B2B 营销归因把一笔单子的功劳分给影响过它的触点,而且必须在账户层面算——不是按人算——因为一笔单子跨越好几个人、好几个渠道、好几个月。下面是一个可复算的五模型算例、回看窗口截断、模型选择,以及分析与 CRM 的分工。
读完你会知道
- 功劳要在账户层面算:一笔单子跨越好几个人、渠道和月份,按人记功的报表会藏起旅程的大部分。
- 几个模型并排读——线性和位置能让首次、末次点击归零的只助攻渠道显形。
- 回看窗口设到销售周期长度(最长 90 天),成交金额留在 CRM;分析提供功劳百分比。
什么是 B2B 营销归因?
B2B 营销归因,是把一笔成交单子的功劳,分给那些影响过它的营销触点。触点指的是转化之前的会话——读了一篇博客、看了一次定价、点了一封邮件——而不是匹配到 App 安装的广告点击。把功劳拆给多个触点的通用做法,见多触点归因;这个词本身的定义见归因术语表。本文要讲的是让 B2B 与众不同的那一点:记功的单位是账户,而不是单个访客。
下面所有内容都由三个结构性差异驱动。周期长,而且大多自助完成:Gartner 2023 年对美、加、英、澳 771 名 B2B 买家的调查发现,75% 偏好没有销售介入的购买体验,所以旅程的大部分发生在你的网站和邮件里,远早于销售开口。决策是集体做的:是一个采购委员会,而不是一个人。还有许多触点在线下、追踪不到。Lemon 和 Verhoef 2016 年的客户旅程框架把触点分成品牌自有、合作伙伴自有、客户自有和社交/外部四类——提醒你真正能直接掌控的只是其中一部分。
下表对比这两种场景;本文其余部分用一个可复算的例子,把 B2B 这一列走一遍。
| 维度 | B2C | B2B |
|---|---|---|
| 销售周期 | 几分钟到几天 | 几周到几个月(例子里 88 天) |
| 决策单位 | 一个人 | 一个采购委员会(例子里 4 个人) |
| 参与人数 | 通常 1 人 | 多种角色:研究员、评估者、负责人、决策人 |
| 线下触点 | 少见 | 常见:demo、通话、展会、合作伙伴引荐 |
| 记功单位 | 访客 / 会话 | 账户,由成员会话汇总而来 |
功劳要在账户层面算:一笔单子跨越好几个人、好几个渠道、好几个月。
为什么按人记功会在采购委员会面前失效
拿一个虚构账户 Acme Corp 来说(示例数据)。四个人在 88 天里调研、决策,在一次 demo 请求之前产生了 9 次会话。Ana 是研究员,Ben 做技术评估,Cara 是团队负责人,Dana 是签字的 VP。转化就是第 0 天 Dana 的 demo 请求。
| # | 距转化天数 | 成员 | 渠道 | 页面 |
|---|---|---|---|---|
| 1 | −88 | Ana(研究员) | 自然搜索 | 博客文章 |
| 2 | −75 | Ana(研究员) | 自然社交 | LinkedIn 帖子 → 网络研讨会报名 |
| 3 | −61 | Ben(技术评估) | 付费搜索 | 定价页 |
| 4 | −47 | Ben(技术评估) | 邮件 | 案例研究 |
| 5 | −33 | Cara(团队负责人) | 自然搜索 | 对比页 |
| 6 | −20 | Cara(团队负责人) | 邮件 | ROI 指南 |
| 7 | −10 | Dana(决策人 VP) | 引荐 | 合作伙伴评测站 → 着陆页 |
| 8 | −4 | Dana(决策人 VP) | 自然社交 | LinkedIn 帖子 → demo 页 |
| 9 | 0 | Dana(决策人 VP) | 直接访问 | demo 请求(转化会话) |
现在按「按人记功」的报表那样做归因:只筛选转化的那个联系人 Dana。你只能看到 9 次会话里的 3 次——引荐访问、LinkedIn 访问和直接访问的 demo 请求。Ana 的 2 次、Ben 的 2 次、Cara 的 2 次都看不见,因为它们属于别人。在末次点击下,直接访问拿走全部功劳,那些真正开启并培育了这笔单子的渠道从报表里消失。四个人里有两个人压根不出现。
