我准备写一个系列文章，跟大家探讨一些数字营销中特别容易被误解的概念。如果大家对任何概念有模糊的理解或者疑问，我和团队也很乐意帮大家解释说明。数字营销嘛，故意混淆的概念很多，我比较喜欢追根溯源，刨根问底。

希望也能帮到你。

这个系列准备讲的第一个概念，关于归因。

全文约5000字，大约需要25分钟阅读完。

目录：

1、归因，一个名词之下的多个理解

理想的归因
现实的归因

2、线上全域归因可以实现吗?

3、线上局部归因如何理解

单触点归因
多触点归因

单ID归因
多ID归因

归因，一个名词之下的多个理解

归因这个词的英语是attribution，如果直译过来，是“什么事情归属于谁的状态或者关系”，所以“归属、归功、归因”都是它的翻译，但我觉得“归属”其实是最直接最准确的含义。在数字营销中，attribution最主要要描述的，是一个转化（尤其是一个购买行为）是由哪个/种营销推广带来的结果。但，人们也意识到，一个转化或者购买，往往不是一个营销推广就能搞定的，而是多次各种各样的推广对同一个人起作用之后的综合结果。因此，attribution要描述的，就变成一个转化（尤其是一个购买行为）是由哪些个/种营销推广带来的结果。从这个定义上看，人们对归因的理解是没有分歧的。但，如果深究，分歧或者误解就开始出现了。最主要的误解，来自于人们把理想状态的归因，和现实中能够实现的归因，混为一谈。先看看理想状态的归因是什么样的。

理想的归因

理想状态下的归因，是能够回溯对于一个人完成转化或购买之前的所以影响他做出购买决定的那些外部因素，无论是来自于互联网上的广告，还是电梯里鬼哭狼嚎的重复，还是来自于朋友的推荐，或者看到自己喜欢的人买了，或是一篇软文，或者只是看到商场外立面上大大的广告牌。这叫全面归因。全面归因，本质上确实希望能够穷尽这些所有对人决定购买施加的所有外部因素。归因分析的目的就是要实现这一点，很多人皓首穷经孜孜不倦地追求，也是希望实现这一点。只是……我认为现在和未来都不可能做到。有些朋友可能不服气，未来技术发展了，肯定能够做到的。但不服气归不服气，做不到还是做不到。做不到全面归因，有两个方面的阻碍。第一个阻碍：线下追踪。你怎么能追踪到一个人被他身边的人影响呢？也许她只是默默看到了一个擦身而过的人的LV包很漂亮，于是她也动心买了一个。想把这种影响用技术记录下来，实现起来实在是太难了。选一两个样本做做调研还行，但是对所有的转化进行线下归因的回溯，这完全不可能。第二个阻碍：就算所有的技术问题都克服了，还有一个问题无法克服，即隐私保护。凭什么对我产生作用的外部影响，要被别人知道？这已经是我的内心活动了好不好！所以，理想状态下的归因就是理想状态的，现实情况下没必要抬杠了。嗯，不用幻想它的可能性了。

但，有的朋友会说，线下做不到全面归因，线上的数字世界，追踪一个人比线下要容易，是否可以实现全面归因呢？

这种归因被称为线上全面归因。指线上世界（数字世界）中的所有对一个消费者的影响因素，都是可以通过归因分析获知的。这个，我可以明确地说，同样不可能！仍然是因为技术达不到，个人隐私保护也不允许！

那么，理想中的归因被我否决了可能性，现实中的归因又是什么样的？

以及，对于现实中的归因，大家的理解就是一样的吗？

还真不是。接着看。

现实的归因

现实状态下的归因，是指我们忽略那些不可能去了解的外部影响因素，而只看那些我们能掌握的因素。但是，关于什么是我们能掌握的，存在认知上的误导和分歧。第一种认知，被称为线上全域归因。是能够实现对同一个人在线上世界中全部行为的追踪，从而反映出营销推广对他可能施加的影响。注意，这里不是直接追踪影响因素，而是追踪消费者的各种行为，这也是跟上一种认知的主要区别。这种方式是通过消费者的各种行为来间接推断各种营销对他施加的影响作用，比直接追踪消费者受到了影响要间接，但要更加现实。通过行为来间接反映归因的分析方法，是目前归因理论的根基。那么这种认知，是可以实现的吗？我后面说。第二种认知，被称为线上局部归因，即能够实现对同一个人在线上世界中的部分领域的行为的追踪，从而反映出部分营销推广对他施加的影响。局部归因相比前面的归因，实在更加“现实了”。它是正确的认知吗？大家接着看。

线上全域归因可以实现吗?

