归因模型
基于点击的归因模型
首次点击归因模型
首次点击或访问归因模型会将 100% 的转化功劳归于转化路径中发生的首次点击或访问。
以上面提到的 3 个视频广告为例，广告 1 承载了所有的归因功劳。
从效果上看，首次点击归因模型割裂了归因和最终转化的联系，忽视了其他因素的影响。
最终点击归因模型
最终点击或访问归因模型会将 100% 的转化功劳归于转化路径中发生的最后一次点击或访问。
以上面提到的 3 个视频广告为例，广告 3 承载了所有的归因功劳。
从效果上看，最终点击归因模型没有考虑产品宣传的认知度和兴趣作用的过程，忽略了其他广告的促进作用。
可以看到，上面的两个归因模型都不完美。事实上，有更多的归因模型可以选择。在选择模型的时候，重点并非 事实是什么，而是 你想要得到怎样的事实 。
在了解更多的归因模型之前，我们要先了解一个新的概念： 触点。
触点
在之前的 归因系列文章 中，我们仅讨论了一种触点： 点击 。
点击是重要且主要的触点，因为点击说明了用户对广告感兴趣，点击是完全主动的行为，能够反映用户的自由意志。
但 展示 也是一个重要的触点。
还是以上面的 3 个广告为例。用户 C 在看了广告 1 和广告 2 之后，没有进行点击的操作。当看完了广告 3 之后点击了下载。我们可以说广告 1 和广告 2 的 展示 就没有作用吗？如果没有广告 1 和广告 2 的 展示，用户在首次碰到广告 3 的时候，可能也不会进行 点击 操作。
除了 基于点击的归因，还有 基于展示的归因。
现在来定义 触点：
触点就是转化前发生的展示、点击和访问总量。
通过对触点比重的分配，我们可以构建更多的归因模型。
更多归因模型
线性归因/功劳均等归因模型
虽然名称不同，但都采用相同的方式计算所有触点的功劳。
时间衰减归因模型
触点越越接近转化发生时间，分配的功劳就越多。以 Google Ads 为例：
假设归因窗口为 28 天，那么点击每相隔 7 天，所分配的功劳就会相差一半。换言之，转化发生 8 天前的触点所获功劳是转化发生 1 天前的触点所获功劳的一半。
位置归因模型
Google Ads 会进行下面的分配：
为客户首个触点以及最终触点分别分配 40% 的功劳，将其余 20% 的功劳平均分配给其他触点。
以数据为依据的归因模型
根据转化操作的历史数据来分配转化功劳。该归因模型与其他归因模型的区别在于，它使用帐号数据计算每个触点在转化路径中的实际功劳。
参考
Facebook：触点
程序化广告归因模型知多少
Google：归因模型简介
Facebook：归因模型简介
Last updated