这正是本文要解决的问题:B2B 的功劳必须在账户层面算。把四个人的会话汇成一条账户路径,9 次触点、6 个渠道就全部可见。怎样把人归进账户、怎样衡量账户活跃度,见账户营销(ABM)分析。
一个账户上的五个模型:完整算例
把 9 次会话当作一条账户路径,下面是每个模型给每个渠道的功劳。首次和末次是单触点;线性、位置、时间衰减是多触点。两个极端情形的定义见线性归因和末次点击归因术语条,40/20/40 的分法见位置归因。
| 渠道 | 首次 | 末次 | 线性 | 位置(40/20/40) | 时间衰减(半衰期 7 天) |
|---|---|---|---|---|---|
| 自然搜索 | 100 | 0 | 22.22 | 42.86 | 1.71 |
| 自然社交 | 0 | 0 | 22.22 | 5.71 | 30.16 |
| 付费搜索 | 0 | 0 | 11.11 | 2.86 | 0.11 |
| 邮件 | 0 | 0 | 22.22 | 5.71 | 6.61 |
| 引荐 | 0 | 0 | 11.11 | 2.86 | 16.64 |
| 直接访问 | 0 | 100 | 11.11 | 40 | 44.78 |
示例数据。表中数值单位为百分比(%);每个模型列合计为 100,两位小数因四舍五入可能相差 0.01。
算式如下,方便你复算:
- 线性。 9 次会话每次得 1 ÷ 9 = 11.11%。自然搜索、自然社交、邮件各出现 2 次,所以各得 22.22%;付费搜索、引荐、直接访问各出现 1 次,所以各得 11.11%。
- 位置(40/20/40)。 首触(自然搜索)得 40%,末触(直接访问)得 40%,中间 7 个触点平分 20%,即每个 20 ÷ 7 ≈ 2.86%。自然搜索还有一个中间触点:40 + 2.86 = 42.86%。自然社交和邮件各有 2 个中间触点:5.71%。
- 时间衰减(半衰期 7 天)。 每个触点得权重 w = 2^(−d/7),d 是距转化的天数。9 个权重之和为 2.2332;把每个权重除以这个和。转化那次会话(d = 0)得 1 ÷ 2.2332 = 44.78%,早 4 天的 LinkedIn 访问得 30.16%,早 10 天的引荐得 16.64%,更早的趋近于零。
关键在于四个「只助攻」的渠道——自然社交、付费搜索、邮件、引荐——它们从不作为首触或末触出现。首次和末次点击给它们零。线性给每个实打实的功劳;位置和时间衰减给它们较小但非零的份额。只读末次点击那一列,你就会砍掉做了大部分培育工作的四个渠道。示意图画的是线性拆分;换成末次点击,整条 bar 只会被直接访问占满。
列与列之间的落差本身就是结论。自然搜索从 100(首次)到 1.71(时间衰减);直接访问从 0(首次)到 100(末次)。没有任何一个数字是某个渠道的「真相」——每个数字回答的是不同的问题。这正是五列要并排摆、而不是用一列取代其他列的原因,也是预算决策至少要引用其中两列的原因。
各渠道的线性功劳 · 一笔 demo 请求
功劳占比回看窗口会切掉什么
回看窗口决定哪些会话算数。TapCub 默认 30 天(可设 1–90),并且包含转化那次会话。在 Acme 这段 88 天的旅程里,默认窗口是一种截断,不是一个可以忽略的设置。
只保留转化前 30 天内的会话,9 次里只有 4 次幸存:−20 天的邮件、−10 天的引荐、−4 天的自然社交、0 天的直接访问。5 次被切掉——Ana 和 Ben 的全部,加上 Cara 的对比页访问。后果很具体:
- 首触功劳从自然搜索移到邮件,因为邮件成了幸存触点里最早的一个。
- 自然搜索和付费搜索在每个模型里都归零;它们完全落在窗口之外。
