為何需要了解歸因？
我們在看NBA時，都知道除了球員的「得分」外，傳球給得分的球員也會被記下「助攻」，因為籃球屬團隊運動，必須有人負責搶籃板、傳球、投球，才能完成一次的得分。
然而，當我們「沒有」做好歸因，就好比只注重球員的「得分」，而忽略其他面向的數據（如助攻、籃板球數、抄截等），進而導致錯估每位球員的實質貢獻。
然而，在數位行銷的領域也是如此。
數位工具歸因的差異
在開始使用任何數位行銷工具之前，最重要的事情之一，就是必須了解這些工具是「如何認列」成效，因為每個工具歸因的方式不同，以同樣的標準看待，勢必會誤判成效表現。
先讓我們舉個例子：假設Jasmine想要買一隻手錶，他一開始先在Google搜尋到TimLi這個品牌的手錶並加進瀏覽器書籤，但沒有馬上購買，在接下來的7天內，他陸續被Facebook、Line、Google的再行銷廣告打到，最終透過書籤的連結回到官網進行購買。
Organic（自行搜尋相關資訊）
➔ Facebook 廣告（再行銷）
➔ Line 廣告（再行銷）
➔ Google CPC（再行銷）
➔Direct（書籤回訪）
➔ 購買（1000元的訂單轉換）
想問問大家，你覺得這筆訂單會是誰的功勞呢？
數位廣告工具
Facebook Ads、Google Ads通常會以「時間」來認列成效，也就是說，消費者只要在點擊過廣告後的某一段時間區間內（通常是7天）完成轉換，不管過程中消費者還做過哪些事，這筆轉換就會被認定是該廣告的功勞，因為這些廣告平台是站在「平台本身」的角度來做歸因。
因此，這筆訂單在同時會被Google、Yahoo、Line都歸功在自己身上。
數位分析工具
Google Analytics預設所採用的是「工作階段 (session based)」加上「最後非直接造訪點擊歸屬 (Last Non-Direct Click) 來認列成效。
然而，因為實務上較難去明確定義消費者的行為，所以GA所採用的「最後非直接流量點擊歸屬」，會把轉換功勞歸功給在同一個工作階段內不看直接流量後的最後一個媒體。
因此，GA則會把這筆轉換認列在Google CPC的頭上。
重複認列
如果我們把Google、Yahoo、Line廣告後台的轉換價值相加 (1000 + 1000 + 1000元)，會發現怎麼比GA (1000元)高出這麼多？
如同前述所說，因為Google、Yahoo、Line都把功勞算在自己頭上，造成「重複認列」的問題，為了避免這樣的問題，我們必須先了解何謂行銷的歸因模式。
何謂行銷的歸因模式？
沿用前面的例子：
Organic（自行搜尋相關資訊）
➔ Facebook 廣告（再行銷）
➔ Line 廣告（再行銷）
➔ Google CPC（再行銷）
➔ Direct（書籤回訪）
➔ 購買（1000元的訂單轉換）
雖然Google CPC是促成消費者轉換最後一個媒體，但如果沒有Facebbok、Line的輔助，也沒有辦法完成這筆訂單，也因為實際上每個媒體都有「功勞」，我們不能夠把功勞100%算在Google CPC頭上，而是必須藉由「歸因模式」來分配功勞給我們手上的媒體，以衡量這些行銷工具替我們創造的價值。
換個量化的說法，假設完成一次轉換是100分，歸因模式就是把這100分按比例分配給每一個與消費者的行銷管道，好讓我們衡量每個媒體的成效：
Direct: * 40% = 30分
Google CPC: 100 * 30% = 30分
Line: 100 * 20% = 20分
Facebook: 100 * 5% = 5分
Organice: 100 * 5% = 5分
至於歸因模式該怎麼「分配比例」？通常會取決於你所使用的歸因邏輯。
GA的歸因模式有哪些？
1. 最終互動 (Last Interaction)：
把100%的轉換功勞全部歸功給最後一個管道。以上述的例子，「直接流量」會獲得所有的功勞。
此模式並不適合作為主要的歸因模式，如同前述所說，消費者的購買決策行為通常多且複雜，單一管道的歸因會造成十分偏頗的分析結果。
但最終互動模式也並非完全沒有用途，假設身為行銷人員的你，現在手頭有數個數位廣告工具，如Facebook、Line、Google Ads等，便可以透過最終互動模式，來找出促成消費者轉換最有利的管道，並在該廣告平台投放「導購、CTA、促進轉換、產品形象」為主的文案或視覺素材。
