TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

什么是归因?模型、算例和怎么选

归因决定哪个触点获得转化的功劳。本文讲五种常见模型,把一个有四次接触的订单放进每种模型里打分,以及怎么按决策来选模型。

索菲娅·贝内特 发布于 2026 年 11 月 18 日 10 分钟阅读 增长与运营
示例数据:一个 200 美元订单有四次接触(付费社交在 21 天前,自然搜索 12 天前,邮件 4 天前,付费搜索在当天)。付费社交得到的功劳从 200 美元到 0 不等,取决于规则。示例数据

归因是决定哪个触点获得转化功劳的规则。买家下单前通常有多个触点,每个模型分配功劳的方式都不同,所以没有正确的模型,只有适合你当前决策的模型。下面是五种常见模型、一个放进所有模型里打分的订单,以及怎么选。

读完你会知道

  • 归因是分配功劳的规则,不是对因果的测量
  • 把同样的转化放进至少两个模型里打分;功劳相差超过两倍的渠道对模型敏感
  • 按决策来选:看发起者用首次触点,看促成者用末次触点,长周期用线性或位置,短期促销用时间衰减

什么是归因,它回答什么问题?

归因(attribution)是决定哪个触点获得转化功劳的规则。买家很少一次访问就完成购买:他们可能点了一条付费社交广告,之后通过自然搜索回来,打开一封邮件,最后在点击品牌付费搜索广告后下单。这四次接触都发生在订单之前。归因就是把这一个订单及其收入分给它们的方法。

关键词是「规则」。没有任何测量能揭示每个触点真正的占比;每个归因模型都是对功劳该如何分摊的一种选择,同样的数据,不同的选择会得出不同的答案。这正是本文依据的判断:没有正确的归因模型,只有适合你当前决策的模型。 下面的算例取一个有四次接触的订单,展示同一个渠道的功劳,会因为规则不同从 200 美元变成 0。

归因分配的是功劳,不证明因果。得到功劳的渠道,可能只是买家本来就要下单时恰好在场。要证明某个渠道带来了销售,需要对照测试,在局限一节里讲。用统计方法给触点加权的进阶做法见多触点归因;本文只讲能用手算出来的规则。更简短的定义在归因一页。

五种常见的归因模型

五种基于规则的模型涵盖了大部分实际工作。列表给出每个规则,下面的表格补充各自适用的场景;之后的小节展示它们对一条真实路径的影响。

  • 首次触点把全部功劳给窗口内的第一次会话。它回答「什么发起了需求?」,忽略所有促成成交的环节。
  • 末次触点把全部功劳给转化之前的最后一次会话。它回答「什么促成了成交?」,忽略所有建立兴趣的环节。它最容易计算,也是多数报表的默认值;见末次点击归因。
  • 线性把功劳平均分给每个触点。它把整段旅程看作团队合作,分不出决定性的触点和偶然的触点。
  • 时间衰减给距离转化更近的触点更多功劳,用一个半衰期来衡量:距离转化每过一个半衰期,触点的权重减半。它适合近期曝光最重要的短期促销。
  • 位置把大部分功劳给首次和末次触点,给中间触点较小的份额,例如两端各 40%,其余的共享 20%。它既重视发起,也重视成交。见位置归因。

Google Analytics 说明了这个选择在实践中有多重要:它的归因文档列出了数据驱动归因(根据每个关键事件的数据分配功劳),以及把全部关键事件价值归给最后点击渠道的末次点击模型。不同工具默认的规则不同,这是同一时期的两份报表很少吻合的原因之一。

模型规则适合风险
首次触点全部功劳给窗口内的第一次会话找出哪些渠道发起旅程忽略所有促成成交的环节
末次触点全部功劳给转化前的最后一次会话评判再营销、品牌搜索这类促成者助攻得到的功劳为零
线性每个触点平均分每个阶段都重要的长旅程分不出决定性的触点和偶然的触点
时间衰减距离转化越近功劳越多(半衰期)短期促销在长周期里低估发起者
位置首次和末次触点得大头,其余共享(例如 40/20/40)既重视发起也重视成交40/20/40 是一种约定,不是发现

基于规则的模型分配功劳,并不证明某个触点导致了成交。

算例:一个订单,四次接触,五种答案

示例数据:一位客户下了一个 200 美元的订单。在此之前,他有四次会话,从下单当天往前数:

触点渠道距订单的天数
1付费社交21
2自然搜索12
3邮件4
4付费搜索0(下单那次会话)

