题图

营销圈最近传出一个不巨大不细小的震动，Google要动手收拾一批“老伙计”了。这次的主角是四种用了许多年的老一套广告归因模型， 它们的名字兴许不少许广告主都耳熟能详：首次点击、线性、时候_decay、位置_based。按照Google的时候表， 从2023年5月开头，这些个模型会逐步退出往事舞台，取而代之的是数据驱动归因。消息一出，有人拍手叫优良，觉得这是行业进步的必然；也有人眉头紧锁，担心丢了“吃饭的家伙”。这场归因模型的变革，到底藏着啥玄机？广告主们又该怎么应对？

Google 将下线 4 种传统广告归因模型，广告主反应不一

那些个被“请下台”的归因模型：它们曾怎么“指点江山”

在DDA崛起之前，这四种老一套归因模型差不离是广告效果评估的“标配”。它们各有各的脾气，也各有各的用武之地。比如首次点击归因，轻巧松直接，把全部功劳都算在用户第一次点击的广告上。这种模型特别适合品牌刚起步的时候， 那时候用户对品牌没概念，第一次接触的广告往往决定了他们对品牌的“第一印象”。想起来2018年有个做智能音箱的跨境电商品牌， 早期就是靠首次点击归因摸清了哪个渠道的用户最“忠诚”，后来啊把70%的预算砸在了那东西渠道，半年内用户量直接翻了三倍。

线性归因则显得“公平”很许多，它把转化功劳平均分给用户整个决策路径上的全部触点。这种模型适合那些个需要许多轮种草的行业，比如美妆。用户兴许先在细看到测评， 再逛淘宝对比，再说说在抖音直播间下单，线性归因会把个个环节的贡献都算进去，避免某个渠道“独吞”功劳。2020年有个国货彩妆品牌就用线性归因找到， 虽然抖音的引流效果最优良，但细的“种草”转化率其实更高大，于是调整了预算分配，整体ROI提升了15%。

时候_decay归因带点“势利眼”，它觉得离转化越近的广告贡献越巨大。这种模型特别适合促销活动期间，比如双11。用户兴许提前一个月就看到预售广告，但真实正下单往往是在再说说几天的冲刺阶段。时候_decay归因会把再说说几天的广告权沉拉得很高大，帮广告主抓住“临门一脚”的流量。2021年某服装品牌在双11期间用这玩意儿模型， 找到再说说48细小时的广告转化效率是平时的5倍，赶紧追加预算，当天销量破亿。

位置_based归因算是“中庸派”， 它把40%的功劳给首次点击，40%给再说说一次点击，剩下的20%平均分给中间的触点。这种模型平衡了“品牌曝光”和“直接转化”，适合那些个既需要打响知名度又需要即时转化的行业，比如教书。用户兴许先通过搜索引擎了解课程， 再通过社群咨询，再说说通过广告链接报名，位置_based归因能兼顾个个环节的值钱。2022年一个在线教书平台用这玩意儿模型优化投放，线索本钱少许些了22%。

3%的用率：老一套模型为何“失宠”？

Google之所以要“挥刀斩乱麻”，核心原因其实很现实——这四种老一套模型眼下用的人太少许了。根据Google自己的数据，它们的用率在过去几年里断崖式下跌，目前只有可怜的3%。换句话说97%的广告主已经“移情别恋”，投向了DDA的怀抱。这种变来变去背后其实是用户决策路径的“麻烦化”。

早年间，用户买东西路径很轻巧松，兴许就是“看到广告-点击-下单”。眼下呢？用户兴许早上在朋友圈看到种草， 中午用百度搜索对比参数，晚上在细看测评，半夜在淘宝凑单，再说说兴许还是通过朋友推荐才下单。整个路径像一团乱麻，老一套归因模型根本“理不清”。线性归因觉得个个环节都关键， 但用户兴许只是在某个环节随便点了一下根本没产生实际关系到；首次点击归因把功劳都算给第一次接触的广告，但用户再说说下单兴许根本没记住第一次看到了啥。

DDA的优势就在这里了。它不像老一套模型那样“死板”，而是靠算法自己“琢磨”。Google会琢磨海量数据， 看个个广告在用户决策路径里到底扮演了啥角色，有的广告兴许负责“唤醒需求”，有的负责“对比种草”，有的负责“临门一脚”，DDA会的提升了18%，这玩意儿数字足够让巨大许多数广告主“动心”。

广告主的“分裂现场”：支持与不赞成的拉锯战

Google的“一刀切”让不少许广告主措手不及。在社交新闻上，有人为这玩意儿决定叫优良，觉得这是“清除落后产能”的少许不了举措。比如有广告主在Twitter上留言：“用DDA一年了 终于不用再纠结线性归因的‘公平’虚假象了预算分配清晰许多了效果提升看得见。”

但不赞成的声音同样不细小。有广告主觉得，老一套模型虽然不够精准，但胜在“透明”，巨大家一眼就能看懂它是怎么算的。DDA呢？像个“黑箱”，算法怎么算的，权沉怎么分配的，广告主根本一无所知。更让人担心的是DDA会不会“偏心”？毕竟Google自己的广告平台在DDA里权沉会不会更高大？有位做了十年跨境电商的老司机就吐槽：“取消位置_based归因太可惜了 我们靠这玩意儿模型才平衡优良了谷歌和社媒的预算，眼下全改成DDA，万一算法把谷歌权沉拉太高大，预算岂不是要被‘绑架’？”

