随着营销触点的增加，消费者的购买路径开始变得愈加复杂，如何精准识别渠道贡献优化预算分配，成为许多出海营销人员共同关心的问题。要深入解答这一问题，我们需要从这个问题的底层逻辑入手——即营销归因。
1月14日TrueMetrics和impact.com一起就归因主题进行了直播分享，本文内容为TrueMetrics咨询总监Scarlett Zhang（张默宇）分享文字稿回顾，重点讲解了因为归因问题造成的平台间数据差异的原因以及解法。
今天我的分享包含三方面内容：一是探讨归因问题产生的原因及影响因素；二是针对出海营销，介绍常见的归因模型选择及TrueMetrics的建议；三是从长期时间线来看，随着生意进程的积累，必然面临选择新渠道、在有限预算下提升ROI等问题，我们也会分享TrueMetrics在长期归因分析方面的最佳实践。
为什么要讨论归因问题？
我们先来说说归因问题的成因。这个问题其实很常见，因为今天在座的小伙伴大多与买量端相关。买量处于转化漏斗的上层，需要先进行种草或品牌声量推广，像游戏可能还有预售阶段，尚未进入直接转化流程。
那该如何定义广告的贡献呢？
像Facebook、谷歌广告等，都在探讨如何验证广告投放的价值。我们与impact.com交流时也发现，很多小伙伴除了使用广告系统、社媒或工具系统外，还有自己一方自采的工具数据，但这些数据口径常常对不上。这背后的原因是什么呢？
现在这个问题越来越受关注，一个潜在因素是我们与客户的触点越来越多。比如独立站、应用，还有线下布局、直播、亚马逊、TEMU等不同触点。
真实的购买者、消费者或留资者，在达成最终贡献前，会接触众多触点，这些触点可能是已知的、未知的，且相互组合发挥作用。
所以归因问题的成因就在于，真实的营销过程中，用户不会一到网站或应用就直接达成最终转化目标，过程中往往有时间延迟和多次接触不同触点。
比如slide展示的例子，我们要考虑如何归因，把最终转化的100块钱分给不同渠道，近的渠道分多少，远的渠道分多少，或者某个渠道是否会有后续影响等，这些都是在选择归因模型后需要探讨的问题。
在探讨归因数据差异时，有四个关键校验点，我们从后往前依次来看。
首先是转化采集方式
例如，我们有谷歌广告、Meta等广告平台数据，还有impact.com平台数据以及GA或自研后台自采数据等。这些数据的采集触发时机是否相同很关键，若采集时间不同，归因结论必然有差异。
第二是渠道识别
这是今天重点要讲的内容。多数广告平台并非全渠道识别，只能识别部分基于规则的渠道；而像自研工具或GA这类工具，可能是近似全渠道识别的，这两者之间得出的结论自然不同。
第三是归因模型选择
我们选用的模型是否相同很关键，归因模型中涉及回溯期问题，即在转化前多长时间内的渠道要分摊价值，是7天、14天、30天还是90天等，这都会影响最终结论。
最后是隐私授权管理的影响
尤其在海外市场，如欧盟地区，用户是否同意数据采集，不同平台会有不同处理方式，这也会影响最终结论。
是否是“全”渠道识别？
我们重点围绕归因课题，讲第二和第三点。第一个就是关于全渠道识别，在这儿先给到大家一个概念，即大多数的三方广告类工具，或者说买量平台的工具是不做全渠道识别的。这并不是他们的问题，因为作为广告端或者买量端的平台，它整体受制于广告主的授权情况和数据共享情况。
以谷歌广告为例，它能够回溯的主要还是自己的流量，也就是我能够知道有多少人观看以及点击这个广告了，并最终抵达网站或APP产生转化。
但中间过程如用户是否点了别人家广告、是否自然抵达网站等信息是缺失的。所以即便归因模型、回溯期选择一样，结论也会有差异。
这就导致常见的情况是，最终转化了100块钱，Meta、谷歌、affiliate都算了。
因此，我们通常建议客户拥有自己的全渠道识别工具能力，这样就能更客观、灵活地选择适合自己的归因方式。
渠道的识别原理
渠道识别原理主要有以下几种：
基于流量标记
- 广告平台自带标记：这是最普适且受广告主控制的方式。广告厂商会为自己的点击型流量打标，如谷歌的gclid、Meta的fbclid。怎么识别呢？用户点击广告抵达网站时，网址后会带有这类识别码，但只有对应广告平台能识别。
- 广告主主动打标：出海常用的是utm标记，这是谷歌原生的标记理论，主要有五个参数。我们建议应打尽打，无论是付费渠道还是非付费渠道，如自己发的邮件、短信、二维码等，都加上utm标记，以便更主动地判定流量来源。
基于中转链接
当合作像impact.com这类平台，涉及affiliate或社交媒体时，常采用中转链接形式。流量会快速跳转，虽用户不可见，但有中转链接，可更准确计数，从而知道有多少通过affiliate链接抵达网站。这也是affiliate工具数据可能高于GA采集数据的原因之一，因为识别原理不同。
