大多数情况下，某一个单独的流量渠道并不是您唯一连通客户的桥梁，而是多个渠道共同作用的结果。
对于媒体们来说，除了搜索引擎之外，其它媒体经常会抱怨自己的价值被低估。
很多转化路径可能都类似这样：用户看到了社交平台的广告，引起注意，然后自己会去做一些比较，或者和朋友聊天时获取到一些信息，当有购买需求的时候，就会去搜索引擎上搜索，最后通过付费广告进入网站，完成转化。
在这个常见的转化路径中，大多数的转化功劳都被记在“付费搜索”渠道上，包括Google Analytics（在Google Analytics中，除了多渠道路径报告，在其它默认报告中使用“最终非直接点击”模型）。
网站分析工具里的不同归因模型，其实就是为了解决几个问题：转化的产生，到底应该将功劳分给谁？都分给引荐用户入站的最近一个渠道合理吗？在此之前的网站引荐、搜索、其它渠道或者广告投放对这次转化有没有贡献？
1、如何判断渠道的价值
Google Analytics中的【多渠道漏斗】报告，就是用来展示各种营销渠道（网站流量来源）如何共同发挥作用来实现销售和转化。
首先通过【多渠道漏斗】的概览报告，我们可以了解到渠道之间是互相依赖还是一方称王。
上图报告中，叠加区域表示用户是受到渠道的共同影响。这些渠道在最终转化前，曾经分别将用户带入过网站。
未叠加的部分，则表示用户只通过某个渠道的来访完成了转化。其中包括通过这个渠道的多次来访，而不是只代表用户首次通过该渠道即产生转化。
如果通过概览报告，我们发现自己网站的转化几乎没有单独的区域，或者区域较小，大多数都是渠道间的相互叠加的话，那表示我们在选择渠道时，还是要注重渠道之间的配合。或者说到访网站的用户，需要通过多个渠道的了解，才能信任网站。
如果我们在投放时还有Google的展示广告，那概览报告中将会增加“展示广告网络”这个渠道和展示辅助转化次数的指标。
展示辅助转化次数指的是，用户看过广告主投放的广告，但是当时并没有点击入站。由于没有入站，所以Google Analytics并没有记录到这个渠道，但是Google的前端展示广告记录到了这些数据。
其实展示型广告的价值是很容易被“窃取”的。对于用户或者网站来说，自然搜索可能是更权威的渠道、社交平台是更容易获取用户信息的渠道、而付费搜索则是当用户产生迫切需求时选择的渠道。
但是在这些之前，广告的每一次展示其实都会让用户加深会产品或者品牌的印象。
在这个转化路径中，「付费搜索」在Google Analytics中被定义为最终互动渠道；「信息流/视频贴片/社交平台」被定义为首次互动渠道；除「付费搜索」外，其它三个渠道被定义为辅助转化渠道。
关于辅助渠道的定义和分析我们在本文中不做赘述，有兴趣的同学可以查看《实用技巧：如何在Google Analytics中找到流量渠道的“最强辅助”》这篇文章。
02、Google Analytics中的归因模型
Google Analytics中，归因模型的作用是根据不同的业务需求将销售功劳和转化功劳分配给转化路径中的各个接触点。
还是这个转化路径：
用户先看到产品、表现出购买意愿到最后产生购买变成顾客，哪个渠道最有效？第一个？最后一个？还是每一个都有可能？
最终非直接点击模型
上文中我们提到过，在Google Analytics中，除了多渠道路径报告，在其它默认报告中都默认使用“最终非直接点击”模型。
也就是说所有直接流量会被忽略，100%的销售功劳会归功于用户在转化之前点击访问的最后一个渠道，也就是图中的【付费搜索】渠道。
最终非直接点击是相对来说比较常用的归因模型，适用于运营成熟的网站，重视将客户带入网站并最终促成转化的渠道价值。
对于成熟网站，用户对于网站或者品牌的认知已经非常清晰，这种情况下使用最终互动评估，就是要看哪个渠道能带来用户，可能就需要分配更高一些的权重。
首次互动归因模型
将100%的转化价值归功于客户与之互动的第一个渠道，也就是示例中的【社交平台】。
首次互动归因更适用于广告或广告系列旨在建立最初的认知度的情形。比如新品或者新活动上市时，突显哪个渠道更能拉用户进站。
