ZH 
EN 
【Digital Marketer必看】Attribution Model(歸因模式)指南
社會上的資源分配從來是一個複雜的話題，因為永遠沒有正確或錯誤的答案，答案總會因個人觀點與立場而異。 在數碼營銷方面同樣出現這個情況，要決定個Channel 應該分配多少資源或預算也沒有絕對答案。
歸因模式是指一組規則，用於決定轉換功勞應如何歸因或分配到轉換路徑中的不同接觸點。 常見的情況是，在客戶下決定前一般會經歷多個網站的互動，因此考慮最終是什麼推動了他們的轉換或行動尤其重要。
以此為例， 這幾週以來，Terrence 一直在為他的企業尋找營銷諮詢服務，他點擊了一個Display廣告，將他帶到了一個網站 kickads.co，在那裡他閱讀了一些文章。 又過了一週，他在 Facebook 上看到了一個關於 數碼營銷的廣告，點擊後令他第二次訪問了kickads網站。 兩天後，kickads.co 向他發送了一封電子郵件，令他第三次訪問了該網站。這次他直接訪問該網站，並預約了諮詢服務。
那麼在這個例子中，轉換應該屬於哪個渠道？ 最終的轉換行為是否全部歸功於 Display廣告？Facebook廣告？還是Email的功勞？
這些都是營銷歸因模式嘗試回答的問題， 簡單來說，歸因模式就是關於功勞分配。
以下是歸因模式的基本類別：
- Rule-Based Attribution Models
- Algorithmic Attribution Models
- Vendor Specific Attribution Models
- Custom Attribution Models
1. 什麼是Rule-Based Attribution Model (以規則為準歸因模式)？
Rule-Based Attribution Model (以規則為準歸因模式)是根據營銷人員設置的某些預定規則，將轉換功勞分配給轉換路徑中的接觸點。
這些規則會用來識別單個客戶在購買決策過程中的互動，然後在他購買後分配轉換功勞。
(i) First Attribution Model (最初互動歸因)
最初互動也稱為“最初點擊”和“首次接觸”，因為它將100%的轉換功勞歸功於一次點擊或互動，即是你企業與客戶的首次互動。
例如，如果你的客戶碰巧在Linkedin上發現了你的企業頁面，Linkedin將會獲得互動後產生轉換的所有功勞。
在此模式中，特定客戶有否於Linkedin上找到你的幾天後點擊Display廣告並不重要； Linkedin仍會得到獲取客戶的全部功勞。
為什麼使用或不使用First Interaction Attribution(最初互動歸因模式)？
使用最初互動歸因模式的最主要好處是簡單易懂， 但是，此模式忽略了客戶獲取和購買決策之間所存在的重要潛在營銷接觸點的影響。
如果你的主要目標是吸納銷售漏斗頂端的新客戶，最初互動歸因模式非常適合你，這對於從事內容管理和品牌知名度的Branding Agencies來說非常有用。
(ii) Last Interaction Attribution (最終互動歸因)
Last Interaction Attribution (最終互動歸因模式)又名“最終點擊”和“最終接觸”，與First Interaction Attribution(最初互動歸因模式)十分相似，它將 100%的轉功勞歸功於你的客戶與你的企業在轉換前進行的最後一次互動。
以此為例，潛在客戶通過自然搜尋結果訪問你的網站；幾天後，他會看到你企業的 Facebook廣告並點擊該廣告；當日的較後時間，他透過直接搜尋訪問你的網站並進行購買。
在這種情況下，直接搜尋是最後一個接觸點，所以會得到所有轉換功勞。
這是大多數平台（包括 Google Analytics）上的預設歸因模式，如果你正在查看 Google Analytics中的標準轉換報告，你會看到每個目標都歸因於客戶與你業務的最後一次互動，而在最終互動前皆沒有任何數據。
為什麼使用或不使用Last Interaction Attribution(最終互動歸因模式)？
這個歸因模式在轉換和分析方面是最容易實行和評估的。
