數據歸因是什麼？

數據歸因這個領域，我一直都沒好好花時間徹底了解，剛好趁一次機會，跟同學介紹數據歸因的機會，整理了一些文稿，也整理在這邊和大家分享一下。

「常常看到一種狀況，部落客帶來的流量是不少，但好像都不會直接帶來訂單，你覺得這樣的話還需要繼續投資在部落客身上嗎？還是有其他考量？」

當我問了這題後，同學都給了很豐富的答案，我這邊稍微整理一下。

• 若給對與部落客合作的目標，是增加曝光，那其實用訂單來評估沒什麼必要。
• 不一定是因為這格部落客帶來的流量沒有價值，也許是我們的網站某個環節沒有做好導致沒有轉單。
• 應確認一下部落客的客群與自家產品是相符合的
• 應檢視UTM參數是否正確。
• 部落客有其他效益，譬如在搜尋引擎就可以搜到這個部落客評價文的話，也可以讓潛在客戶得到客觀的產品評價

確實，部落客的合作不一定都是為了轉換訂單，有時候是為了讓在用戶在 Google 搜尋時，可以找到正向的口碑文，或是純粹是增加品牌知名度…等。但本篇想跟大家討論一件跟上述角度完全不一樣的事，就是「數據歸因」。

什麼是數據歸因

究竟什麼是「數據歸因」，我們用行銷的角度，舉個例子給大家說明一下。

就拿部落客寫開箱文的例子來說，用戶的從看到廣告，到評估是否合乎需求，到最後購買之間，經歷的過程，就是所謂的 Customer Journey 可能是這樣：

• 一開始看到自己追蹤的部落客，發了一篇限動，說他拿到一個最新的產品，我們就假設是 iPhone 手機殼好了，這個限動有附上連結，我們也順便點過去看。看完開箱文就關掉，沒再做其他動作。
• 今天晚一點，在滑 Facebook 時，看到了這個 iPhone 手機殼廣告。
• 隔天中午吃飽飯，逛了逛蘋果專賣店，看到了這個 iPhone 手機殼，覺得好漂亮啊，忍不住拿起來看。
• 下班時，上網 Google 了一下這個手機殼大家的評價如何，看到了自己喜愛部落客的開箱文，並且透過部落客的連結，點到官網去瀏覽了一下。
• 忍到週末，覺得真的好想買，就在 Google 上搜尋了這個手機殼的品牌，在他們官網上下單購買了這個手機殼

用戶最後雖然是搜尋品牌的關鍵字後購買，那你能說部落客的開箱文沒用嗎？你能說 Facebook 的廣吿或實體店面展示沒用嗎？其實不行，用戶從認知、評估到最後購買，這個說服的過程，不太可能單靠一個訊息或是一個媒體，就可以達成。就好像打球，Micheal Jordan 再怎麼厲害，他要進球，還是得靠中鋒、前鋒、控球後衛…等其他角色的卡位、傳球，才能有辦法順利得分。在剛剛的例子，搜尋品牌關鍵字是負責得分的，但部落客、Facebook 廣告和店面展示，他們就是助攻的角色，一樣很重要。

所以從助攻的角度來看，我們找部落客合作是為了增加曝光沒錯，但是我們還是想知道，有多少個購買的用戶，曾經看過這位部落客的開箱文。客戶看過開箱文卻沒馬上購買沒關係，過了幾天後才買，我們一樣會認為部落客有盡到助攻之責。

回到思考題的本身「部落客帶來的流量是不少，但好像都不會直接帶來訂單，你覺得這樣的話還需要繼續投資在部落客身上嗎？」，某種程度，我們沒看到部落客直接帶來訂單，還有一種可能就是，部落客是助攻，不是主攻，這個在數據歸因上，有可能因為歸因方式的不同，而沒被計算到。

所以大家在做出判斷前，先檢驗一下數據的正確性和定義，然後再下決定。

關於行銷常用的六種數據歸因模型

那為何數據歸因模型，會影響到對數據的判斷呢？接下來想跟大家介紹一下在行銷上的六種常見的數據歸因模型，就可以知道為何數據歸因，會影響某某通路，或是部落客行銷有沒有效的認定了。

第一種：Last Interaction 最終互動

顧名思義，不管你是否有在部落客貼文點擊官網連擊，或是點擊 Facebook 廣告，他只認定產生訂單前的最後一個接觸點，把所有行銷效果歸因到最後一個接觸點。

以前面我們說過的購買手機殼這個 Customer Journey ，那 100% 的行銷成效都會被歸功到 Google 自然搜尋，因為用戶最後是搜尋品牌名字，然後到官網直接下單。

