用户购买旅程往往曲折而复杂。试想一下，您在完成一次购买前会看到多少广告、点击多少落地页、收到多少封邮件？。和多数用户一样，您很可能经常在网上搜索商品、点击广告、保存链接后离开……几天后才会完成购买。
如果您好奇过谷歌如何精准追踪点击数日后的销售数据的，答案就是广告归因。
关键在于存在多种归因模型可以选择，这会直接影响转化数据的统计。了解如何选择谷歌广告归因模型、理解不同模型的意义是广告效果分析的关键环节。本节内容我们将详细介绍这些内容及其他要点。
什么是归因模型？如何影响数据报告？
归因模型的作用是告诉谷歌如何将转化功劳分配给销售漏斗中的不同广告。
设想一个场景：
一位用户搜索“Christmas ornament storage box”，点击了产品广告浏览网站后离开。两天后该用户直接搜索品牌名+产品类别，然后点击广告并完成了转化。
这时哪个广告应获得转化的功劳？是首次向用户展示产品的广告（如果无首次点击，用户根本不会知晓品牌），还是第 2 次包含独特卖点的广告（正是这些信息促使意向用户最终转化）？如果答案是 2 个广告都有功劳，又该如何处理？
不同的归因模型会以不同方式分配转化功劳。您可以根据自身需求选择模型，从而更全面的理解哪些广告真正推动了有效行动和实际销售。
部分模型会将 100% 功劳赋予给销售漏斗中首次或末次点击，其他模型则采用功劳分配制。关键在于选择最适合自身品牌的方案。
为什么归因很重要？
归因模型之所以重要是因为它能帮您识别真正促成转化的关键词或产品类别。如果您连哪些关键词或产品类别能带来转化都不知道，又怎么可能优化广告活动来实现关键绩效指标呢？
而且根据使用的模型不同，您可能会发现促成转化的关键词差异很大，因此针对每种模型的优化策略也可能截然不同。
下面我们会拆解这些概念，让它更容易理解。
6 种谷歌广告的归因模型介绍
谷歌广告提供多种归因模型供您选择，每种模型都各有利弊，下面我们逐一拆解。
首次点击归因
首次点击归因属于单次点击模型，将所有转化功劳归于回溯期内用户首次点击的广告。无论后续发生多少次点击或转化前最后一次点击来自何处，都将功劳均归属于最初触发点击的广告及其对应关键词。
优点和缺点
该模型最大优势在于能清晰显示哪些广告活动在回溯期内成功引导用户进入购买旅程。即使后续需要多次广告触达才能完成转化，它仍能揭示品牌与客户的初次接触方式。其核心理念在于：如果没有首次点击，后续转化可能根本不会发生。
但该模型存在 2 大缺陷：
- 1. 回溯期内的首次点击未必是用户接触品牌的真正起点，数据可能失真
- 2. 忽略用户点击后流失的情况，低估了促成实际转化的关键后续广告
因此我们通常不建议客户采用此模型。
最终点击归因
作为另一种单次点击模型，最终点击归因将转化功劳完全分配给用户最后点击的广告。多年来这曾是谷歌的默认模型（现已变更）。
优点与缺点
理论上该模型能直接显示促成转化的最终广告。通过分析最终点击，可以了解用户决策前的最后接触点。
但所有单次点击模型共有的缺陷在此同样存在：忽视整个转化漏斗（包括引导用户进入购买流程的首个广告），会限制对广告活动实际效果的全面认知。
某些情况下，真正促成决策的可能是倒数第二次点击。例如用户可能因倒数第二次点击将商品加入购物车，后因干扰而中断，最终通过品牌搜索完成购买。此时最终点击反而会获得全部功劳。
虽然曾经作为默认模型，但谷歌现已改用多触点模型作为标准，后文将详细说明。
线性归因模型
该模型采用均分原则，回溯期内所有广告互动均等分享转化功劳。无论是 4 天前的首次点击、5 天前的中间点击，还是转化前的最终点击，权重完全相同。
优点与缺点
这是首个完整考虑客户旅程（至少是转化前阶段）的模型，具有先天优势。多数情况下，客户需要多次品牌接触才会转化，该模型正符合此特征。