每种规则下这 200 美元的功劳分配:

渠道首次触点末次触点线性位置(40/20/20/40)时间衰减(半衰期 7 天)
付费社交200.00 美元0 美元50.00 美元80.00 美元11.89 美元
自然搜索0 美元0 美元50.00 美元20.00 美元28.99 美元
邮件0 美元0 美元50.00 美元20.00 美元64.01 美元
付费搜索0 美元200.00 美元50.00 美元80.00 美元95.12 美元
合计200.00 美元200.00 美元200.00 美元200.00 美元200.00 美元

数字怎么来的。线性是 200 ÷ 4,每个触点 50。位置模型把 200 的 40% 即 80 给首次和末次触点,剩下的 20%(40)由中间两个平分,各 20。时间衰减按「2 的负(距离 ÷ 半衰期)次方」给每个触点加权,所以权重是 2^(−21/7) = 0.125、2^(−12/7) = 0.305、2^(−4/7) = 0.673 和 2^0 = 1.000;它们的和是 2.103,每个触点得到 200 乘以自己的权重再除以这个和,结果是 11.89、28.99、64.01 和 95.12。

app.tapcub.com

一个 200 美元订单分给付费社交的功劳

示例,按模型的美元数
首次触点200.00 美元
位置80.00 美元
线性50.00 美元
时间衰减(7 天)11.89 美元
末次触点0 美元
示例数据
示例数据:一个 200 美元订单有四次接触(付费社交在 21 天前,自然搜索 12 天前,邮件 4 天前,付费搜索在当天)。付费社交得到的功劳从 200 美元到 0 不等,取决于规则。

这个算例说明了什么

沿着任何一个渠道往下读,功劳都大幅摆动:付费社交在首次触点下是 200 美元,在末次触点下是 0 美元,在时间衰减下是 11.89 美元。邮件在末次点击下多数报表根本不会提到,它得到的是 0、50 或 64.01 美元,取决于规则。付费搜索得到 200、95.12 或 50 美元。订单和收入没变,变的只是规则。

所以并排比较模型,比选定一个更有用。在每个模型下功劳都很高的渠道,承担着真实的分量。只在末次触点下有功劳的渠道是促成者;只在首次触点下有功劳的渠道是发起者。在线性或时间衰减下出现,但在首次和末次触点下从不出现的渠道,是助攻:它很少开始或结束一段旅程,却出现在很多旅程里。在这个算例里,邮件就是助攻,只用末次点击的团队会觉得它一文不值,甚至可能把它砍掉。

敏感度本身就是信号。如果一个渠道的功劳在不同模型之间相差超过大约两倍,说明是模型在做决定,而不是数据,更稳妥的做法是先做一个小测试(在一个地区降低投入或曝光,观察变化),而不是依据一个规则就挪动预算。你的数据里旅程实际有多长,见转化路径。

怎么选模型

先从决策出发,再选能回答它的规则。

如果你要决定…先看原因
去哪里找新需求(认知投放)首次触点它显示哪些渠道发起旅程
保留哪些渠道负责成交(再营销、品牌搜索)末次触点它显示谁完成旅程
在较长的考虑周期里怎么分预算线性或位置每个阶段都有功劳,不会让任何阶段饿着
一次短期促销有没有效果时间衰减近期曝光应该算得最多

然后做三项检查。一是看每个转化的平均触点数:如果接近 1,说明旅程很短,所有模型给出的答案几乎一样,用最简单的就行。二是把回看窗口设成你真实的购买周期;一个要 40 天才能决定的产品,用 7 天窗口会把发起者全部丢掉。三是不要依据单个模型行动;至少比较两个,并找出名次会变的渠道。

归因不能告诉你什么

  • 它不是因果的证明。 有功劳说明触点在场,不说明它改变了结果。对照测试,也就是让一组可比的人看不到这个渠道,才是衡量因果的办法;TapCub 不做这类测试,只负责衡量。
  • 它只看得到被追踪的触点。 线下沟通、私聊里转发的链接、第二台设备,或者会清除标识符的浏览器,都不在路径里。
  • 它取决于窗口。 回看窗口之外的触点得不到功劳,窗口内没有会话的转化仍然是未归因的。
  • 数据驱动模型是估计,不是事实。 统计方法,例如 Shao 和 Li 2011 年关于数据驱动多触点归因的论文,对观察到的路径用逻辑回归,从规律里估计每个渠道的权重。它们的质量取决于喂进去的数据。
  • 不同工具之间互相不一致。 每个平台都把自己接触过的转化记在自己名下,所以各工具加起来可能超过你的订单数。总数用你自己的订单记录。