最終互動很適合用來分析，哪一個管道是最後轉單的臨門一腳，也就是漏斗的最後一個步。

第二種：Last Non-direct Click 最終非直接點擊

這個顧名思義，他就是把 100% 的行銷功勞歸因於最後一個非直接流量來源的接觸點，以購買手機殼的Case，這個歸因仍然是會給 Google 自然搜尋，

但假如最後一個促使用戶購買，是因為他點了在 LINE 官方帳號的促銷連結，就是所謂的直接流量來源，在這種歸因模式下，就不會把行銷功勞算給它。

會用這種模式，主要是因為直接流量可能都是源自於先前透過其他管道吸引到的客戶，排除掉直接流量，就可以把重點放在轉換前的最後一個行銷活動上。

這個歸因模型也是最常被用的模型，我想有很大的原因是 Google Analytics 預設也是改用這種歸因模型。講到這裡，你可能可以猜想到，很多人誤會部落客行銷沒效，可能是因為在 Google analytics 看不出部落客對營收的貢獻，而為何看不出貢獻呢？這跟歸因模型有很大的關係，部落客行銷常常都是比較前面的助攻角色。

第三種：First Interaction 最初互動

和最終互動相反，這是把100% 的行銷成效都會被歸功到第一個接觸點。以一樣的購買手機殼Customer Journey ，那 100% 的行銷成效都會被歸功到 Facebook 廣告，因為用戶最後是先看到廣告，才第一次連到的網站來，所以用最初互動的歸因模型，100% 的行銷成效都會被歸因到第一個接觸點。

你也許會問，那部落客的限動呢？這不是他第一次接觸這產品嗎？那是因為，用戶看完開箱文，就沒有再點擊到官網來，Google Analytics 追蹤不到，所以不會被歸在 First Interaction。

這種歸因很適合讓你來找，哪一個管道可以帶來有價值的新客，也就是漏斗的開端。

第四種：LINEAR 線性

這種歸因模式，把轉單用戶的每一個接觸點，都一視同仁，平均分配。 以購買手機殼的例子，因為實體店面的參觀，是無法追蹤的，所以總共三個接觸點有導流到官網，分別是 Facebook 廣告、部落客開箱文、Google 搜尋，所以就會把行銷價值除以三，分給三個管道。

這種好處是可避免高估單一管道的風險，可以觀察一下用戶都走過哪些路徑。但由於功勞均分，無法有效區分每個管道的『重要性』，適合搭配其他歸因模式共同使用。

第五種：Time Decay 時間遞減

越接近轉換完成時間發生的互動，分配到的功勞越多。分配是以 7 天為折半界線，意即在轉換完成前 8 天發生的廣告互動，獲得的功勞是轉換完成前 1 天發生的互動的一半。

這個計算公式有點複雜對嗎？我建議大家不要太深入研究這個算法，因為很多分析軟體都會幫你算好，如：Google Analytics，大家只要知道「越接近轉換完成時間發生的互動，分配到的功勞越多」這樣就可以了。

因為這種歸因方式介於線性和最終點擊之間，我個人比較偏向用來分析屬於漏斗尾端的管道，哪一個貢獻度比較大。

第六種：Position Based 根據排名

這種歸因模式，特別重視第一次的接觸點和最後一次的接觸點，分別給第一次的接觸點 40%，最後一次的接觸點 40％ 的權重，剩下的 20%，就平均分配給中間的接觸點。以購買手機殼的例子來說，Facebook 廣告 40%，Google 搜尋 40%，然後部落客開箱文 20%。

由於最初與最終互動，在銷售中確實是很重要的，分配給他們較高的權重，我認為這樣是符合常理與事實。

但若轉換路徑過長，中間管道所分配的功勞會非常少，可能會忽略中間管道，所以只比較適合來觀察一下哪些是重要頭和尾管道使用。

小結

最後收斂一下本篇的三個重點：

1. 我們在分析行銷 channel 的成效時，要先釐清所使用的數據歸因方式，再進行分析，才不會出錯。
2. 要注意 Google Analytics 預設歸因模型是最終非直接點擊，所以要小心別忽視那些助攻管道的功勞。
3. 六大歸因模型，當你分析目的不同，就會用不同模型，不要一個模型分析到底。