归因模型介绍

本文档介绍Convbox中几种归因模型的情况。

末次点击归因（Last Click）

最后点击归因是最常用的模型，也是大多数营销平台和归因工具的默认设置。这是单触点模型，它将100%的订单转化功劳归功于最后的触点渠道/广告，忽略之前所有的触点。

优点是结构简单、易理解，并且能直接反映“临门一脚”的转化贡献；缺点是会系统性低估上游渠道（如品牌曝光、拉新广告）的价值。

适合以转化效率为核心目标的优化场景，例如电商转化优化、再营销投放优化、或预算主要集中在底部漏斗的情况。

首次点击归因（First Click）

另一个单触点模型，将 100% 的转化价值归因给用户首次接触到的广告或渠道，用于衡量“首次引流”的贡献。

优点是能够强调获客渠道的价值；缺点是忽略后续所有转化推动环节，容易高估上游流量质量。

适合关注用户增长和拉新效果的场景，例如品牌冷启动、拓展新用户渠道、或评估获客来源质量。

线性归因（Linear）

将转化价值平均分配给用户路径中的所有触点，每个接触点获得相同权重。

优点是能较为公平地反映整个用户旅程；缺点是无法区分不同触点的实际影响力差异。

适合需要整体评估营销链路贡献的场景，例如多渠道并行投放、或尚未明确关键转化节点的分析阶段。

基于位置归因（Position Based）

也称为U型归因，顾名思义，将大部分权重分配给首次触点和最后触点（例如各 40%），剩余 20% 平均分配给中间触点。

优点是同时兼顾获客与转化贡献；缺点是中间触点权重较弱，且权重比例带有一定假设性。

适合既关注拉新又关注转化的综合型增长策略，例如完整漏斗优化、或需要平衡品牌投放与效果投放的团队。

全触点归因（Convbox）

将转化价值完整归因给用户路径中的每一个触点。只要用户在转化前与某个广告或渠道发生过接触，该触点都会获得 100% 的转化价值。因此，一个转化可能会被多个触点同时记录和归因。这个模型的结果更接近媒体自己报告的点击归因结果。

优点是能够完整反映所有营销触点对转化路径的参与情况，不会因为归因规则而忽略任何渠道；缺点是多个触点会重复获得同一转化价值，因此归因结果不能直接用于计算总转化量或总收入。

适合分析完整客户旅程、评估各渠道在整体盘子中的渗透覆盖情况。另外，用来对数据，与媒体报告结果做对比时也应该用这个模型。

更新于： 04/06/2026