2. 最終非直接造訪點擊 (Last Non-Direct Click) ：
不看直接流量後，把100%的轉換功勞全部歸功給最後一個管道，上述的例子，「Google Ads」會獲得所有的功勞。
此模式與最終互動相似，但由於直接流量在實務上難以界定消費者的確切行為，為了能夠找出更有用的分析依據，便有此模式的產生。此外，Google Analytics的報表（除了多管道程序報表）即是使用此模式。
3. Google Ads 最終點擊 (Last Adwords Click)：
把100%的轉換功勞全部歸功給最後一次點擊的Google Ads。
主要的用來比較自家所投放的Google Ads中，如關鍵字廣告、購物廣告、多媒體廣告等，哪一種類型更容易促成轉換。但假如只投放一種類型，此模式便沒有什麼實質的幫助。
4. 最初互動 (First Interaction)：
與 (1)最終互動模式剛好相反，把100%的轉換功勞全部歸功給第一個管道。以上述的例子，「自然流量 Organic」會獲得所有的功勞。
此模式同樣只適合做為輔助使用，透過此最初互動模式可以找出適合做初期曝光、建立品牌形象的管道，並使用該廣告平台投放以「品牌形象、Awareness」為主的文案或視覺素材。
5. 線性 (Linear)：
把100%的轉換功勞平均分配給每一個有接觸過的管道，以上述例子，因為經過5個管道，每個管道都獲得20%的功勞。
此模式改進了前四項單一管道歸因的缺點，把功勞平均分配，但我們都知道實務上不可能每一個管道都獲得相同的功勞，因此此模式只適合作為比較的依據，比較在其他的歸因模式下，各管道所獲得的功能會比平均多或少。
6. 時間衰減 (Time Decay)：
時間衰減模式不難理解，隨著時間流逝，距離轉換日期越久的管道所分配到的功勞越少。
下圖所分配的比例僅為範例，實際功勞的分配比例是由GA的演算法基於轉換日期自行分配，我們無從得知，但相對前幾項更適合作為主要分析的模式之一。
7. 根據排名 (Position Based)：
Position Based 會給最初與最終互動兩管道各自40%的功勞，中間的管道平分剩下的20%。
此模式也有其邏輯及道理，端看各位行銷人自行評估囉。
8. 自訂模式：
自訂模式必須從「最初、最終、線性、時間衰減、根據排名」五種排名選擇其中一種模式作為基準，並進行細部的調整；
(1) 選擇「最初、最終、線性」可以自訂轉換回溯期的「天數」（預設30天）。
(2) 選擇「時間衰減」可以自訂功勞衰減的半衰期（預設7天）。
(3) 選擇「根據排名」可以自訂最初、中間、最終互動的比例（預設40%、20%、40%）。
適合給對自家的行銷管道有一定的熟悉程度，或是對歸因有一套想法的行銷人使用。
如何選擇適合的歸因模式？
(1) 注意轉換回溯期
轉換回溯期X天代表轉換日期往前計算X天的管道都會被GA所認列。舉例來說，GA預設的30天回溯期即代表消費者在完成轉換前30天所接觸過的管道都會被納入歸因模式計算。
至於回溯期該設定多少天呢？可以到轉換 > 多管道程序 > 轉換時間差報表，查看自家消費者通常會耗費多少時間來完成轉換，並以此作為回溯期的標準。
(2) 跨裝置使用者
GA採用Cookie的CID追蹤技術，藉由瀏覽器的Cookie分配一組專屬ID給使用者來追蹤使用者，然而，當使用者切換裝置或清除Cookie紀錄後，就會被GA認作不同的使用者。
為了解決此問題，可再導入資源 > 追蹤資訊 > User-ID裡的追蹤碼到網站，來解決使用者跨裝置的問題！
(3) 同時使用多個歸因模式
如同上述的介紹，最初互動表現較好的管道適合做Awareness、品牌形象的廣告；最終互動較佳的管道適合做產品形象、轉換相關的廣告；時間衰減更適合做通盤媒體的歸因分析等，每一種歸因模式都有其適合商業情境，絕對不可能只使用一種歸因模式就能解決所有問題，我們必須根據自家的商業或者行銷目標來找尋適合的歸因模式。
有了行銷歸因的概念之後，接下來我們將進一步探討GA「管道分組」，找出真正促進轉換的行銷渠道。