常见误区

  • 寻找正确的模型。 没有这种东西;按决策来选,如上所述。
  • 为了让某个渠道好看而换模型。 在看结果之前选定模型,并在整个复盘周期里保持不变。
  • 因为末次点击给助攻渠道的功劳是零就砍掉它。 先看线性或时间衰减。
  • 窗口比购买周期短。 发起者会消失,末次触点默认拿走全部功劳。
  • 解读很小的数字。 一个只有 5 个转化的渠道,可能因为一个订单就换了名次;等到几十个再看。
  • 把归因当成花费效率。 功劳除以花费,只有两边口径相同才是有意义的比值;挪动预算前,先和实测的单次获客成本对照。

在 TapCub 里并排查看归因模型

还是上面那个四次接触的订单。在 TapCub 里你可以对很多订单跑一遍,不用表格就看到同样的五列。

  1. 定义目标。 打开 全端分析 › 行为分析 › 行为分析,选择归因,设置度量:一个事件或页面(购买、注册),写法和漏斗步骤一样。这一项必填。
  2. 选择触点和窗口。 触点默认是渠道(渠道为空时退回来源渠道);也可以改成来源渠道、UTM 来源、UTM 活动、来源域名或着陆页。回看窗口默认 30 天(1 到 90 天),并包含转化那次会话本身。
  3. 同时选多个模型。 首次、末次、线性、位置(1 个触点全给;2 个触点各一半;更多时首尾各 40%,中间共享 20%)和时间衰减(半衰期默认 7 天,1 到 90 天)。每个选中的模型是一列已分配的转化,所以在线性里有功劳、在末次触点里没有的渠道会很显眼。TapCub 的时间衰减权重用的是从会话开始到转化的秒数,所以和上面手算的结果会有小差异。
  4. 读四个数字。 转化数、已归因转化数、没有任何触点的转化数,以及一个已归因转化上的平均触点数。每一行还有路径数(包含该触点的转化)、触点会话数和触点转化率(路径数 ÷ 触点会话数)。
  5. 了解限制。 最多计算 5 万次转化;超过之后未归因的数字会偏高。这份报告用的是转化之前的会话,不是安装回传,并且它和 全端分析 › 经营分析 › 渠道 ROI 里的花费表是分开的。

TapCub 衡量并比较这些模型;它不替你决定哪个模型是对的,也不做实验来证明因果。

常见问题

营销里的归因是什么?

归因是把一次转化(比如购买或注册)的功劳,分配给在它之前出现的营销触点的规则。因为买家通常有多个触点,你选的规则决定了哪个渠道看起来有价值。它描述的是功劳怎么分,而不是什么导致了这笔销售。

主要的归因模型有哪些?

五种常见的基于规则的模型是:首次触点、末次触点、线性、时间衰减和位置。首次和末次触点把全部功劳给一次会话;线性平均分配;时间衰减偏向近期触点;位置偏向首次和末次。数据驱动模型则用统计方法估计权重。

哪种归因模型更合适?

没有哪个模型在一般意义上是正确的;合适的那个取决于决策。首次触点显示哪些渠道发起旅程,末次触点显示哪些渠道促成成交,线性或位置在较长的周期里共享功劳。至少并排比较两个,功劳相差超过两倍的渠道要视为对模型敏感。

归因和增量有什么区别?

归因是在转化之前发生的触点之间分配功劳。增量要问的是,没有这个触点,转化还会不会发生,用对照比较来测量,比如保留一个不展示的对照组。归因成本低、随时可用;增量是更强的证据,但需要做一次测试。

回看窗口应该设多长?

和你真实的购买周期保持一致。看看客户购买前,第一次会话和最后一次会话相隔多少天,设一个能覆盖大多数人的窗口。TapCub 的默认值是 30 天,可以设为 1 到 90 天。

另见:归因模型:类型、区别和怎么选。

另见:收入归因:五种模型怎样分配同样的三笔订单。

资料来源

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。

索菲娅·贝内特

产品应用顾问

关注客户上手、在线沟通与自助服务,将常见使用问题整理为清晰的操作建议与改进思路。

同时用多个模型给你的转化打分

选好目标和回看窗口,勾选首次、末次、线性、位置和时间衰减,把每个模型当作一列来读。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie