世界杯围挡、直播间贴片、信息流落地页、应用商店搜索，哪个场景效果最好？如果只看点击率，品牌广告几乎必输；如果只看最终下载，又可能把前面的认知触点全部抹掉。
归因真正要解决的，不是“把功劳分得绝对公平”，而
是回答三个经营问题：用户从哪里来、哪些触点推动了转化、下一笔预算应该投向哪里。
一、归因的价值，是改善下一次决策
归因至少服务四类决策：
- 预算分配： 找到高质量获客渠道，而不只看安装量；
- 链路优化： 定位曝光、点击、落地、安装、激活中的流失环节；
- 用户经营： 判断哪些来源带来的用户留存、付费和传播更好；
- 组织协同： 让投放、产品、数据和运营使用同一套转化口径。
因此，归因不能止于“这个订单算给谁”，还要把渠道成本与激活、留存、收入连接起来。真正有用的指标不是最低 CPA，而是经过回收周期校准的获客成本、留存和 LTV。
但归因只能分配已经观测到的转化，不能证明广告创造了多少新增。一个渠道获得了归因功劳，不代表没有它用户就不会购买；因果增量仍要靠对照实验或地域实验验证。
二、为什么需要全渠道归因？
用户可能先在短视频看到品牌，随后搜索评测，经社群链接进入官网，最后在应用商店完成安装。每个平台只能看到自己掌握的片段，单渠道报表容易重复认领，也容易高估最靠近转化的触点。
全渠道归因的目标不是强行识别每一个人，而是把不同渠道的证据放进同一套口径：统一转化事件、渠道命名、时间窗口和去重规则，再根据证据强弱完成归因。
纵向表示用户操作流程，横向表示归因流程：
蓝色虚线表示媒体侧回传数据
绿色虚线表示应用激活后上报数据
上图展示了多种归因证据汇合的基本思路。实际建设时，设备 ID、剪贴板和模糊匹配都受隐私政策与系统能力约束，不能作为所有渠道的默认主链路。
冲突、窗口与去重怎么处理？
同一次转化可能被多个渠道认领。不要直接覆盖旧结果，而要保存 conversion_id、证据来源、归因方式、置信度、发生时间、回传时间和失败原因，再统一裁决。
三个原则最实用：
- 同一转化只结算一次，原始证据全部保留；
- 窗口期匹配业务周期，外卖可以短，汽车和教育线索应更长；
- 用户级归因和平台聚合归因分表核对，不能硬做一一匹配。
三、全渠道归因的四层架构
1. 统一口径层
先定义唯一的核心转化，例如首购、付费激活或有效线索，而不是把点击、下载和注册混在一起。统一 channel、campaign、creative、conversion_id 和事件时间，并保留原始参数，避免不同团队各算一套。
2. 埋点采集层
| 场景 | 首选证据 | 补充证据 |
|---|---|---|
| 付费 App 投放 | 平台签名回传、AdAttributionKit/SKAN | 商店来源、媒体聚合报表 |
| 官网、H5 | 一方 campaign 参数、服务端转化事件 | 经同意的登录账号或会话 |
| 社群、私域、内容合作 | 专属链接、二维码、推荐码 | 渠道包或问卷 |
| 线下门店、销售线索 | 订单号、优惠码、CRM 来源 | 地域和时间聚合分析 |
3. 身份与归因层
在获得授权且业务确有必要时，可用一方登录账号或会话串联站内行为。平台聚合回传则应独立保存，不强行拼接到用户。推荐按证据等级处理：
确定性一方证据或有效签名回传 > 商店来源和深度链接令牌 > 渠道包/推荐码 > 概率匹配 > 未归因。
概率匹配只能用于趋势分析，不应触发用户级权益、结算或个性化操作。
4. 决策层
启发式或算法模型负责在已观测路径中分配功劳；增量实验负责判断广告是否真正创造了新增。二者应同时存在：归因报告用于日常优化，实验结果用于校准预算和模型。
四、非付费渠道归因架构
短信、社群分享、公众号、自然搜索等非付费流量通常没有媒体平台提供完整回传，因此要在自有链路中建立归因闭环：
- 用户进入 H5 或落地页时，服务端记录渠道、活动、内容位等参数，并生成短时效归因令牌；
- 已安装 App 的用户通过 Universal Links、App Links 或 deep link 打开 App，同时传递令牌；
- 未安装用户进入应用商店或官方下载渠道。Android 可通过 Install Referrer 承接来源；其他无法稳定透传的场景，可使用推荐码、登录账号或渠道包补充；
- App 激活后上报令牌或来源证据，服务端完成去重、窗口判断和归因，再返回对应的新用户承接策略。
五、从哪里开始建设？
先覆盖贡献最大、数据最完整的渠道，再逐步补齐长尾：
- 确定一个核心转化和统一事件字典；
- 打通广告、分析、订单与 CRM 的 ID 映射；
- 建立证据优先级、窗口期和去重规则；
- 同时输出归因报表、未归因率和数据成熟度；
- 定期用 Conversion Lift、地域实验或停投实验校准渠道价值。
全渠道归因的终点不是得到一张完美报表，而是形成可复核的证据体系：知道结果来自什么数据、可信到什么程度，以及它能否支持下一次预算决策。