根据Analytic Partners的一份报告，归因模型（如last-touch归因）往往夸大了即时、直接行为（如点击或直接转化）的作用，而低估了推动间接、长期影响的渠道，从而对营销效果产生了扭曲的看法。

该报告对比了传统的归因模型和商业分析，前者将点击等特定行为归为信用，后者是一种更广泛的方法，使用“测试和学习”实验来捕捉每个渠道对销售的长期影响。这种方法揭示了传统模型在哪些地方可能高估或低估了渠道的贡献，从而误判了渠道的有效性。

分析结果显示，付费搜索和直接营销（DM）在归因模型中显示出高度膨胀的有效性得分。特别是，最后一触归因将付费搜索的作用高估了190%，认为它在推动转化方面的作用远远超出了它实际作用。

相比之下，电视和其他通常以建立品牌知名度为导向的上层渠道在最后接触归因模型中被严重低估。以电视为例，其价值被低估了90%，因此其对转化率的长期间接影响在很大程度上被忽略了。直接响应电视也被低估了（-79%）。

有限的数据和归因模型也无法正确追踪数字渠道。特别是社交媒体受到归因缺陷的严重影响，由于广告拦截器和隐私设置等因素，88%的展现量未被跟踪。搜索受到的影响最小，只有15%的展现量因为这些模式的缺陷而“丢失”。

因此，将商业分析提供的“完整市场视图”与“仅使用归因模型可以访问的数据范围”进行比较，可以发现这些渠道提供的ROI提升存在显著差异。有限的模型显示，展现和搜索的投资回报率大约是实际水平的2.5倍（分别为336%和364%），而社交和视频的投资回报率提升都被低估了。

199IT.com原创编译自：Analytic Partners 非授权请勿转载

那中型电商企业的规模、资源都有限，怎么做才能持续提升每一分钱的投资效益？

台湾垂直特卖电商「创业家兄弟」的案例值得探究借鉴。

他们创立之初，智能手机发展迅猛，于是将营销的重点放在移动端的布局上。但不久之后发现一个矛盾点，智能手机的流量成本虽然低，但转化效果并不好。从最终点击的归因模式上来看，大部分转化反而来自PC端。

这种情况下，还要不要坚持移动端作为主要的投放平台？

这里面其实忽略了一个点，就是最终点击归因模式的计算所存在的“bug”。

它的计算方式是将转化全部归功给最后一个点击，试想一下，如果消费者在做出购物决定之前都会用手机查产品的信息，然后再去PC端的网站进行购买。将所有功劳都归为PC端，显然不是很公平，也不全面，会导致忽略掉部分的信息。

那在整个消费旅程中，怎么判断移动端对转化的帮助程度？又该如何证明？

解决这个问题关键点就是能否避免掉最终点击的局限，全面、真实的看到整个消费旅程中，每个接触点的转化情况。

只有这样，才能真正的将营销费用花在刀刃上。

「创业家兄弟」尝试使用数据驱动归因模型（Data Driven Attribution）。通过收集大量的数据，对比能够带来转化以及未能成功转化的路径，从中找到每个接触点实际上对最终转换的影响力高低。

结果如何？

「创业家兄弟」发现，手机在目标受众的消费路径中所带来的转化效果显著，高达55%。证明了押注移动端的营销策略是正确的。

此外，他们通过DDA模型发现了一个被忽略的增长点——通用型关键字。实际上在转化中，通用型关键字起到了很重要的作用。

而之前的搜索广告布局中，「创业家兄弟」主要重点放在核心字词上，比如品牌相关词等等。

调整优化后，通用关键字带来的转化增长了13%，像「居家用品」这类通用字词，转化增长高达47%。这些也直接提升了整体广告投放的效果，广告投资回报率（ROAS）提升了10%。

雀巢曾经也用过同样的方式。

当时，台湾雀巢婴幼儿营养事业部面临数字营销的挑战，消费者路径越来越复杂，只看单一点击很容易错误的评估媒体成效，判断验证每个接触点真正的价值成为难点。

他们选择怎么做？如何了解到每个关键字的价值以及整合的消费者洞察？

举个例子：（仅供参考，不代表广告活动实际操作细节）

在领取「雀巢妈妈孕哺营养胶囊」的消费者路径中，假如有一波用户先是搜“妈妈孕哺”，然后点击了品牌字“雀巢妈妈胶囊”，完成注册注册转化率为2%；但另一群用户，跟上一组相比，多搜索了“怀孕吃什么”这个关键字，最终转化率高达3%。基于这些数据，使用DDA模型进行转化对比。