但缺點是這個模式忽略了在最終互動之前發生的一切，它沒有紀錄在“最後一次點擊”之前發生的重要互動和接觸點，因此它會錯過了一些在轉換之前發生的重要營銷點。
(iii) Last Non-Direct Click Attribution (最終非直接點擊歸因)
Last Non-Direct Click Attribution (最終非直接點擊歸因)比Last Interaction Attribution(最終互動歸因模式)更有助你制定營銷全盤策略，它也是將100%的轉換功勞歸功於一次點擊或互動，但使用此模型，它忽略所有轉換之前可能發生的”直接”互動。
直接流量是指任何人通過手動輸入你的 URL或點擊Bookmark了的連結直接訪問你的網站，這意味著該訪問者已經了解過你的公司，並可能曾經歷了多個接觸點。
該模式讓你能回答以下問題：客戶是如何了解公司的？ 是什麼促使他們直接訪問網站？ 通過排除直接流量的接觸點，我們可以更清晰地為促成轉換的營銷渠道分配功勞。
為什麼使用或不使用Last Non-Direct Click Attribution(最終非直接點擊歸因模式)？
與其他方法相比，付費社交媒體和付費搜尋在使用此方法下將會獲得較高的功勞。
(iv) Linear Attribution (線性歸因模式)
使用Linear Attribution Model(線性歸因模式)，你可以將轉換功勞平均分配給各個曾與客戶產生互動的在線營銷渠道。
例如，客戶在 Instagram 上發現了你的業務，之後註冊了你的電子郵件，並點擊了電子郵件鏈接；在下星期他們直接訪問你的網站並購買了$180的產品，那麼所有互動都會被分配相同的功勞。
在這種情況下有三個接觸點，每個接觸點將獲得33%的功勞或$60轉化價值。
為什麼使用或不使用Linear Attribution Model(線性歸因模式)？
線性歸因模式為你的所有接觸點提供同等價值，而不是單一互動，因此它可以為你的數碼營銷策略帶來更平衡的見解。
但是，這也意味著它也對所有事情都賦予同等重要性，沒有考慮到可能有一些策略會比其他策略更為有效。
(v) Time Decay Attribution (時間衰減歸因模式)
Time Decay Attribution (時間衰減歸因模式) 的公式相對比較複雜，牽涉到數學。我不打算在這裡進一步解說，如果你想知道公式，歡迎查看 此文.
Time Decay Attribution (時間衰減歸因模式)與Linear Attribution Model(線性歸因模式)非常相似，這模式也是將功勞分配到多個接觸點。但不同的是，Time Decay Attribution (時間衰減歸因模式)還會考慮到購買過程中發生互動。
愈接近購買時間所發生的互動愈具有價值，第一次互動獲得的功勞較少，而最後一次互動獲得的轉化功勞最大。
為什麼使用或不使用Time Decay Attribution Model (時間衰減歸因模式)？
如果你的企業很大程度依賴於建立客戶關係，Time Decay Attribution Model (時間衰減歸因模式)可以幫你將這種不斷進化的關係概念化。
但需要注意的是，這模式最大限度減少了早期銷售渠道接觸點的影響，對較長的銷售週期或昂貴的B2B 產品可能會比較為有用。
(vi) Position-Based Attribution (根據排名歸因模式)
Position-Based Attribution (根據排名歸因模式)，又被稱為 U 形歸因，轉換功勞將會分給潛在客戶與你的企業第一次的互動，以及他們最後成功轉換為銷售的一刻。
在這個模式中，40%的功勞會分別給予給第一個和最後一個接觸點，而剩下的20%則會分散在購買過程中間發生的其他互動之中。
例如，潛在客戶通過Google搜索與你的公司取得聯繫，之後查看了你的Facebook頁面，然後再註冊了你的電子郵件簡報。第一個和最後一個接觸點各獲得40%的功勞，而 Facebook訪問則獲得剩餘的 20%。
為什麼使用或不使用Position-Based Attribution (根據排名歸因模式)?