- 线性现在把 25% 平分给 4 个渠道,而不是把 11.11% 分给 9 次会话。
同一个账户,在 30 天窗口下看起来是一笔邮件主导、4 个渠道的单子,在 90 天窗口下则是搜索主导、6 个渠道的单子。规则是:把窗口设到能覆盖你典型销售周期的长度。90 天时 Acme 的 9 次会话全部幸存(最早是 −88 天)。如果你的周期超过 90 天——比如首访在 −120 天——那些早期触点在任何设置下都进不了模型。不要硬塞;把它们记成自报来源(「你从哪里听说我们?」)或 CRM 备注,当作定性佐证,而不是模型功劳。
90 天时单触点模型也稳定下来:首次点击仍归自然搜索、末次点击仍归直接访问,因为两个端点都幸存;位置模型则在全部 9 个触点上保持 40/20/40 的形状。放宽窗口不只是多加几次会话——它找回了 30 天默认值藏起来的开启与收尾触点,而这正是长 B2B 周期需要看见的功劳。
按要回答的问题选模型
没有哪个模型是「对的」;每个模型回答不同的问题。按你要做的决策来选,并且在动预算之前多读几列。对比归因模型帮助页演示了并排视图。
| 要回答的问题 | 模型 | 陷阱 |
|---|---|---|
| 哪些渠道参与了? | 线性 | 把随手读博客和促成转化的 demo 等同看待 |
| 谁开启、谁收尾了这笔单子? | 位置(40/20/40) | 低估中间的培育触点 |
| 近期转化由什么驱动? | 时间衰减(半衰期 7 天) | 在长周期里低估早期调研 |
| 谁推了最后一下? | 末次点击 | 把只助攻的渠道全部归零 |
| 旅程从什么开始? | 首次点击 | 忽略此后培育单子的所有触点 |
两条「如果…就…」规则。如果你在决定哪些渠道值得继续投,就把线性和位置一起读:线性看谁参与了,位置看谁开启、谁收尾。如果你在判断近期活动的势头,时间衰减会加重靠近转化的触点——但它会低估开启一笔长单子的早期调研。
一条平台说明,附官方出处:Google 在 2023 年把规则类模型——首次点击、线性、时间衰减、位置——从 Google Ads 和 GA4 下线,把数据驱动设为默认,末次点击保留(Google Ads 公告)。GA4 现行的归因设置见归因入门。要点不是「照抄 GA4」,而是:单一默认列本身是一种选择,你得先知道它回答的是哪个问题,再据此行动。
关于数据驱动模型再说一句:它从你自己的转化路径里学习功劳,这需要量。B2B 网站每月转化往往太少,撑不起一个稳定的学习模型,所以上面这些规则类模型仍是务实之选——它们透明、能在单个账户上复算,Acme 那张表就是证明。如果你确实有量,就把数据驱动列当作又一个用来对比的视图,而不是判断的替代品。
线下与暗漏斗触点
有些触点永远到不了你的分析里:一次播客提及、一条 Slack 推荐、一段展会走廊里的交谈。这些就是暗漏斗。你不可能全部找回,但一条三步规则能抓住要紧的那些:
- 在转化的节点问。 在 demo 表单或首次聊天里问「你从哪里听说我们?」,把答案记成一个事件或一个 CRM 字段。要给从未追踪到的触点记功,只能靠自报来源。
- 守住 UTM 纪律。 给你掌控的每条链接——邮件、社交、合作伙伴投放——打上口径一致的 utm_source、utm_medium、utm_campaign,让能追踪到的触点落进正确渠道,而不是掉进直接访问。
- 记录线下事件。 把展会扫码、网络研讨会出席、销售通话结果作为绑定到人的事件导入,让它们汇入账户路径。Lemon 和 Verhoef 的触点分类是一张好用的清单:品牌自有触点你可以打标签,合作伙伴自有触点你可以问,客户自有和社交通点大多只能靠问来捕捉。
对极限要诚实:一条你从未听说的私下推荐,仍然记不上功。自报来源能找回一部分,但带有回忆偏差。把暗漏斗功劳当作方向性参考,而不是精确值。
分析 vs CRM:哪个数字归谁
