编辑导语:随着移动互联网的兴起，商业形态越来越复杂，对归因分析的需求与日俱增。本文对归因分析的概念进行了界定，列举了六种常见的归因分析模型，以及生活中的实际案例场景。让我们一起来看看它们。

在所有数据分析师面临的分析问题中，有一类分析成本非常高，但在业务中经常遇到。这种分析就是归因分析。我们先来看以下两个案例:

案例一:小果在手机上看到朋友圈的广告，发布了最新的苹果手机。午休时，他刷Tik Tok，看到网络名人正在评价最新的苹果手机。下班后在地铁上刷朋友圈时，他发现有朋友收到了手机打印图片，于是喝了一杯江回家和妻子一起申请资金。最后，他的妻子批准他去JD.COM买，这是有保证的。那么，问题来了，朋友圈、Tik Tok、朋友朋友、京东的广告做了多少。COM的站外渠道促成了这笔交易？

案例二:肖丹在淘宝上买了一双篮球鞋，通过首页搜索看到了AJ，点进去看到了款式和颜色，觉得真的很香，但是又不好意思，就放弃了。五一期间，小明再次打开淘宝，看到首页的优惠活动，点进活动分会场，再次看到AJ，点进去又过了一把眼瘾，想想下个月的生活费，忍痛退到首页。然而命运就是这么神奇。又在首页看到AJ了——猜猜你最喜欢的页面。我点进去看了一下评论和买家秀。反正我得剁手。那么问题来了。首页在淘宝搜索了多少，活动场地和猜猜你喜欢这些站内资源对这次交易的贡献？

随着移动互联网的兴起，商业形态越来越复杂，对归因分析的需求与日俱增。以上两个案例是站外信道和站内资源位置两个经典场景下的归属分析。虽然场景不同，但目的相似。即如何根据当前场景和目标，合理分配“贡献”给每个坑。

这种问题其实没有标准答案，因为现实业务复杂，很难准确合理的分配贡献。但归因分析的需求如此高频，要求时效性强，需要一些方法论的支持，快速尝试，快速定位问题，以免面对问题，不知从何下手。介绍以下几种常见的归因分析模型，以供参考。

1.最后归因模型

这种归因模型也被称为最后点击模型，它将100%的信用分配给转化前的最后一个渠道，即无论用户发生了什么，它只关注最后一次。这是最简单、最直接、应用最广泛的归因模式。

优点:首先，它是最容易测量的归因模型，分析不容易出错。此外，由于大部分被跟踪的cookie的生命周期只有30-90天，对于客户行为路径和周期较长的场景做归因分析时可能会出现数据丢失，但对于最后一个交互模型，这个数据跟踪周期就没那么重要了。

缺点:这种模式的缺点也很明显。例如，客户从收藏夹进入产品详情页面，然后形成交易。按照上一个归因模型，100%的功劳会归于收藏夹(直接流量)。而真实的用户行为路径更接近于产生兴趣、信任、购买意向、信息对比等环节，这些都是其他渠道的信用，在这个模型中无法统计，最后一个渠道的信用评价会被大大高估。

适用场景:短期投放，转化路径少、周期短的业务快速提升，以及效果。根据最后的归因模型，可以更好的了解哪个渠道对最终的转化有更好的推广效果。

2.第一归因模型

也被称为首次点击模型，这种归因模型将100%的信用分配给首次访问渠道，即不考虑用户的行为，只关注第一次。如果，最后一次互动意味着，无论你之前有过多少次互动，没有最后一次互动就没有成交。那么第一次互动就意味着，没有我的第一次互动，你剩下的渠道连互动都没有。换句话说，第一个交互模型强调的是驱动用户认知的渠道，位于转化漏斗的顶端。

优点:是一种易于实现的单触模式。第一次点击的归属会让你知道潜在消费者是怎么找到你的，和最后一次点击一样，不需要很多数据。

缺点:受限于数据追踪周期，对于用户路径和周期较长的用户行为，可能无法收集到真实的首次行为，首次点击的归属也无法解释后续的所有用户行为，对后续的用户行为也没有关注。

适用场景 : 一般是我们需要刷新的时候，公司在市场开拓过程中，这个时候我们关注的是先圈更多的用户，可以用先互动模型，看看哪些渠道对业务刷新最有效。因此，第一种归因模式适用于品牌认知度不高，专注于市场拓展和渠道优化的公司。

