这是我见过的最清楚讲解各种归因模型及其应用优劣的好文章。适合于互联网营销人士仔细阅读。
今天这篇文章将会一起深入探究十一种归因模型并分析它们各自的优缺点。
每种归因模型都有各自适用的场景和环境，实际使用中通常结合业务场景，对比测试模型的效果，以期找到最合适的。
一、首次互动归因模型
首次互动归因模型就是把营销功劳全部分配给第一次为网站带来访客的渠道。
由于该模型的所有归因是基于单个触点，自然就会高估单个渠道的影响力。这种情况下，首次互动归因模型就会过分强调驱动用户认知的、位于转化漏斗最顶端的渠道。
同时，首次互动归因模型也会比其他单触点归因模型更容易受到由于技术限制导致的错误的影响。假设你为B2B网站设置转化跟踪（比如通过GA），那么首次触点到转化的时间很有可能会超过常规的30-90天的cookie存活期限。因此通常的情况是，这种模式将功劳归于cookie存活期内的首次互动触点上，而不是真正的首次触点。
总的来说，首次互动归因模型是一种容易实施的单触点模型，但容易受到渠道偏差和技术限制的影响。
二、线索转化互动归因模型
线索转化互动归因模型通常会与首次触点模型混淆。这是因为围绕销售线索的产生而建立的营销分析系统，例如一个营销自动化的平台，销售线索被创建的那个session是被跟踪和监测到的第一次会话。在这样的系统里，如果真正的首次互动是没有标识的，那其实就相当于这次互动是不存在的。
线索转化互动归因模型的好处是它可以帮你理解到底哪些营销渠道驱动了销售线索的转化。这点固然很重要，但也只是整个用户购物旅程的一小部分而已。在周期很长的B2B网站用户转化过程中，除了销售线索转化，还有很多其他转化需要进行营销效果的评估，而且把功劳全部归于销售线索转化，实际上是过分简化了营销活动在整个用户转化过程中的作用。
三、末次互动（机会建立互动）归因模型
末次互动归因模型最吸引人的地方，就在于它是最容易测量的归因模型。
基于末次归因模型衡量和评估销售机会建立（大部分B2B营销渠道漏斗的最后一环）的整个过程，在分析技术方面最不容易发生错误。在漫长的B2B购物旅程中，末次互动到转化的周期相比首次互动或者线索转化互动要短的多。由于大部分追踪cookie只有30-90天的存活期，这使得末次互动归因模型份外重要。因为如果转化没有在cookie存活期内发生，那么营销渠道信息将会丢失。而把功劳全部归到末次互动，cookie存活期限就变得无关紧要，因为在末次互动与最终转化之间不存在延时。
四、末次非直接点击归因模型
如果说这个模型比末次互动归因模型稍微有用一些，那是因为它排除了“直接来源”数据的限制。
当谈到网站和营销分析，“直接”流量是一大痛点。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，现实是市面上的所有分析工具都把没有来源页的流量视为直接流量。一种常见的情况就是把没有加码（或错误加码）的社交媒体文章、社交媒体广告或未加码的营销邮件等划分为直接流量。直接流量没有明确的过滤公式，它更像是一个专门容纳所有不符合其他过滤规则的流量容器。
简而言之，直接流量通常是有误导性的。末次非直接点击归因模型的好处是可以避免直接流量所带来的麻烦。
五、末次【XXX营销渠道】互动归因模型
这是具体渠道归因模型的总称。例如，SEM营销人员会倾向于使用末次付费广告互动模型。而为了体现其工作价值，SNS营销人员则会倾向于使用FACEBOOK或者Twitter默认的末次互动归因模型。
需要注意的是，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，或者所有其他自定义的转化目标。
这种模式的优点是通常与各自渠道的标准一致——如Facebbok Insight使用末次Facebook互动模式，谷歌广告分析用的是末次谷歌广告互动模式等等。
而缺点是这些模型都会特别偏向于各自的渠道并高估其渠道的影响力。如果单独使用这些归因模型，然后再将他们整合到一个报告，很有可能会得到翻倍甚至三倍的转化数据。例如，如果一个访客在周一点击了Facebook的广告，然后在周二又点击了谷歌广告并发生了转化，那么末次Facebook互动模型和末次谷歌广告归因模型都会把这次转化100%地分别归到自己的渠道上。
六、线性归因模型
线性归因模型是多触点归因模型中最简单的一种。它将权重平均划分给购物旅程中的每一个触点。
优点是它是一个多触点归因模型，因此会将功劳划分给转化漏斗中各个不同阶段的营销渠道。
缺点是它无法正确衡量各种营销渠道的不同影响。例如，一个潜在客户在你的某个用户大会上待了两天，回家之后通过直接访问的方式访问网站19次并发生了转化，那么用户大会在这次转化中就只会被分配到5%的权重，即使它很有可能是促进转化的最大因素。这种情况下，直接流量就会被分配到95%的权重。
七、时间衰减归因模型
时间衰减归因模型是一种倾向把功劳划分给最接近转化的触点的多触点模型。该模型基于一个假设，该假设认为触点越接近转化，对转化的影响力就越大。
这种假设的问题是它永远也不会给位于漏斗顶部的营销渠道一个公平的分数，因为它总是距离转化最远的那个。
八、U型（基于位置的）归因模型
U型归因模型，Google也称为基于位置的归因模型，对于重视销售线索产生的营销团队而言是一个伟大的多触点归因模型。它是一种可以追踪每一个触点的多触点模型，与平均分配权重给每个触点的线性归因模型不同，它强调的是两个关键触点的重要性：第一次把新客人带来的首次触点和线索转化触点。在该模型里，这两个触点分别能得到40%的权重，而其他剩余的触点则会平分剩下来的20%的权重。
该模型的缺点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。
九、W型归因模型
W型归因模型在机会建立阶段引入了U型归因模型，对很多公司而言，机会建立阶段同时也是转化漏斗中的最后一步。除了重点关注首次触点和线索转化触点，W型模型还强调机会建立触点。这三个关键触点分别得到30%的权重，最后10%的权重则会平均分摊到剩余的触点上。
在使用该分配模型时，W型归因模型强调了用户购买旅程中，营销渠道可以影响到的三个关键的触点。
十、全路径（Z型）归因模型
更深入一步，全路径（Z型）模型会考虑机会建立阶段之后的营销效果。与U型模型的两个关键阶段和以及W型模型的三个关键阶段不同，全路径模型新增了第四个关键阶段：用户转化完成。
在该模式中，四个关键阶段的触点都会得到22.5%的权重分配，剩下的10%将会平均分配到其他触点上。
尽管更多关键触点看起来会更精准地表现用户的购物旅程，但这种模型只适用于为已有销售机会服务的营销组织。对于大部分组织来说，除非销售团队与营销团队能达成高度共识，通常在快要完成交易时，都是让客户服务部门管理销售转化和信息的沟通。因此，在你尝试采用这一模型之前，请务必确保营销团队与销售团队是同步的。
十一、自定义或算法归因模型
最后一种归因模式是需要数据科学家针对你的购物流程建立的自定义的或算法的归因模型，该模型能够最佳匹配用户购物旅程。通过分析现有的用户数据，可以看出哪些营销渠道有突出的影响，或者发现是否有某个步骤在用户购物旅程中是很重要的。
这显然是在建立、维护和使用上都最困难和最耗时的模型，但是它同时也能最精确的评估各营销渠道对用户购买旅程的影响效果。
- 本文固定链接: http://www.vicken.net/10864.html
- 转载请注明: vicken 于 vicken电商运营 发表