这种担忧不是空穴来风。2022年有个做3C配件的卖家做过测试， 同样一组广告，用位置_based归因时谷歌广告的贡献占比是45%，用DDA后直接飙升到68%。虽然转化率提升了 但预算分配明显向谷歌倾斜，这让卖家有点“哭笑不得”：效果是优良了但渠道凶险也集中了。

DDA的“真实实面目”：算法光环下的数据迷雾

DDA确实有它的“过人之处”。它能处理海量数据，识别麻烦的用户路径，还能望尘莫及的。

但DDA也不是“万能药”。它的第一个“柔软肋”是数据依赖。如果广告主的数据不完整， 比如跨平台数据没有打通，或者用户ID频繁变来变去，DDA的算法就会“失灵”，算出来的后来啊兴许比老一套模型还离谱。2023年2月有个做独立站的美妆品牌， 基本上原因是没打通Facebook和Google的数据，用了DDA后反而找到“转化路径”里许多了很许多“幽灵触点”，预算越投越亏，再说说只能切回再说说一次点击归因“救急”。

第二个“柔软肋”是“算法黑箱”。广告主无法晓得DDA具体是怎么分配权沉的，只能看到到头来后来啊。这意味着广告主会丢了对数据的“掌控感”， 一旦DDA的算法出现问题，或者Google调整了算法逻辑，广告主兴许连“为啥效果变差了”都搞不清楚。有资深厚营销专家就指出：“DDA就像一个‘自动驾驶系统’， 虽然开起来省心，但一旦遇到麻烦路况，司机连怎么手动调整都不晓得，凶险太巨大了。”

从“被动收下”到“主动适配”：广告主的生存指南

面对归因模型的“巨大洗牌”，广告主不能坐以待毙。与其抱怨老一套模型被取消，不如提前布局，找到适合自己的“归因组合拳”。

第一步：盘点“家底”， 搞清楚自己的“数据身子优良度”

在切换到DDA之前，广告主先得检查自己的数据基础。跨平台数据有没有打通？用户ID的稳稳当当性怎么样？转化事件的追踪是不是完整？如果这些个问题都没解决，盲目上DDA只会“踩坑”。觉得能先花1-2个月时候做数据清洗，把各个平台的数据“缝合”起来确保算法有足够的“养料”能琢磨。

第二步：“细小步迅速跑”， 用A/B测试验证DDA效果

不要一上来就把全部营销活动都切换成DDA，能先挑一有些预算少许、凶险矮小的活动做“细小白鼠”。比如选两个产品线， 一个用DDA，一个用再说说一次点击归因，跑3个月，对比两者的转化率、ROI、渠道贡献等指标。如果DDA确实表现更优良，再逐步推广。2023年3月有个家居用品品牌就是这么做的， 找到，DDA在客单价高大于50美元的产品上表现更优良，不到50美元的产品还是再说说一次点击更划算，于是针对不同产品线用了不同的归因模型，整体ROI提升了25%。

第三步：“许多手准备”， 构建“混合归因”体系

DDA虽然有力巨大，但也不能把全部鸡蛋放在一个篮子里。觉得能广告主结合起来用。比如用DDA做整体的预算分配， 用再说说一次点击监控直接转化效果，用自定义归因琢磨特定渠道的“种草”值钱。这样既能享受DDA的算法红利，又能保留老一套模型的“透明度”，少许些凶险。

第四步：“修炼内功”， 组建“数据解读”团队

DDA的算法后来啊不是“拿来就能用”的，需要有人能看懂数据背后的逻辑。觉得能广告主培养或招聘1-2名数据琢磨师， 专门负责解读DDA的归因报告，琢磨个个渠道的实际贡献，找出算法的“偏优良”和“盲点”。比如如果找到DDA总是矮小估某个社媒渠道的值钱， 就能手动调整权沉，或者“看到”它的值钱。

归因江湖的以后：从“数据驱动”到“智能决策”

DDA的普及，只是归因手艺演进的一个“中间站”。以后因为AI、机器学的进步，归因模型会变得更加“智能”。比如实时归因， 它能根据用户当下的行为权沉，用户刚搜索过“跑步鞋”，接下来看到运动品牌的广告，权沉就会自动拉高大；跨设备归因，它能打通手机、电脑、平板的数据，把用户在不同设备上的行为串联起来形成完整的决策路径；隐私护着归因，在苹果ATT、谷歌隐私沙盒的管束下通过联邦学等手艺，在不获取用户隐私数据的情况下依然能精准琢磨渠道贡献。

这些个手艺的落地，会让广告效果评估变得更加精准，但也对广告主提出了更高大的要求。以后的广告主，不仅要懂营销，还要懂数据、懂算法，甚至要懂一点手艺。那些个能飞迅速习惯手艺变革、灵活调整归因策略的广告主，才能在“归因江湖”不偏不倚于不败之地。

这场归因模型的变革，对整个营销行业既是挑战，也是机遇。它倒逼广告主从“经验驱动”转向“数据驱动”，从“粗放投放”转向“精细运营”。虽然过程会有阵痛，但到头来留下的，一定是那些个真实正懂数据、懂用户、懂手艺的玩家。Google的“一刀切”或许有些一下子， 但也未尝不是一次行业“净化”，让那些个依赖老一套模型“躺平”的广告主警醒起来去拥抱更先进、更智能的归因手艺。毕竟谁能更精准地读懂用户，谁就能赢得以后。