数据共享和归因API
在APP端，尤其是IOS，较多通过数据共享和归因API来实现渠道识别。
引荐路径
全渠道识别除了打标和数据共享方式外，还会用到引荐路径，即用户进入网站前的上一个站点是什么。像GA、Adobe以及国内常用的sensors等工具，都能实现这部分功能，从而更好地实现全路径识别。
归因模型
回溯期的设置
如果大家涉及到数据差异的时候，首先，要自查是否实现了全渠道识别，识别方式要尽可能全面，建议标记应打尽打，这是渠道识别原理的关键。
其次，归因模型本身的选择也很重要。模型和回溯期是两个核心要素。以谷歌广告为例，其回溯期设置可能会影响结论。
若系统回溯期为90天，与设置为7天的系统相比，结论必然不同。因为7天回溯期可能使upper funnel种草阶段的渠道吃亏，这些渠道可能在更早时间点就触达了用户。
所以对于广告类平台，尤其当种草型campaign较多时，建议适当延长回溯期，以便更准确地评定这些种草campaign对最终转化的贡献。
常见归因模型的工作原理
市面上常见的归因模型有几类，一个大家比较熟悉的最终归因，所有价值都给最后一个渠道；首次归因，所有价值都给第一个渠道；还有线性均摊的，根据位置是首尾比较多，中间均摊；以及时间衰减型，离最终转化越近拿到的价值越多。
在实际应用中，我们建议如果现阶段比较注重拉新的品牌，可以重点看一看首次归因的模型，因为它能够看到一开始谁的带量效果比较好。
如果团队数据精简，没有特别好的标准，推荐线性模型和位置归因模型，这样每个触点都能获得一定规则模拟的价值。
如果品类转化周期较长，可考虑时间衰减模型，让离最终转化越近的渠道权重适当高一些。
以数据驱动的归因
那谷歌到底是采用什么模型呢？谷歌的归因模型主要是数据驱动归因模型（Data-Driven Attribution, DDA）。
点一次搜索，点一次展示广告，点一次邮件，最终转化。那我们会模拟说，如果我把中间这个渠道抽走，转化的概率是上升还是下降？从而明确展示广告在这样一个渠道组合里的贡献度。我把搜索抽走，如果没有搜索的话，转化的概率是上升还是下降？以此类推，无限的循环。
实际上，在非建模能力团队比较强的组织里，尝试还原谷歌的模型，其实是不太现实的。我们的建议是它确实是一个很客观的模型，如果条件允许的话，我们建议用户可以考虑以这个模型作为参考。
但是如果企业发展阶段还处在初期阶段，选择一些规则式的模型是比较容易在企业内部达成共识，这样大家做决策的时候也不会再去纠结结果。
行动建议
数据采集端
- 保持触发条件和采集时机一致：尽量确保所有广告工具在网站或应用上的数据采集时机一致。虽然实际操作中很难做到100%相同，但这样可以减少因数据采集端口径差异造成的数据误差。
- 新平台或代码上线时密切监控：当有新的广告平台或代码部署到网站或应用上时，要密切关注一段时间，及时进行校准。
归因模型
- 选择全公司认可的归因工具：对于初级出海的小伙伴，可以选择GA4免费版。随着业务发展，如果有更多付费选择，可以酌情考虑，但至少要有一个全公司认可的单一数据口径，以便进行长期的数据对比分析。
- 保持回溯期和归因模型一致：将其他广告平台和工具的回溯期和归因模型尽量与主要归因工具保持一致。例如，如果主要工具设置为90天回溯期，其他工具也尽量设置为90天。
- 考虑多触点模型：不要只依赖单一触点模型，如末次归因（Last Click），因为这会对营销广告种草端的同事非常不利。多触点模型如数据驱动归因或复杂的时间衰减均摊模型，可以更全面地评估各渠道的贡献。
- 周期性回顾和校准：定期回顾和校准归因结论，及时评定投放效果和引流效果是否理想，并根据需要重新分摊衡量。
针对GA4的额外建议
- 部署User_ID：如果条件允许，建议在网站和APP上部署User_ID，即用户登录后的ID。这样在记录用户数或转化时，识别标识不再是单一的匿名ID，而是实名ID，有助于更准确地识别用户。
- 选择进阶的授权管理模式：如果涉及欧洲市场投放，建议选择Consent Mode的进阶模式，以符合当地的数据保护法规。
- 部署Enhanced Conversion：如果有比较多的谷歌类广告投放，建议部署Enhanced Conversion版本。在转化时传递一个匿名的实名ID（可以是邮箱或电话），有助于广告平台更好地串联整个用户转化路径，提高归因的准确性。
正确的归因分析应该怎么做？
刚才都在说数据差异形成的成因，那么正确的做法应该是怎么样的呢？从咨询公司角度来说，它不是一个单一结论的事情，它一定是个矩阵。
归因分析矩阵
首先，归因模型的对比选择至关重要，我们应结合多种归因模型来定义渠道的贡献和价值。