最终转化率增长了7%，单笔转化成本平均下降10%。

上面的两个案例都用到了「以数据为依据的归因模型」。

它和其他模型有何不同？

最显著的一点就是它依据的是——你账户中的转化数据。基于此，来计算转化路径上每次互动的实际贡献。

所以想使用它，就需要满足一定的数据门槛：

30天内，获得的Google搜索点击次数必须达到1.5万次，并且转化操作获得的转化次数必须达到600次。

正在使用的时候，在30天内获得的Google搜索点击次数下降到1万次以下，或者转化操作获得的转化次数下降到400次以下，那么也将无法继续使用该归因模型。

如果数据量达到要求，想将现在使用的模型转换为DDA模型，进行以下的操作即可：

1、登录你的Google Ads帐号。

2、点击工具标签页，然后选择转化。

3、在该表格中，选择您要修改的转化操作，然后点击修改设置。

4、点击归因模型，然后从下拉菜单中选择以数据为依据的归因。

5、点击完成，然后点击保存。

还有另外一种方式，可以在“工具 > 归因”中，通过“概览”归因报告更新归因模型。只需点击页面顶部的“升级到以数据为依据的归因”横幅，然后按照显示的说明操作即可。

做完更改后，你可能会发现“广告系列”标签页中的报告发生了变化。

像按比例分配的功劳，会根据你选择的归因模型，对于某个具体转化，其功劳会在有贡献的广告互动之间进行分配。因此，“转化次数”和“所有转化次数”列中的数据将开始出现小数。

还有转化耗时，Google Ads根据广告互动的日期报告转化数据。由于非最终点击归因模型在多次互动之间分配转化功劳，且每次互动都发生在不同的时间点，因此与“广告系列”报告相关的转化耗时可能会增加。

发生这种情况时，你可能会在更改归因模型后的几天内看到转化次数暂时略有下降。

这时候，可以查看“路径指标”归因报告中的“发生转化所需的平均天数”视图。比较建议耐心等一段时间，直到发生转化所需的平均天数过去之后再评估效果。

此外，还需要对出价、目标进行更改，因为方式变了之后，可能导致出价过高或过低。如果仅使用人工出价，那就不用太担心这个问题。

但要是用的“目标每次转化费用”或“目标广告支出回报率出价策略”，则更改目标就很重要了，一起来看个例子：

假设你使用的是目标每次转化费用出价，并改用“以数据为依据”的归因模型。过去两周内，两个广告系列在“转化次数”列中的最终点击效果如下所示：

“品牌”（漏斗下端）广告系列：每次转化费用为5美元，共200次转化

“常规”（漏斗上端）广告系列：每次转化费用为20美元，共50次转化

由于是目标每次转化费用出价，所以上述目标也是出价中采用的目标。

现在，如果查看“转化次数（当前模型）”列（反映了过去以数据为依据的归因的效果），将看到：

“品牌”（漏斗下端）广告系列：每次转化费用为6.67美元，共150次转化

“常规”（漏斗上端）广告系列：每次转化费用为10美元，共100次转化

当归因模型从“最终点击”改为“以数据为依据”后，要是目标每次转化费用的目标仍保持在5美元和20美元，那转化次数的变化将意味着一系列的出价更改，因为针对“品牌”广告系列的出价过低，而针对“常规”广告系列的出价过高。