對於在轉換前有多個接觸點的企業來說，Position-Based Attribution(根據排名歸因模式)是一個很好的歸因模式。它會分配功勞給每一次的互動， 但是，它會把很大部份的功勞分配給最重要的兩個互動：客戶第一次與業務互動和促成轉換的互動。
2. 什麼是Algorithmic Attribution Model (演算法歸因模式)？
Algorithmic Attribution Model (演算法歸因模式)顧名思義，就是根據演算法將轉換功勞分配給轉換路徑中的營銷接觸點,最常用的Algorithmic Attribution Model (演算法歸因模式)就是Data-Driven Model(以數據為準歸因模式)。
Data-Driven Model (DDA, 以數據為準歸因模式)適用於 Google Analytics 360的客戶，與其他模式不同，DDA模式使用數據生成一個自訂模式，將功勞分配給整個客戶購買過程中的接觸點。
此模式通過關聯帳戶而獲得Google Analytics數據和信息：Google Ads、GoogleDisplay Network 和 Campaign Manager，然後使用這些互動創建一個演算法來生成歸因規則。
可能是我的思想不夠開放，只是覺得自己不了解這些規則，要依靠這個模式來作分析的話，感覺總不太安心。以DDA模式為例，我有時會懷疑這種模式會傾向於將更多的功勞分配給自己的產品（GDN、Youtube和Google搜尋）多於其他社交媒體平台/競爭對手（Facebook、Linkedin和IG）。但有人會說，這就是機器學習的美妙之處，就是沒有預訂的規則！ 根據不同的產品，不同的人，不同的時間和地點，Machine Learning會因時制宜自訂模式進行分配，讓廣告商有一個所謂的更清晰的畫面。
3. 什麼是Vendor Specific Attribution Models (供應商特定歸因模式)？
Vendor Specific Attribution Models (供應商特定歸因模式)是提供給特定的營銷平台供應商，以概念化這些平台在轉換過程中的角色和功用。
例如，在 Google Analytics中，Google Ads點擊歸因模式將所有轉換功勞分配給轉換路徑中的最後一次Google Ads 點擊， 然而，這忽略了其他接觸點在轉換路徑中的作用。
Facebook 在其分析平台上也有不同的歸因模式。
簡而言之，此類模式會高度偏頗於自己的平台，並試圖盡可能獲取最多的轉換功勞。
4. 什麼是Custom Attribution Models(自訂歸因模式)？
你對每個接觸點有特定的比重或價值嗎？ 你有特定的漏斗需要評估嗎？
這些模式可以在 Google Analytics中創建，它們允許企業自訂各個重要接觸點的比重。
如何自訂你的Attribution Models(歸因模式)?
在這裡你可以自訂很多東西。
注意！如果你想自訂你的歸因模式，請確保你已閱讀 此文 並了解清楚歸因模式的每個指標。
為什麼使用或不使用Custom Attribution Models(自訂歸因模式)?
從Agency的角度來看，由於你可以操縱功勞分配來向客戶邀功，因此使用它可能會非常具有誤導性。但是，如果你是品牌持有者並對如何分配歸因功勞進行了深入研究，此方法可能很有用。
總結
一般來說，我們會說Multi-Touch的歸因模式比Single Touch更好，因為Single Touch的歸因模式總是會導致不同渠道的努力/支出分配非常不平衡，從而形成不健康的營銷週期。 例如使用最終互動歸因模式的話，銷售漏斗頂部的肯定會被你忽略了。
世界上沒有最好的歸因模式，Performance Marketer有一個黃金公式：在得出哪個渠道更好的結論之前，請嘗試比較不同的模式。或者從另一方面來說，你想呈現甚麼的結果就那用最配合你的Attribution Model。