其次，定性分析是归因分析矩阵中不可或缺的一部分。通过可视化转化路径，我们可以清晰地看到用户在转化前的触点顺序。
例如，用户是先接触到谷歌广告，还是先看到Meta的广告？是通过Meta的campaign互动，还是在看到affiliate广告后才最终转化？这种可视化的定性分析能够帮助我们更好地理解用户的行为路径。
再来就是转化的耗时转化路径的长度，用户是通过三个渠道迅速转化，还是经过20天的多次触达才完成转化？这些因素直接影响我们对回溯期和归因模型的选择。
此外，如果条件允许，我们建议大家可以考虑去监测一下曝光，尤其是对于那些以品牌知名度和覆盖面为主要目标的广告。
虽然大多数工具主要关注点击型归因，即用户点击进入网站或APP后才开始追踪其来源和转化贡献，但曝光本身也可能对用户的行为产生重要影响。通过监测曝光，我们可以更好地了解在用户最终点击之前，是否已经通过视频广告等形式触达过用户，以及这些曝光对品牌回忆能力的影响。
最后，第三方因素的影响也需要纳入考虑范围。
例如，在购物季等关键时期，即使我们的预算与去年持平，但竞争对手可能采取了更激进的市场策略，这可能会对我们的数据表现产生影响。
因此，在归因分析时，需要综合考虑这些外部因素，以更准确地评估营销活动的效果。
分析3个要素：有监控、建标准、有预警
首先，打标是基础且重要的一步。如果条件允许，无论是付费还是免费渠道，都应尽可能地打上流量标记。
如果你使用的是GA这类系统，可以采用utm标记；如果不是，以对应的系统为准。这一步的目的是为后续的数据分析提供清晰的源头标识。
其次，我们需要建立流量分析矩阵。将数据标准化导出，并放入可视化看板中，这样公司内部不同运营平台的同事都能看到统一的数据。
这不仅能帮助我们更宏观地看待特定渠道和特定广告系列在最终转化前的作用，还能逐步形成企业内部的基准化数值。
例如，跳出率、转化率、ROI、拉新效果等指标的合理范围是多少？这些数据积累是建立标准化的必要基础。
进一步，如果条件允许，我们应考虑引入自动化方案。
这是一个渐进的过程，一开始企业可能无法直接投入大量资金用于自动化，但随着基础搭建完成，可以逐步向自动化过渡。
例如，目前的报告可能是周期性手工制作的，按月或按季度回顾，但未来可以逐步引入自动化工具，提高效率和准确性。
最终，我们希望达到的终极形态是Marketing Mix Modeling（MMM）。
虽然MMM在传统营销领域更为常见，因为传统营销很难像互联网营销这样精准地追踪到具体用户的行为路径，但在互联网营销中，我们已经具备了更好的数据基础。
因此，我们完全可以更早地开始考虑和应用MMM。MMM可以帮助我们解决隐私合规、三方竞争压力、多销售触点等带来的混合投放策略问题，从而更好地理解营销效果，优化预算分配。
在时间有限的情况下，我快速总结了几点关键建议：首先，尽量实现全渠道识别，并在条件允许的情况下，有意识地为所有流量打上标记。
其次，在企业内部建立一个完整的归因分析矩阵，而不是依赖单一的归因逻辑，比如仅看末次归因。我们应该结合多个归因模型，进行定性分析，关注渠道组合、转化路径长度、转化耗时等因素。
最后，如果条件允许，再考虑更自动化、更进阶的模型方案。
关于触脉咨询
TRUEMETRICS（触脉咨询）是谷歌营销平台Google Marketing Platform（GMP）、谷歌分析 Google Analytics 和谷歌云 Google Cloud Platform （GCP）在大中华区官方认证的服务商，深耕数据领域多年，积累了丰富的实战经验，能够为您提供一站式的数据解决方案，助力您的企业实现数据驱动增长。
我们的核心优势在于：
- 深厚的Google生态系统专业知识： 对Google Analytics 4、Google Tag Manager、Google Ads等工具有着深入的了解，能够帮助您搭建高效的数据采集与分析体系。
- 丰富的行业经验： 服务过众多行业客户，积累了丰富的行业经验，能够为您提供更具针对性的数据解决方案。
- 强大的技术团队： 团队由资深数据分析师、工程师组成，能够为您提供从数据采集、清洗、分析到可视化的一系列服务。
触脉咨询的服务范围包括：
- 数据采集与整合： 打通数据孤岛，构建统一的数据视图。
- 数据分析与建模： 深入挖掘数据价值，发现增长机会。
- 数据可视化： 将复杂数据转化为易于理解的图表和报表。
- 营销效果评估： 衡量营销活动效果，优化资源配置。
欢迎与我们联系，我们将为您提供专业的咨询服务：
- 电话：400-080-5098
- 邮箱：info@truemetrics.cn
- 微信公众号：触脉咨询
- 微信客服：truemetrics_service