因为一般新品都会大力度的促销，价格有足够的诱惑力，当用户进站后转化障碍较低，所以只要能把用户拉进站，转化不成问题。重点就在于哪个渠道能把用户拉进站。
线性互动归因模型
将功劳平均分配给转化路径中的每个渠道互动。也就是示例中每个触点的渠道将平分转化功劳。
线性互动模型相对更适用于，在整个销售周期内保持与客户的联系并维持品牌的认知度的目的，在这种情况下，每个接触点在客户考虑的过程中都同等重要。
根据位置归因模型
将向首次互动和最终互动各分配40%的功劳，剩下20%的功劳将平均分配给中间的互动。
示例中，【社交平台】和【付费搜索】将各分配40%的功劳，【展示广告】和【自然搜索】将平分20%的转化功劳。
根据位置模型对于功劳的分配相对均衡，强调用户认知网站很重要，并且用户完成转化也很重要，中间渠道也有功劳，但相对不如首尾重要。
时间衰减模型
最接近销售或转化时间的接触点将获得最多的功劳，也就是距离转化越近的渠道价值越高，越远的价值越低。示例中，【付费搜索】将获得最多的转化功劳分配。
我们以一个B2C网站为例，假设由示例中的四个渠道构成了转化路径，这个订单的价格是100元，那根据不同的归因模型进行分配，每个渠道的贡献度将如下表所示：
自定义归因模型
如果是Google Analytics 360用户，还可以同时利用转化数据以及未转化用户的路径数据，配置以数据为依据的自定义归因模型。
除了通过自然搜索、直接流量和引荐流量获得的数据外，以数据为依据的归因模型还会分析来自已经关联到 Google Analytics的所有 Google 产品（如 Google Ads和展示广告投放工具 Campaign Manager 360）的数据。
如下图所示，以数据为依据的归因模型使用来自合作博弈理论的“Shapley 值”解决方案概念，为每种渠道提供算法归因建议。根据营销活动对已经设置的相关效果指标的影响，为营销接触点分配部分功劳。
自定义归因模型的优势在于，可以根据归因模型的本质需要，在评估每个接触点的接触质量后，分配价值权重，更精准的评估渠道价值：
- 一次跳出的来访和浏览3件单品的来访，访问质量不同，权重亦不同
- 相隔一周的两次来访，和同一天的两次来访，印象深度不同，权重亦不同
- 完成了注册的一次来访，和只是常规浏览的来访，目的不同，权重亦不同
对于营销人来说，广告投放是直面用户的重要一环，如果我们不能使用正确、合理的方法归因投放效果，就很难做好后面的优化和投放。而我们在投放前所做的努力很可能不知不觉被损耗。
对于企业来说，有时候往往一个渠道的差别，就能让企业更快、更准找到高价值用户，提高用户购买可能性。
延展阅读
不同工具间对于转化的计数差异
当使用Google Analytics的同时，还在使用Google Ads、Facebook或者其他广告投放工具时，我们会发现Google Analytics中记录的该广告渠道的转化，与广告投放工具中记录的转化数据有差异的情况。
比如Google Analytics中，来自Google Ads或者Facebook的流量达成了90个转化，但是在Google Ads/Facebook中，记录广告投放达成的转化为100个。
造成这种数据差异的本质原因，是不同的工具对于转化记录的归因方式不同，并不意味着某一方的数据是错误的。
以Google Analytics和Google Ads为例：
以上表中的交易日期/时间为例：
为了将广告的转化和费用匹配，Google Ads会将转化记录到广告点击发生的日期，而不是转化本身发生的日期。
比如，用户在 7 月 20 日进行了转化，但广告点击发生在7 月 17 日。Google Ads 中，会将转化归因于点击发生的日期，即 7 月 17 日。而在 Google Analytics中，这次转化，也就是目标达成，将归入 7 月 20 日，即实际完成转化的日期。
每个工具对于转化的计数逻辑、流量的识别、归因方式、转化回溯期的计算都会略有差异，不会完全一致。所以当出现数据差异时，需要先对比工具本身对于转化的定义，很大概率这就是造成数据差异的原因。
关注我们，获取更多数据分析方法及新鲜资讯
