ROI 算不清，多半是归因没做对

"这个渠道 ROI 是 2.5"——先别急着信，问一句：怎么算的？

不同归因方式下，同一个渠道的 ROI 可能差一倍以上。

三种常见归因

一、末次点击

用户最后一次点击来自哪个渠道，功劳全归它。

问题：用户可能先看了信息流广告，两天后搜品牌词进来下单。末次点击会把功劳给搜索，信息流白干。

二、首次点击

第一个带来用户的渠道拿全部功劳。

问题反过来了：信息流拿走了所有功劳，但它可能只是"广撒网"，真正促成转化的是后面的搜索和详情页。

三、线性归因

每个触点平分功劳。

听起来公平，但实际上不同触点的作用强度不一样。用户看了 8 次广告才下单，这 8 次的价值显然不一样。

我现在的做法

短期看末次，长期看增量。

日常优化用末次点击，因为它及时、可操作。素材 A 的末次转化成本低，就加 A 的预算。

但做预算分配时，看增量：停掉某个渠道一周，看整体转化掉了多少。掉得多，说明这个渠道有真实贡献（哪怕末次归因没算给它）。

这个方法粗糙，但比任何归因模型都接近真相。

一个具体的坑

我们有个账户，末次 ROI 2.8，看起来很好。但停投一周，总订单只掉了 6%。

说明：大部分转化本来就会发生，只是用户在下单前恰好点了广告。这个渠道的作用是"临门一脚"，而不是"创造需求"。

这种情况下，继续加大投放是浪费。

数据埋点的基本功

归因不准，很多时候是数据本身就有问题：

• 渠道参数丢失：落地页跳转、H5 和 App 之间跳转，参数经常丢
• 设备识别不准：同一用户手机和电脑被算成两个人
• 时间窗口设置：7 天和 30 天的窗口，算出来的 ROI 完全不同

先保证"从一个点击到一次成交"这条链路的数据是通的，再谈归因模型。

别追求完美归因

完美的归因不存在。用户可能在地铁上看到广告、回家用电脑搜索、第二天在手机上用另一个账号下单。这条链路，任何系统都还原不了。

所以归因的目标不是"算准"，而是"算得够用"：能判断渠道之间的相对优劣，能指导预算往哪边挪。

差 10% 可以接受，差一倍就要查了。

最后

ROI 算不清的时候，最简单的办法是做实验：停投、减半、换素材，看结果变化。

实验数据可能有噪声，但它没有归因模型那么多假设。在数据不可信的时候，实验比模型可靠。