看到这儿，你会想方法好是好，但现在数据量达不到要求，还有哪些模型可以选择？

直接上图：

来自：触脉咨询

亚太地区41%的营销人员表示技术平台和数据资源的差异是更有效使用归因模型的最大障碍。第二大障碍是数据的复杂性，紧随其后的是不能将归因洞察转化为行动。

问题：更有效地利用归因模型的最大障碍是什么？

希望完善归因分析的企业应当考虑他们在这些领域里的表现如何，以及怎么做才能战胜相关挑战。

三大挑战：

• 技术
• 数据
• 技能

技术

掌握正确的技术不能保证成功，但是这绝对是成功的重要因素。

一些企业能快速部署第三方技术，但是许多仍致力于内部整合或新老平台整合问题。

“技术平台差异”越来越成为网络营销各领域的阻碍，归因分析也不例外，41%的受访企业谈到了这一点。

数据

大量数据让许多当代营销人员头疼不已，但是这也正是有效的归因模型重要的原因。

好的归因模型能给营销人员信心去挖掘复杂数据集，并产生可行的洞察。

但是，不可行的洞察是受访者最担忧的内容之一，这通常是因为没有必要的流程或技术来执行归因结果。还因为那些掌握洞察和那些有能力执行洞察的人之间缺少交流。

技能

企业需要具有优化和分析能力的人才方面投资。虽然最近有这方面能力的人越来越多，超过1/4的客户端营销人员表示缺少分析人员阻碍了企业更有效地利用归因结果。

定义消费体验是另一个需要注意的领域，不是关于单独消费者触点，而是关于设计归因目标能精确反映整个消费体验。

关注一部分消费体验不仅会产生负效果，而且从长远来看将事与愿违。

199IT.com原创编译自：Econsultancy非授权请勿转载

网络营销最常见的一句话就是“每件事都是可测量的”。

但是Econsultancy 和 Datalicious的新调查显示在亚太地区60%的营销人员并没有实施任何类型的归因模型。虽然大部分营销人员都知道使用网络技术追踪营销支出的好处。调查强调了三个重要趋势：

缺少技术阻碍营销人员

虽然亚太地区营销人员知道归因模型带来的机遇，但是对大部分受访者来说这一点并不能转化为行动。

例如，虽然71%的企业认为多设备行为增加了对归因的关注，但是2/3的受访者（66%）表示并没有采取任何形式的营销归因模型，除了基础的最后点击分析。

缺少这方面知识则是阻碍营销人员采取更先进归因模型的主要障碍，紧随其后的是缺少时间和技术限制。

自定义模型是最有效的归因模型

营销人员尝试追踪完整消费过程，并评估多设备和多渠道的营销，基础归因模型就不那么重要了，因为他们不能解释消费过程的复杂性以及庞大的数据。

尽管如此，首次接触或点击仍然是除了最后点击外最常用的模型。

根据调查，47%的企业采用首次接触模型。

但是，调查也显示自定义模型是除了首次接触和最后点击之外最受欢迎的方法，企业和广告商采用率分别达到39%和49%。

这种模型比其他模型更有效，41%的受访者表示非常有效；相比之下，只有15%的受访者表示首次接触和最后点击模型有效。

将归因洞察转变为行动是最后的障碍

虽然营销人员对归因模型的价值有充分的认识，但是报告显示44%的企业认为并没有将归因洞察转化为行动。

这强调了大数据的一个基础问题，如何将数据洞察转变为企业利润。

事实上，将数据转化为洞察是归因的第三大障碍，其他挑战包括数据/技术的分散性，以及数据过于复杂。

199IT.com原创编译自：Econsultancy 非授权请勿转载

        重定向工具有助于营销人员实现数据驱动个性化，这种营销手段在2015年将会蓬勃发展。但是只是投入更多的钱是不够的：还需要先进的归因分析。根据2014年7月Qualtrics为AdRoll实施的调查，91%的受访者表示归因很重要。

        营销人员更倾向于使用归因来理解消费者，有近70%的受访者选择。鉴于广告支出流向哪里更合理的压力不断增加，58%的受访者用归因来了解应该把营销支出应用于何处。还有44%的受访者使用归因来调整其营销预算，十分之四的受访者使用归因来优化营销策略。

        虽然，大部分受访者将归因分析用于营销中，但是他们仍然使用简单的归因模型，对于追踪现在使用多设备、多平台的消费者来说没有太大帮助。近60%的营销人员使用单触点归因模型，相比之下，34%的受访者使用多触点归因模型。只有5%的受访者正在使用更复杂的算法或消费者模式。

        不先进的归因模型还会影响重定位过程。根据Marin Software2014年8月对美国营销人员的调查，归因的性能是重定位的最大挑战，有43%的受访者选择。而且这个问题还引起其他困难，包括结果与预期不符，缺乏透明度等。

        AdRoll将重定位视作广告程序化购买最重要的推动，明年程序化购买还将蓬勃发展。eMarketer预计今年美国程序化购买数字展示广告支出将增长137.1%，达到1006亿美元，占全国数字展示广告支出总额的55.0%。

        编译自：eMarketer 译者：孙莹