轉換歸因模式是用來計算消費者完整路徑中媒體功勞的方法論，除了常見的最終歸因 (Last-click) 外，搭配輔助轉換以及最初、線性、排名、時間遞減等歸因模式，能幫助廣告主避免投資集中於漏斗底層，並透過計算 ROI 找出整體效益最高的媒體。

  • 轉換歸因模式（Attribution Model） 是在計算轉換的功勞。
  • 換句話說，它是看轉換的視角，或建立轉換模型的方法論。
  • 主要目的是了解在消費者的整個轉換過程中，哪一個媒體發揮的功效最大。
  • 數位媒體領域在量化分析方面已發展成熟，歸因模式也發展出多種看資料的方式。
  • 從廣告主角度，通常會查詢發生轉換的使用者「最後接觸的媒體」是誰。
  • 例如，使用者最後搜尋關鍵字並完成購買，會認為是關鍵字廣告帶來轉換。
  • 這種方式直接簡單，稱為最終歸因轉換（Last click）。
  • 最終歸因轉換是分析工具或媒體系統常用的認列方式。
  • 但這種方式容易忽略使用者在轉換之前、路程中接觸到的媒體功效（例如產品考量或看到展示型廣告）。
  • 它幾乎只看轉換的「最後一哩路」是由誰帶來。
  • 最終歸因方式容易導致投資集中在轉換漏斗（Funnel）的最下端（Lower Funnel）。
  • 這會限制在流量、考慮購買、認知等方面的廣告目標，導致「餅越做越小」，轉換難以持續增加。
  • 使用最終轉換歸因看轉換，有時顯得過於簡單粗暴。
  • 實務上，會搭配一個輔助指標：輔助轉換（Assisted Conversion）。
  • 輔助轉換概念類似助攻，雖然不是最後得分者，但功勞也會歸給它。
  • 輔助轉換會為使用者在最後轉換前接觸的每一個媒體渠道給予分數。
  • 通常會將輔助轉換與最終轉換或直接轉換放在一起評估比較。
  • 這樣能了解哪些媒體負責「得分」，哪些媒體負責「助攻」，並給予不同的分數評價。
  • 這有助於媒體規劃時，避免將所有投資都放在轉換的最後一哩路。
  • 除了最終轉換和輔助轉換，還有其他歸因模式可參考。
  • 這些模式旨在提供一個簡單的值來評估整體轉換成效。
  • 最初轉換歸因（First-touch Attribution）：轉換功勞歸給使用者「第一個」接觸到的媒體。與最終歸因相反。
  • 線性轉換歸因（Linear Attribution）：記錄使用者接觸到的所有媒體，將一個轉換「平均分配」功勞給流程中接觸的每一個媒體。概念是平均數。
  • 根據排名轉換歸因（Position-based Attribution）：概念較複雜，認為最初和最終接觸的媒體功勞應一樣多（例如各分0.4分），中間媒體也有功勞（例如分0.2分）。
  • 根據時間遞減（Time-decay Attribution）：根據使用者接觸媒體的時間來分配功勞。越靠近轉換時間接觸的媒體，分到的功勞越多；越早接觸的媒體，分到的功勞越少。概念是時間遞減。
  • 這四種歸因方式各有優點。
  • 提醒：每個企業的 Campaign 規劃和轉換生命週期不同，應使用的歸因角度也會非常不一樣。
  • 建議諮詢媒體窗口或媒體業務進行討論，找到最適合的歸因方式。
  • 持續更換歸因方式並不會增加轉換；歸因方式只是改變看事情的角度，不是增加轉換的手段。
  • 專業分析師在做轉換分析評估時，通常將轉換視為一個分數或值來評估。
  • 這樣才能匯入 CPA（Cost Per Acquisition）和轉換價值的計算，算出 ROI 投資價值最高的媒體。
  • 在成效行銷中，算出 ROI 最高的媒體通常最有價值和意義。
  • 只有成熟的量化分析，才能讓 CPA 或轉換開花結果。