如前所述，线上全域归因是能够实现对同一个人在线上世界中全部行为的追踪。它目前不可以实现。但，这种方式却被很多朋友误认为是“可以实现的”。为什么他们认为这种归因可以实现呢，原因在于另外一个容易被人误解的概念，DMP。

DMP，这个过去充满神秘主义气味的数据黑箱，承载了我们很多的憧憬（也可以称之为幻想）。例如，最典型的，有很多企业曾经宣称他们的DMP装载了数亿甚至数十亿的cookie，设备ID，以及这些ID背后的各种行为。于是，流传着一个很误导（很忽悠）的说法是，你用了DMP，就可以看到一个人在互联网上的行为，以及行为发生的先后顺序，于是“顺理成章”的，一个从前到后的消费者归因情况就展现在你的面前了。咳，现在知道这并不会发生。消费者的线上行为实在是太多样，太广泛。没有理由他的线上行为能够被一个机构全部获知。如果真能这样，互联网就再也不可能存在“安全”二字。但，有的人认为，有一种退而求其次的全域归因，总是可以的吧。所谓退而求其次，是指我不可能获得全部的行为，但是我至少能够获得消费者打开app，或者URL的全部行为。而至于他在app或者网页内做什么，不知道是正常的。这个说法有道理，但解释起来比较复杂，总得来说，基本也不能实现。我说“基本”二字，是因为在技术上，有一定的可能性，但实际操作中，困难很大。首先，我们看技术上的可能性。有一种机构，非常有可能了解消费者的这些具体的打开app或者URL的行为，他们就是“运营商”。因为所有的互联网数据请求和应答，都要靠运营商的交换线路。因此，运营商毫无疑问，知道他自己的用户打开了什么app，或者打开了什么URL。

就凭这一点，运营商确实有非常多的消费者的数据，也能够做一个消费者的大致的“兴趣画像”，但这个技术用在归因上，困难极大。有如下几个关键原因，让这个方法用不到归因分析上。

第一，没有运营商有中国全部消费者作为他们的用户。每个运营商都只有数量有限的客户，尽管这个数量很庞大，但不是全部。此外，一个人同时拥有多个运营商的设备，这个也再正常不过。

第二，运营商的数据受到个人隐私保护法律的严格限制。正常渠道这些数据是不可能拿给数字营销去使用的。当然，今天很多人宣称有这些数据，那就要具体情况具体分析了，不一定是忽悠，但也不可能是你想象的那样，这个话题太复杂，这篇文章就不涉及了。

第三，就算运营商把这些数据给了你，用户访问app和URL的数据，也不等同于数字营销推广的相关数据。就算你知道这个用户打开了某个app，你也不知道是这个app上的哪个广告或者哪个文章影响了他，因此这个数据用来给消费者做个简单画像倒是可用的，用来做归因，很不可用。

所以，线上全域归因，是一个美好的理想，但没有实现的可能。

线上局部归因

全面归因和全域归因皆不可行，那么线上局部归因可以实现吗？线上局部归因确实是现在能够有解决方法的归因。但同样跟大家的理解不同，它的实现方法，或者准确来说，是它的类型，也有多种。包括如下两种：单触点归因、多触点归因。

单触点归因

单触点归因是最经典的归因，也是目前最可靠的归因方式。英文叫Single Touchpoint Attribution（STA）。所谓单触点归因，是指归因分析只聚焦在某一个具体触点上的引流情况和消费者行为，从而推断这个触点上发生的转化，都是受了哪些引流推广的影响而发生的。这么讲不容易理解。讲一个例子就很简单了。先讲一下什么是触点。触点就是消费者跟你接触的营销沟通平台，比如网站、app、小程序之类。关于触点的更详细的介绍，可以看这篇文章：《如果你想用DMP……（DMP 101之一：DMP的核心思想）》。这个例子很简单，比如，一个触点是一个网站。这个网站上可以购买商品。有一个消费者，通过信息流广告点入了这个网站，但是没有买商品。过几天，他又收到了一个微信上的推广链接，又点入了这个网站，还是没有买这个商品。又过几天，他从搜索引擎的竞价排名上点击了链接，进入这个网站，购买了商品。他的这一连串的行为能够被分析工具准确记录下来，并建立先后次序，形成报告。通过报告，我们可以知道，有一个人受到了三个营销推广渠道（从前到后分别是信息流广告、微信分享链接、竞价排名）的影响，实现了一次购买。你可以看到，单触点归因是非常容易实现的。只要某个用户行为分析工具（或者流量分析工具）支持单触点归因分析，我们只需要在一个触点上安装流量追踪和用户转化行为分析的监测代码，就可以实现这一归因模式的分析。几乎所有的归因分析工具都提供单触点归因的能力。