归因百分比和成交金额住在不同的系统里,把它们混在一起,正是 B2B 报表出问题的地方。分析管旅程,CRM 管钱。
| 数字 | 归属 | 原因 |
|---|---|---|
| 会话、路径、触点 | 分析 | 转化前观测到的 |
| 模型功劳百分比 | 分析 | 由账户路径算出 |
| 目标转化(demo 请求) | 分析 | 定义为事件或页面 |
| 商机阶段 | CRM | 销售判断,不是网站事件 |
| 成交金额与日期 | CRM | 商业记录,分析里不存 |
交接分三步。首先,在分析里定义转化(demo 请求),在 CRM 里定义商机阶段。其次,把成员的路径合成一条账户路径,在上面算出各模型的功劳。再次,在表格里把这些百分比乘以 CRM 的成交金额。TapCub 不存商机或成交金额——这步映射在它之外完成。
示例数据:Acme 的单子以 $60,000 成交(来自 CRM)。套用线性份额,自然搜索、自然社交、邮件各得 2/9 × $60,000 = $13,333.33,付费搜索、引荐、直接访问各得 1/9 × $60,000 = $6,666.67。合计 3 × $13,333.33 + 3 × $6,666.67 = $60,000。百分比来自分析,$60,000 来自 CRM,两个系统都不单独持有两者。
把交接字段一次约定好、写下来:账户标识、转化联系人、转化日期、所用模型、回看窗口、功劳百分比。这些固定下来,市场和销售每个月都用同一种方式核对同一笔单子,而不是争论谁的数字才对。
B2B 归因的常见误区
四个误区,每个都用 Acme 例子里的数字来纠正:
- 只读末次点击。 末次点击把全部功劳(100)给直接访问,把四个只助攻渠道归零。纠正:把线性和位置摆在旁边一起读;自然社交、付费搜索、邮件、引荐在那里都有功劳。
- 长周期却留着默认 30 天窗口。 30 天下,Acme 的 9 次会话有 5 次消失,自然搜索和付费搜索归零。纠正:把窗口设到周期长度,最长 90 天。
- 把匿名和机器人流量算进分母。 未识别的访客无法归到账户,机器人会抬高会话数。纠正:识别登录的人、把他们归进账户,并把机器人流量分开,免得稀释转化率。
- 凭一列就动预算。 时间衰减给直接访问 44.78%、给自然搜索只有 1.71%,而线性给自然搜索 22.22%。纠正:绝不凭单一模型重新分配;对比各列,并拿 CRM 里的成交单子来验证。
在 TapCub 里把这个例子走一遍
还是 Acme 那笔 demo 请求。TapCub 的归因报表按「转化的那个人」自己的会话打分,所以你先看到的是按人的视图;汇总到账户是你要补的一步。TapCub 负责衡量旅程,它不是 CRM,成交金额留在你的 CRM 里。
- 识别人并归到账户。 每个成员登录后调用
tapcub.login,再调用tapcub.group('company', 'acme', {...})把他们放进同一个账户;一个人可以属于多个账户。匿名访客不会成为账户成员,所以这 4 个人都要先被识别。见用 groups 分析账户。 - 看账户和健康分。 全端分析 › 用户 › 账户 显示账户数、30 天活跃账户、成员和 0–100 的健康分;打开 Acme 能看到成员和近 30 天的活动。Acme 的算式:40 ×(3/4 活跃成员)+ 30 ×(12/30 活跃天数)+ 30(最近 7 天内出现过)= 72/100,说明这个账户很活跃,值得销售去聊。
- 把 demo 请求并排打分。 在 全端分析 › 行为分析 › 行为分析 里选归因,目标设为 demo 请求,回看窗口设成 90 天(默认 30,范围 1–90,含转化那次会话),五个模型全选,每个模型一列。主体默认是「人」,所以 Dana 的请求只在她自己的 3 次会话之间分功劳:首次是推荐,末次是直接访问,线性各 33.33%,位置模型 40/20/40,时间衰减约 18.17% / 32.92% / 48.91%。这正是上文说的按人记功的盲区。见对比归因模型。
