在上篇，（为什么要进行跨渠道多触点归因分析）我们简单地提到了渠道归因分析的概念：即对用户在完成转化之前所接触到的所有宣传推广渠道进行分析，也阐述了多触点跨渠道归因的好处：不增加市场推广费用的情况下，通过合理安排推广费用在不同渠道间的分配，显著提升销售额。本篇将会给大家详细地介绍多触点渠道归因的困难点和方法。
多渠道归因分析有三个重要的方面，也是三个极具挑战的难题：
1.线上广告投放对线下渠道（店铺销售、品牌价值等）的影响。
2.营销活动的跨屏（台式或手提电脑、移动设备或手机、电视屏幕）影响。
3.转化或销售额对所有线上渠道的归因。
上面三个方面都是跨渠道分析非常重要的方面。我们今天就着重讲解第三个方面，也就是如何将整体转化/销售额在不同的线上渠道之间做出合理的分配。
先看一个例子。假设你在微信、百度以及导流网站（折800、卷皮等）都投放了广告。有767个消费者通过以下路径购买了你的产品：
“直接”是指直接输入你的官网网址。
你有以下不同的模型可以完成跨渠道归因：
一、最后点击（Last Click）归因模型
这是一个最典型的归因方式，在所有的网页分析报告及报告工具中（Google Analytics例外），可能包括你们自己的分析系统报告中，都可以看到这样的归因结果。
你可以看到这样的归因模型是比较愚昧的（可是你确实天天在用它！）它会将上面的767个转化统统归因于“直接”渠道。尽管你花了大量的推广费用在微信、百度搜索及导流网站上，这些推广渠道也确实对这767个转化做出了贡献，但你现在使用的归因模型却并没有给它们记上一点功劳。
你可能会诉苦说：我没有办法给它们记上功劳, 因为我不知道在最后转化前，它们都经历了哪些渠道。好！这在过去是个很好的理由，但是现在已经不能成为理由了，因为现在已经有公司的软件可以帮你追踪所有的转化路径了。在不久的将来，如果你还使用这种“最后点击”的归因方式，你的工作恐怕就要保不住了，因为它会将归因结果带到错误的方向上，从而让你的公司白白损失大量广告费！
二、最后一次非直接点击模型
这是Google Analytics的报告中使用的标准模型，它把转化100%归因于最后一个“非直接”渠道上，在上述图示中，就是“导流”网站。
这种做法也是不准确的。首先，很多消费者最终通过“直接”渠道产生购买，原因或者是因为其他渠道的短期影响（例如，微信中的一个软文或展示广告的一个产品宣传让他记住了你公司的URL），或者是因为你的公司长期品牌价值使消费者对你公司的URL一直保持记忆状态（比如说人们直接输入JD.com进入京东官网点击购买）。这种情况下，将转化贡献完全归功于“直接”渠道前的“导流”显然是夸大了“导流”渠道的作用，因而也是不准确的。是的，我确实是在说: Google Analytics报告中的归因模型是有缺陷的!
三、首次点击（First Click）归因模型
这个是最后点击归因的反向，它将所有的转化的功劳归功于消费者第一次点击的渠道。在上面的图示中，就是“微信”渠道。
这个模式初看起来也有一点道理，但仔细想想也会有很多漏洞：你的初次点击可能发生在两年前，然后你彻底地忘记了那个网站。两年后那家公司在“爱奇艺”上做了大量广告，你看到了并进入了官网产生了购买。这种模式完全忽略了让你购买的“爱奇艺”的广告效果。更为麻烦的是，在很多情况下，我们无法确切地知道哪一个渠道是消费者真正接触到的“第一个渠道”，就像没有人会知道他/她所有的朋友的第一个恋人是谁一样，尽管他/她可能可能会知道那些朋友现任的太太/丈夫的名字。
四、线性归因模型
假设你刚刚拿到了奥斯卡奖，奖金有100万（这只是个假设），你将要拿这些钱感谢帮助你拿到奖的人。为了简化模型，我们假设对你有帮助的人只有你的父亲、母亲、经纪人和导演。你将怎么分配这些钱呢？
有一个方法比较简单粗暴，给他们平分了。也就是说，他们给你的帮助都是等价的，没有人做特殊处理。这个方法虽然简单，也考虑了多方面的因素对你产生的影响，但是，很显然，这不够合理。
线性归因模型就像这样，把贡献率以等量权重赋值给所有影响因素/渠道。
五、基本位置归因模型
这种模型将40%转化归功于首次点击，另外40%归功于最后点击，剩余20%平均分配给中间渠道。该模型看上去比上面的几种更合理一些，而且简单实用。如果你的公司没有很好的统计分析师或者数据科学家，你可以尝试这种模型。
六、时间衰减模型
当一次广告展示或者点击行为离最终购买时间越久远，它在你记忆中留下的印象越模糊，对最终转化的贡献就越小。所以，时间衰减模型用时间衰减曲线来给不同的渠道触点分配权重。在此基础上得到一个合理的渠道贡献分配比例。如下图：
这种模型比上述其他模型要合理一些，困难点在于如何拟合不同的时间衰减曲线。这需要专业知识及对业务的充了解。
七、个性化的归因模型
事实上，不同的企业有不同的产品类别，不同的消费群体，采用不同的市场推广方式。这在很大程度上限制了上述模型，特别是后面几类模型的应用。并不是说上述模型不能用，主要原因是归因的准确度会有很大的影响。很多因素，例如市场状况、消费者类别、竞争对手状况、长期品牌价值的影响、地域情况等都会影响到归因的准确性。
多渠道归因分析可以说是在大数据分析领域少有的几个最具复杂性和挑战性的分析项目之一。目前，有少数公司投入了大量的人力物力开发了针对不同行业的专用的个性化归因模型。这样的专业模型在大数据的基础上考虑了尽可能多的因素的影响，在归因准确程度方面比一般的模型提升很多。例如北京目标科技责任有限公司就开发了这种专业模型，可以为电商、互联网金融、教育、游戏、汽车等行业提供专业的的渠道归因和优化服务。
渠道归因分析的好处是显而易见的。它能让很多企业把钱投在最有效的推广渠道上，在不增加市场推广费用的情况下，通过合理安排推广费用在不同渠道间的分配，显著提升销售额。
那么怎样知道您的企业是否存在跨渠道归因问题？市场对多触点归因分析有什么错误想法？全球市场在跨渠道归因分析方面的趋势怎样？营销技术前沿在下一篇为大家一一道来。
( 如果您对先进的营销技术感兴趣，并且想获取更多这方面的知识，欢迎关注我们的微信公众号：营销技术前沿 比心♥~）