多触点归因

有单触点归因，当然就会有多触点归因。多触点归因的英文是Multiple Touchpoints Attribution（MTA）。多触点归因显然要比单触点归因复杂，但目前仍然有方式去部分的解决它。好，你也看到了，我指的是部分的解决，而不是完美的解决。但这么讲，又可能有读者跳出来说，我家的解决方案绝对能完美解决。大家看了我下面的内容，可以自行判断。多触点归因的解决方法，目前有两种，第一种，被称为单ID归因；第二种，被称为多ID归因。我分别详细介绍。

单ID归因

尽管我把单ID归因和多ID归因的标题跟多触点归因并列，但请大家注意，这两种归因是多触点归因的两种实现方式，而不是跟多触点归因并列的概念。单ID归因，很容易理解。比如，你在app上，网站上，小程序上，注册登录用的都是一个ID，那么你在这些触点上的单触点归因，又可以相互串联起来，形成多个触点上的归因。多个单触点上的归因能够串联起来的原因，就是因为大家都有你的完全一致的ID。就像两张数据库的二维表通过主键进行合并，这不是很复杂的操作。但你也可以看到，单ID归因的要求就是必须要ID相同，且触点都属于同一方。ID相同刚才已经讲了。触点都属于同一方是什么意思呢？这个也很好理解。你在app上的ID和网站上的ID完全一致，但是可惜app是腾讯家的，网站是百度家的。就算ID一样，这两家也不可能把他们的数据合并到一起给你用。但如果app、网站或者小程序，都是你自己的，消费者的ID也一样，那么恭喜你，要做单ID归因就非常容易了。这也是为什么，我说多触点归因的解决方案并不完美，它有条件的要求，例如单ID归因的上述条件。

多ID归因

多ID归因，本质上是单ID归因的升级。假设一种情况，如果app A和app B有同一个用户，但这个用户用了两个不同的ID登录了这两个app，现在想做这两个app上的归因的打通，能不能做到呢？如果app A和app B不是同一家的，并且不乐意分享出来数据，那么这种情况下跨app的归因肯定就别想了。但如果它们是同一家或者它们也乐意分享出来数据，同一个用户却没有用同一个ID登录的话，能够解决吗？如果条件合适，那么是可以解决的。思路很简单，化多ID归因，为单ID归因。上面假设的场景比较容易解决，因为A和B都是app，因此，就算ID不同，只要是一个手机登录的，那么手机的设备ID是一致的，然后，变成单ID归因，搞定。但另外一种情况可能会让事情变得复杂，比如，A触点不是app，而是网站，B触点是小程序。而A、B上同一个用户登录的ID还不同，这种情况下如何归因呢？解决这个问题，还是需要化多ID归为单ID归因。也就是说，必须找到两个触点能够共有的ID。在一般情况下，这个共有的ID是手机号码。也就是说，这种情况下做多ID归因的前提条件，是必须让消费者愿意在不同触点上都留下他的电话号码。这也是为什么，大家都不遗余力的让大家留电话的潜在原因之一。多ID归因，是首先把ID打通，然后才能归因的。而ID打通的工作，不是DMP干，就是CDP干。这也是为什么DMP和CDP理论上都应该有归因分析能力的原因。

所以，多ID归因其实能够覆盖的消费者和触点的数量其实也是有限的，并不能完美解决任何消费者在任何触点上的归因。

对上面的各种归因，做一个脑图总结，看了上面的文字，再看这个图，很容易理解（点开小图看大图）。

本来准备写个五六千字就解决这篇文章的。没想到写了一半就快5000字了。为了照顾大家的阅读体验，今天就讲到这里。后面还有一半没讲完，包括归因的统计方式，归因模型的理解等。都是大白话，如果大家感兴趣，留言，或者提问，都欢迎。给我更多的动力写下一篇。谢谢！