3.线性归因模型

线性归因是多接触归因模式中的一种，也是最简单的一种。它将积分平均分配给用户路径中的每个联系人。

优点:它是一个多触点归因模型，可以把功劳划分给商路各个不同阶段的营销渠道，而不考虑不同渠道的价值权重，一视同仁，计算也不复杂。另外，它的计算方法比较简单，计算过程中价值系数的调整也比较方便。

缺点:显然，线性平均划分的方法不适合一些渠道价值特别突出的业务，高性价比的渠道可能会被“平均”，因为这类渠道是以质取胜，而不是以量取胜。比如一个客户在线下某个地方看到你的广告，然后回家用百度搜索，连续三天通过百度进入官网，第四天成交。那么根据线性归因模型，百度会被赋予75%的权重，而线下某处的广告得到25%的权重，显然没有给予线下足够的权重。

适用场景:根据线性归因模型的特点，更适合期望在整个销售周期内与客户保持联系，保持品牌知名度的公司。在这种情况下，所有渠道在促进客户考虑方面的作用是一样的。

4.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，可以获得的信用权重越多。时间衰减归因模型是基于这样一个假设，即接触越靠近转化，对转化的影响越大。这个模型是基于指数衰减的概念，一般默认周期是7天。也就是说，相对于转化当天，转化前7天的渠道可以分配50%的权重，转化前14天的渠道可以分配25%的权重，以此类推...

优点:这个模型考虑了时间的作用，因为一般来说，时间越长，对用户的转化效果越弱。与线性归因模型的平均权重分配方式相比，时间衰减模型允许不同的信道得到不同的权重分配。当然，前提是“接触越接近转化，对转化的影响越大”是准确的，这个模型是相对合理的。

缺点:如果某些渠道天然处于转化环节的起点，对这些渠道是不公平的，因为他们永远是离转化最远的那个，永远得不到公平的权重。

适用场景:类似于上一种归因，适用于客户决策周期短、销售周期短、引导用户完成转化的场景。比如你做一个短期的推广，你会做两天的广告，然后这两天的广告就值得更高的权重。

5.位置归因模型

基于位置的归因模型(Location-based attribution model)，也称为U型归因模型，整合了首个归因、最后一个归因和线性归因，首个和最后一个联系人各贡献40%，中间的所有联系人平均贡献剩余的20%。

U型归因模型也是一种多接触归因模型，本质上是一种关注最初带来线索并最终导致关闭的渠道的模型。一般会给第一个和最后一个互动频道分配40%的权重，给中间频道分配20%的权重，这里的比例也可以根据实际情况进行调整。

u型归因模型非常适合非常重视线索来源和推广销售渠道的公司。该模型的缺点是没有考虑销售线索转化后的人脉营销效果，这也使其成为销售线索报告或只有销售线索阶段性目标的营销组织的理想归因模型。

6.定制模型

你可以根据自己对业务的理解，创建自己的模型，在业务和目的上做得更具体，并与其他默认模型进行对比。

优点:在这种模式下，可以使用线性归因模型、首次归因模型、末次归因模型、时间衰减归因模型和位置归因模型作为基线，通过不断的测试来调整各个通道的权重。最好的效果是，它可以单独评估当前业务，并随着时间的推移进行优化。

缺点:在你先做一些测试之前，不要直接使用用户自定义的模型，不要依靠经验判断哪些渠道可能贡献更大。实际数据的表现可能不一样，需要基于数据测试来判断。

以电商用户的购物场景为例。用户进入App并最终产生支付和购买行为，中间可能有以下几个关键渠道和坑:

我们分析最近30天的交易订单的归属，这里我们选择的归属计算方法是“最后一次归属”。归因窗口期设置为1天，即观察用户在订单行为发生前24小时内点击了哪些坑。然后找到离“提交订单”最近的坑的点击行为。

最终结果如上图所示。APP内多个坑中，点击搜索栏和直接转化对单的贡献分别占52.67%和27.56%。运营、活跃度、推送、微信微信官方账号的相关推荐只带来了不到10%的贡献。通过这一结果，可以清楚地反映出以下信息:

以上是数据分析思维——归因分析部分的内容。一些数据分析思维请参考历史文章，更多数据分析思维文章在不断更新。敬请期待。如果觉得不错，也欢迎分享、赞、收藏！

本文由@数据分析星球原创发布。每个人都是产品经理。未经许可，禁止转载。

图片来自Unsplash，基于CC0协议。