歸因模型是什麼，為什麼你的報表跟廣告後台對不起來

你可能遇過這個狀況：這個月成交 100 筆，但 Google Ads 說它帶來 70 筆、Meta 說它帶來 60 筆，加起來 130 筆。錢明明只花了那些，怎麼成交數會膨脹？

問題不在哪個平台在說謊，而在它們用不同的規則把功勞算給自己。這套規則就叫歸因模型。

一句話解釋

歸因模型是「一筆成交的功勞，要分給哪幾次接觸」的計算規則。同一筆訂單，換一套規則，功勞的歸屬就完全不同。

常見的六種規則

假設一位顧客的旅程是：先看到 Facebook 廣告 → 幾天後 Google 搜尋點進來 → 又過幾天收到電子報才下單。三次接觸，一筆成交。

最後點擊

功勞全給電子報。這是最多後台的預設值，好處是簡單、不會重複計算；壞處是前面兩次接觸看起來毫無貢獻，長期會讓你不敢投認知型廣告。

最初點擊

功勞全給 Facebook。適合評估「誰把人帶進來」，但同樣忽略了後面的推力。

線性平均

三次各拿三分之一。最公平但也最遲鈍，它假設每次接觸的份量一樣，實際上通常不是。

那我該用哪一個

沒有正確答案，但有一個實務原則：報表口徑一旦選定就不要常換。換口徑等於換尺，前後期數字不能比。

• 只有一兩個管道、預算不大 → 最後點擊就夠用
• 同時投認知與轉換型廣告 → 至少看一組線性或時間衰減，避免砍錯管道
• 跨裝置、跨平台比重高 → 接受數字對不齊是常態，改看整體成效趨勢

與其追求「精準歸因」，不如固定一把尺，長期看趨勢。多數中小團隊的成效問題不在歸因，在管道太少或素材太舊。