- 把成员汇总成账户路径。 从 Acme 账户里逐个打开成员,进入 全端分析 › 用户 › 用户 的档案,按天排列的时间线列出了他们的访问。把 Ana、Ben、Cara、Dana 的会话合起来,就是那条 9 个触点的路径;上面那张五模型表就是手工做的这一步——TapCub 没有账户级的归因报表。
- 加上花费,再交给 CRM。 在 全端分析 › 经营分析 › 渠道 ROI 导入花费(CSV 或逐条,按天、渠道、来源、活动),按渠道看单次点击成本(花费 ÷ 会话)。这里的单次获客成本按订单里的购买数算,只有 demo 请求、没有订单的漏斗,这一列会是空的。商机阶段、金额和成交日期留在 CRM;在表格里把模型百分比乘以 CRM 金额,就是上面那笔 $60,000 的映射。
几条边界要说清楚:回看窗口上限 90 天,更长的周期要靠自报来源或 CRM 备注补早期触点;归因给的是转化前的会话功劳,不是点击到安装的匹配;TapCub 不做 CRM、商机管理或线索打分;匿名访客不会进账户;机器人和真人分开统计,爬虫不会抬高会话数。
常见问题
什么是 B2B 营销归因?
B2B 营销归因,是把一笔成交单子的功劳分给影响过它的营销触点。因为 B2B 单子涉及一个采购委员会、跨越数周或数月,功劳要在账户层面算——把每个成员的会话汇成一条路径——而不是在单个访客层面算,后者会藏起旅程的大部分。
哪个归因模型适合 B2B?
没有单一模型能回答所有问题。线性看哪些渠道参与了;位置(40/20/40)强调开启和收尾单子的触点;时间衰减加重近期触点。把几列并排读,并在动预算前拿成交单子验证。单看首次和末次点击,会把培育长 B2B 单子的只助攻渠道全部归零。
为什么 B2B 归因这么难?
三个原因:销售周期长过长回看窗口、采购委员会成员各自接触不同渠道、还有你追踪不到的线下或暗漏斗触点。在 Acme 例子里,30 天窗口切掉 9 次里的 5 次,按人记功的报表只看到 9 次里的 3 次。账户级归组加 90 天窗口能解决大部分。
怎样衡量 B2B 营销归因?
识别登录的人并归进账户,定义转化,把回看窗口设到销售周期长度,再并排读几个归因模型。然后把成员路径合成一条账户路径,算出功劳百分比,在表格里乘以 CRM 的成交金额。分析提供百分比,CRM 提供金额。
长销售周期该设多长的归因窗口?
设到能覆盖你典型周期的长度,最长到 90 天上限。90 天时 Acme 的 9 次会话全部幸存;30 天默认下只有 4 次,首触功劳还会从自然搜索移到邮件。如果周期超过 90 天,就把早期触点记成自报来源或 CRM 备注,而不是硬塞进模型。
资料来源
- Google. 归因入门. GA4 帮助——报告归因模型、可获信用渠道、关键事件回看窗口。2026-11-15 核验。
- Google. 关于向数据驱动归因迁移. Google Ads 帮助,2023-04-06——首次点击、线性、时间衰减、位置下线;末次点击不受影响。2026-11-15 核验。
- Lemon, K. N. & Verhoef, P. C. (2016). Understanding Customer Experience Throughout the Customer Journey. Journal of Marketing 80(6):69–96——客户旅程触点分类。2026-11-15 核验。
- Gartner (2023). How to Adapt Sales Strategies to the Current State of B2B Buying. 771 名 B2B 买家调查——75% 偏好无销售介入的购买体验。2026-11-15 核验。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

