4、常见归因模型（上）：末次点击归因、首次点击归因、线性归因的适用场景、优缺点与计算逻辑

归因模型是广告投放优化中“分功劳”的核心规则。在同一个转化路径上，用户可能先看到信息流广告，再搜索品牌词，最后点击朋友圈广告完成下单。如果没有统一的归因规则，优化师无法判断哪条渠道真正驱动了转化，预算分配也就失去了依据。本章聚焦三种最基础的归因模型——末次点击归因、首次点击归因和线性归因，从计算逻辑、适用场景、优缺点三个维度展开，并结合电商、线索收集等典型场景进行拆解。

4.1 末次点击归因：最直接但最“短视”的模型

核心原理

末次点击归因（Last Click Attribution）将转化的全部功劳（100%）分配给转化发生前的最后一次点击。在广告平台的后台，这是默认设置最普遍的归因方式。其计算逻辑非常简单：系统只记录转化路径上最后一个点击来源，并把这个来源记为“转化来源”。

判断方法与操作流程

1. 确认转化路径：在广告后台或第三方监测工具（如Google Analytics、神策、GrowingIO）中查看用户转化前的点击序列。
2. 定位末次触点：找到时间轴上距离转化事件最近的一次点击记录。
3. 分配功劳：将该转化的价值（订单金额、线索数量等）100%计入末次触点对应的渠道。
4. 汇总报表：按渠道/计划维度汇总所有转化价值，形成归因报表。

案例拆解：某教育机构线索收集场景

某在线教育机构在腾讯广告、抖音、百度搜索三个平台投放获客。一个典型用户路径为：抖音刷到品牌广告（曝光未点击）→ 3天后百度搜索“XX教育怎么样”→ 点击搜索广告 → 填写表单留资。

在末次点击归因下，这条线索的100%功劳归属于百度搜索广告。优化师看到的数据是：百度搜索ROI为1:4.5，抖音ROI为1:1.2。于是决策者倾向于加大百度搜索预算，缩减抖音预算。

复盘发现的问题：抖音广告虽然未产生直接点击，但承担了品牌认知建立和兴趣激发的角色。缩减抖音预算后，百度搜索的品牌词搜索量下降了32%，整体线索量下滑20%。这说明末次点击归因低估了前置渠道的“助攻”价值。

常见误区与总结复盘

• 误区一：认为末次点击归因是“最准确”的，因为它直接关联了转化动作。实际上它只反映了“临门一脚”，无法衡量整个助攻链路。
• 误区二：在跨设备场景下，末次点击可能来自手机，但用户最初是在电脑上看到广告的，导致电脑端渠道功劳被完全忽略。
• 适用场景：当转化路径短、决策周期短（如低价日用品、冲动消费类商品）时，末次点击归因的误差较小；或者当广告目标仅为“直接转化”而非品牌建设时，该模型足够使用。

4.2 首次点击归因：重视“第一印象”的拉新模型

核心原理

首次点击归因（First Click Attribution）与末次点击归因正好相反，它将100%的转化功劳分配给用户转化路径上的第一次点击。该模型的核心逻辑是：没有第一次的触达和点击，用户根本不会进入后续的转化流程，因此首次触点才是“启动器”。

判断方法与操作流程

1. 定义“首次”边界：通常以归因窗口期（如7天或30天）内的第一次点击为准。超过窗口期的点击不纳入计算。
2. 回溯用户路径：在监测工具中查看用户转化前的完整点击序列，找到最早的一次点击记录。
3. 分配功劳：将转化价值100%计入首次点击来源。
4. 对比分析：将首次点击归因报表与末次点击归因报表对比，识别“拉新渠道”和“转化渠道”的差异。

案例拆解：某美妆品牌新客获取评估

某美妆品牌在小红书、抖音、天猫直通车三个渠道投放。用户路径为：小红书看到种草笔记 → 点击笔记中的商品链接 → 跳转天猫浏览但未购买 → 3天后在淘宝搜索品牌名 → 点击直通车广告 → 完成购买。