但缺点在于可能过度赋予中间环节权重，这些触点既未帮助用户发现品牌，单独作用也不足以推动转化，有时反而会混淆数据判断。
时间衰减归因模型
这种多触点模型中，所有互动都会获得部分功劳，但权重随点击时间与转化间隔的增加而递减。例如最早期的广告互动权重最低，越接近转化的点击权重越高。
优点与缺点
该模型假设广告活动存在明确递进关系，每个触点都推动用户向目标转化迈进。这种情况确实存在时，模型效果出色。
但现实往往更复杂。许多观点认为首次点击应比第 2 次获得更高权重，特别是当后续存在多次广告点击时。因此该模型对广告重要性的评估可能不够精确。
基于位置的归因模型
这种多触点模型采用两端侧重策略：首次点击和最终点击均分最大权重（通常各占40%），中间触点平分剩余 20% 功劳。
优点与缺点
该模型既考虑全流程触点，又重点突出引导用户进入购买流程的首个广告，以及促成最终转化的最终广告的 2 个关键节点。这种设计对核心环节的追踪很有价值。
但缺陷在于忽视购买旅程中可能存在的其他重要触点，无法完全准确反映漏斗中的实际影响力分布。
数据驱动归因模型
最后重点介绍谷歌当前默认的归因模型（适用于多数广告系列）。这种多触点模型没有固定公式，而是根据账户历史转化数据，通过机器学习动态计算各触点的实际贡献值。
它会综合网站数据、门店访问、Google Analytics及各类谷歌广告数据，提供全面的归因分析，帮助优化竞价策略并识别真正影响转化的广告和关键词。
优点与缺点
总体而言，这是目前最推荐的模型。其机器学习算法能更精准评估不同广告对转化的实际影响。只要账户符合数据量要求（需具备足够历史数据和广告支出），我们建议优先选择此模型。
唯一不足在于算法细节不透明，但实践证明其提供的全局视角对广告主极具参考价值。部分数据不足的账户可能无法启用此功能。
如何更改谷歌广告归因模型
更改谷歌广告归因模型的操作很简单，但需要一定时间，因为您需要为每个优化的具体操作或转化类型单独设置。
首先在谷歌广告仪表板的导航栏顶部点击“Tools and settings”。然后找到“Measurements”下的“Conversions”菜单并点击进入。
在打开的新页面种，您会看到已经创建的转化操作列表，例如客户下载应用、下单或完成落地页潜在客户表单。您需要点击想要更改归因模型的具体操作。
随后将打开该转化类型的设置页面，其中包含归因模型选项。如下图所示，当前归因模型为数据驱动，这是针对购买目标的默认推荐模型。如需修改，请点击右下角的“Edit settings”。
进入编辑模式后，点击“Attribution model”旁的下拉菜单即可选择新模型。谷歌会标注推荐选项。选定后点击标签页中的“Save”，再点击屏幕底部的“Done”。
请注意！该操作只调整谷歌广告报表中的归因模型。Google Analytics 采用独立的归因追踪机制，您可能需要同步调整其归因模型以确保数据一致性。
如何比较不同的归因模型
归因模型会影响您对转化数据的解读方式。
如果您在选择是否更换归因模型时需要对比不同模型的效果，谷歌广告提供了一项实用功能。访问路径如下：再次进入“Tools and settings”，然后找到“Measurements”下的“Attribution”菜单并点击进入。
在该页面左侧导航栏中找到“Model Comparison”功能。该工具会打开一个选项卡，您既可以查看特定广告系列在不同回溯窗口下的效果，也能直接对比两种归因模型的数据差异。通过这一功能，您可以评估当前使用的归因模型是否全面反映了真实情况。
总结
6 种截然不同的归因模型，谁能想到有这么多方式来解读数据？
而这仅仅只是谷歌广告的归因分析。我们探讨的还只是谷歌搜索内部的归因逻辑。当你开始研究不同营销渠道间的归因时，情况会变得复杂得多。