简单来说,归因就是“把功劳分配给谁”。
一个用户从看到广告到最终购买,可能会经历多个步骤和广告触点:
在Facebook上看到你的品牌视频广告(点击)
第二天在Instagram看到你的产品轮播广告(未点击)
通过Google搜索你的品牌名(点击)
最后直接输入网址完成购买
那么,这次购买的功劳(转化)应该算给谁?是第一次点击的广告?是最后一次点击的广告?还是所有接触过的广告都分一点功劳?归因模型就是一套规则,用来决定如何分配这次转化的功劳。
你需要理解两个层面的设置,它们共同决定了你报告中的数据。
这是时间范围的概念,定义了用户点击或看到广告后多久内的转化,可以算作广告的功劳。
点击后归因窗口:用户点击广告后的一段时间内。
例如:1天点击
, 7天点击
浏览后归因窗口:用户仅看到(,未点击)广告后的一段时间内。
例如:1天浏览
, 7天浏览
常见的组合窗口:
7天点击,1天浏览
(7d click, 1d view):这是Facebook过去的默认设置,也是目前最常用和推荐的基准设置。它统计:
用户点击广告后的7天内发生的转化。
用户仅浏览广告后的1天内发生的转化。
1天点击,1天浏览
:窗口期很短,更侧重于衡量“立即转化”的效果,适合快消品、冲动消费型产品。但它会严重低估广告的长期影响力。
7天点击
:只统计点击后的转化,完全忽略浏览带来的影响。
如何选择窗口?
销售周期长的产品(如高价家具、B2B服务):建议使用更长的窗口,如
7天点击, 7天浏览
甚至30天点击
,否则会低估广告价值。销售周期短的产品(如时尚服饰、零食):
7天点击,1天浏览
通常足够。品牌知名度活动:浏览归因非常重要,因为很多人看了但不会马上点击。可以考虑延长浏览窗口。
这是分配规则的概念,定义了在归因窗口内,如何将转化功劳分配给多个广告触点。
Facebook主要提供两种模型:
最终点击或浏览归因(Last Click or View)
规则:将100%的转化功劳分配给用户转化前最后点击或最后浏览的那个广告。
优点:简单易懂。
缺点:完全忽略了“助攻”环节(如之前的品牌广告、互动广告),严重高估了最后一步广告的作用,不利于全面评估营销漏斗的上层效果。
数据驱动归因(Data-Driven Attribution, DDA)
规则:使用机器学习模型,分析你账户的历史数据,根据每个广告触点对促成转化的实际贡献程度来公平地分配功劳。
优点:最科学、最准确,能更好地衡量漏斗全流程中每个广告的真实价值。
缺点:需要一定的数据量才能启用(过去28天内至少100次转化)。
广告系列层级设置(影响报告和优化):
创建或编辑广告系列时,在“转化”目标下,找到“归因设置”选项。
这里你可以选择归因窗口(如 7天点击,1天浏览
)和归因模型(如 数据驱动
)。
重要提示:此处的选择不仅影响你看到的数据报告,还会影响Facebook优化投放的算法。系统会去寻找在指定窗口和模型下最可能转化的人群。
广告管理工具中的报告自定义(仅影响数据视图):
在Ads Manager中,你可以点击“栏位”自定义报表,并临时切换不同的归因设置来对比数据视图,但这不会影响广告的投放优化。
首选推荐设置:
归因窗口:7天点击,1天浏览
。这是一个很好的平衡点,既能捕捉大部分转化,又不会窗口过长导致数据噪音太多。
归因模型:如果账户符合条件,优先选择“数据驱动归因(DDA)”。这是最先进的模型,能提供最真实的洞察。
数据驱动归因(DDA)是未来趋势:
尽力让你的账户达到使用DDA的门槛。它能让你发现,那些看似“效果不好”的上层漏斗广告(如视频广告、品牌广告),实际上为最终的转化做出了巨大贡献,从而避免你错误地关停它们。
理解不同设置下的数据差异:
一个广告在 7天点击,1天浏览
窗口下报告的转化数,肯定会远高于在 1天点击,1天浏览
下的数量。比较数据时,必须在同一归因设置下进行。
与其它渠道对比时需谨慎:
Google Analytics等工具默认使用最终点击模型,且归因窗口可能不同。这意味着同一个转化,Facebook和GA报告的数字很可能不一样。这不是错误,只是归因规则不同。在进行跨渠道分析时,要意识到这个差异,并尽量统一对比标准。
检查账户资格:过去28天是否有100+转化?是 -> 优先选择 数据驱动归因。
无资格或想保持简单:选择 最终点击或浏览 模型。
选择窗口:
大多数情况:7天点击,1天浏览
。
高客单价、决策周期长:考虑更长的窗口(如 30天点击
)。
超快消品、追求即时效果:可试用 1天点击,1天浏览
(但要知道你会低估长期价值)。
保持一致:一旦设定,就在一段时间内保持稳定,以便进行有效的同比和环比分析。频繁更改归因设置会使历史数据无法直接对比。
最终,没有“唯一正确”的选择,最好的设置取决于你的业务目标、销售周期和数据成熟度。建议从 7天点击,1天浏览
+ 数据驱动归因
开始,这是目前最科学和通用的基准配置。