在首次点击归因下，这笔订单的100%功劳归属于小红书渠道。品牌据此判断小红书是核心拉新渠道，持续加大小红书投放。同时，天猫直通车在首次点击归因下ROI仅为0.8，看似“不划算”。

关键洞察：如果只看末次点击归因，天猫直通车ROI高达5.2，会被误判为最优渠道。但首次点击归因揭示了真相：直通车承接了大量“品牌词”搜索流量，这些流量本质上是小红书种草后的“收割”。品牌最终采用双模型对比：小红书负责拉新（首次点击归因），直通车负责收割（末次点击归因），预算分配更加科学。

常见误区与总结复盘

• 误区一：认为首次点击归因能解决所有归因问题。实际上它完全忽略了转化前最后几次关键推动，容易高估“只负责种草、不负责转化”的渠道。
• 误区二：在品牌曝光类广告（如开屏广告）中，用户可能只曝光未点击，首次点击归因无法衡量曝光价值，导致品牌广告被低估。
• 适用场景：新品牌冷启动、新品上市、以拉新为KPI的投放阶段。当业务目标是“获取新用户”而非“促进复购”时，首次点击归因更有参考价值。

4.3 线性归因：平均主义的“公平模型”

核心原理

线性归因（Linear Attribution）将转化的功劳平均分配给转化路径上的每一个点击触点。假设一个用户转化前有4次点击，则每个触点各获得25%的功劳。该模型的核心思想是：转化是多个触点共同作用的结果，不应偏袒任何一方。

判断方法与操作流程

1. 统计触点数量：在归因窗口期内，统计用户从首次点击到转化之间的所有点击次数（包括重复点击同一渠道的情况）。
2. 计算平均功劳：将转化价值除以总点击次数，得到每个触点的平均贡献值。
3. 汇总各渠道功劳：如果一个渠道在路径中出现多次，则累加该渠道每次获得的平均功劳。
4. 生成报表：按渠道汇总线性归因下的转化价值，与末次/首次归因进行对比。

案例拆解：某SaaS企业多触点评估

某SaaS企业通过信息流广告、行业KOL软文、邮件营销、销售跟进四个触点推动用户注册试用。一个典型用户路径为：点击信息流广告 → 阅读KOL软文并点击链接 → 收到邮件点击进入官网 → 再次点击信息流广告 → 完成注册。

在末次点击归因下，第二次信息流广告点击获得100%功劳；在首次点击归因下，第一次信息流广告点击获得100%功劳。两种模型都忽略了KOL软文和邮件营销的贡献。

在线性归因下，路径共有4次点击，每次获得25%功劳。信息流广告出现2次，合计获得50%；KOL软文获得25%；邮件营销获得25%。这一结果更全面地反映了各渠道的协同作用，帮助市场团队识别出KOL软文和邮件营销并非“无效渠道”，而是转化链路中不可或缺的助攻环节。

常见误区与总结复盘

• 误区一：线性归因“平均主义”会稀释核心渠道的价值。如果一个渠道确实贡献了80%的转化驱动力，线性归因会将其功劳压缩到与次要渠道相同水平，导致预算分配失真。
• 误区二：线性归因未考虑触点顺序和间隔时间。两个相隔1分钟的连续点击与两个相隔7天的点击，在线性归因下获得相同权重，这不符合实际影响力差异。
• 适用场景：当各渠道角色相对均衡、没有明显的主次之分时，线性归因能提供更全面的视角。它适合作为“基准模型”，与末次/首次归因对比，帮助团队理解渠道角色的多样性。

4.4 三种模型对比与选择策略

实战选择建议

• 预算有限、追求直接ROI：优先使用末次点击归因，快速判断哪些渠道能直接带来转化。
• 品牌建设期、关注新客增长：采用首次点击归因，识别真正的“拉新入口”。
• 多部门协同、需要统一口径：使用线性归因作为基础模型，让各渠道都能看到自己的贡献，减少内部争议。
• 进阶做法：将三种模型的结果并列展示，观察同一渠道在不同模型下的表现差异，从而判断该渠道在用户决策路径中的真实角色。