归因模型的平均分权重的方式，时间衰减归因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。

缺点

这种假设的问题就在于，漏斗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。

此归因模型适用于

客户决策周期短、销售周期短的情况。例如，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。

根据位置归因模型

该归因模型也称作U型归因模型，它其实是混合使用了首次点击归因模型和最终点击归因模型的结果。