歸因（轉換歸因）

歸因是將轉換功勞分配給廣告互動的邏輯。一次購買可能之前有搜尋廣告點擊、社交影片觀看和電子郵件開啟——歸因決定誰獲得功勞（以及多少）。

為什麼重要： 您的 ROAS 和 CPA 數字僅與其背後的歸因模型一樣可靠。兩個廣告主執行相同的廣告活動但使用不同的模型，會看到不同的「贏家」並做出不同的預算決策。

常見的歸因模型

• 最後點擊： 100% 功勞歸於轉換前的最後一次點擊。簡單，但忽略所有早期的認知工作。
• 首次點擊： 100% 功勞歸於第一次互動。有助於了解漏斗頂端的效果。
• 線性： 每個接觸點獲得相等功勞。公平但雜訊多。
• 時間衰減： 越接近轉換的接觸點獲得越多功勞。折衷方案。
• 數據驅動（演算法）： 使用歷史數據，根據每個接觸點的增量影響分配部分功勞。在 Google Ads 和 Meta 中可用於具有足夠轉換量的帳戶。

所以呢： 選擇符合您決策時間範圍的模型。如果您針對當日購買進行最佳化，最後點擊可能就夠了。如果您執行多週的培養序列，則需要一個能獎勵早期接觸點的模型。

歸因沒有單一公式——計算方式取決於模型。但一般結構如下：

每個接觸點的轉換貢獻 = 權重(接觸點) × 1 次轉換

其中權重由模型定義：

• 最終點擊：最後一個接觸點權重 = 1，其餘為 0。
• 線性：權重 = 1 / (路徑中的接觸點數量)。
• 時間衰減：權重 = e^(−λ × 時間間隔)，並在接觸點間歸一化。
• 數據驅動：權重 = 機器學習模型預測的該接觸點增量提升。

重要注意事項

1. 回溯窗口 — 窗口外的轉換獲得零權重。30 天點擊窗口與 7 天點擊窗口會產生截然不同的歸因分配。
2. 轉換動作 — 歸因是針對每個轉換動作（購買、註冊、加入購物車）。在單一報告中混合不同動作會扭曲結果。
3. 跨裝置 — 除非使用者已登入，否則多數平台無法跨裝置識別同一使用者。回報的歸因通常僅限於單一裝置。
4. 隱私變更 — 隨著訊號流失（Cookie 淘汰、iOS 應用程式追蹤透明度），平台更依賴模型化轉換。請以保留態度看待回報的 ROAS，並務必檢查「模型化 vs. 觀測」的細分（如有提供）。

歸因不是一個單一的數字——它是一種設定，會改變其他每個指標。當你查看儀表板時，首先要檢查的是應用了哪個歸因模型。如果標籤顯示「最後點擊」或「數據驅動」，你就知道 ROAS 和 CPA 數字是在該規則下計算的。

需要注意的事項：

• 模型標籤——通常顯示在報表標題或下拉選單中。如果缺失，則假設為最後點擊（大多數工具的預設值）。
• 回溯窗口——30 天點擊 / 1 天瀏覽？7 天點擊？對於考慮階段的產品，這可能使 CPA 變化 20-40%。
• 轉換動作——你是在查看「所有轉換」還是特定動作？混合動作會誇大 ROAS。

應搭配查看的項目：

• 路徑長度——轉換前的平均接觸點數量。如果 >3，最後點擊將低估你的上層漏斗渠道。
• 輔助轉換——顯示哪些渠道出現在路徑中但未獲得最後點擊的報表。輔助轉換佔比高 = 該渠道正在進行認知建立工作。
• 模型比較——執行並排報表（例如，最後點擊 vs. 數據驅動），以查看哪些渠道獲得或失去歸因。差異就是你的「歸因差距」。

歸因是一種設定，而非每天操作的槓桿。但您可以透過調整廣告活動結構、出價策略和衡量設定，來影響功勞的分配方式。

改變歸因結果的槓桿

• 轉換視窗 — 縮短回溯視窗會將功勞集中在最後點擊的管道。延長視窗則會將功勞分散到較早的接觸點。
• 出價策略 — 目標每次轉換費用和目標廣告支出報酬率出價策略會針對您選擇的歸因模型進行最佳化。從最後點擊切換為數據驅動模型，可能導致出價將預算轉移到上層漏斗的版位。
• 廣告活動結構 — 將潛在客戶開發（認知）廣告活動與再行銷（轉換）廣告活動分開，更容易看出每個管道的角色。混合的廣告活動會使歸因變得雜亂。
• 離線轉換匯入 — 如果您匯入電話來電或實體店面購買，歸因會變得更完整。若未匯入，驅動離線銷售的數位接觸點將無法獲得任何功勞。

取捨

• 最後點擊簡單但視野狹隘 — 它過度獎勵最終接觸點，並使上層漏斗管道缺乏資源。短期內您可能會看到每次轉換費用下降，但可觸及的總目標對象卻會縮小。
• 數據驅動更聰明但需大量數據 — 每個廣告活動在30天內需要約300次以上的轉換才能穩定。低於此門檻，模型可能會每週隨機分配功勞。
• 多點觸摸模型（線性、時間衰減）公平但不精確 — 它們假設所有接觸點同等重要（線性），或僅以近期性為唯一因素（時間衰減）。它們無法衡量真正的增量效益。

常見錯誤： 一家居家服務廣告主從最後點擊切換為線性模型，發現廣告支出報酬率下降了30%。他們驚慌失措並切換回原模型。這種下降是預期中的 — 線性模型只是將功勞分散到更多接觸點。實際收入並未改變。在變更最佳化模型前，務必先執行模型比較報表。

歸因是您看待廣告活動成效的透鏡——改變透鏡，就改變了畫面。關鍵要點：

• 在報告 ROAS 或 CPA 時，務必說明歸因模型、回溯窗口和轉換動作。
• 最終點擊很簡單，但隱藏了漏斗上層的價值；數據驅動更好，但需要足夠的轉換量。
• 隱私權變更增加了模型估算的轉換——請透過增量測試或保留組實驗進行驗證。