询盘归因模型：首次接触、末次接触、线性归因的选择与局限
一、归因到底在解决什么问题
归因模型回答的问题是：一条询盘最终成交了，功劳算谁的？买家可能第一次通过 Google 搜索看到你，第二次看了你的博客文章，第三次通过 LinkedIn 重新访问，第四次直接输域名下单。这四步里，谁的贡献最大？不同的归因模型给出不同的答案。
这个问题听起来学术，实际上直接影响预算分配。如果归因把功劳全算给末次接触，你会把预算砸在重定向广告上；如果全算给首次接触，你会拼命找新渠道。归因选错了，预算就错了。但反直觉判断：没有任何一种归因模型是”对”的，它们都是对真相的近似。你要选的是最适合当前业务阶段的近似。
| 归因模型 | 功劳分配 | 核心假设 | 典型偏差 |
|---|---|---|---|
| 首次接触 | 100% 给第一次访问 | 第一次吸引最重要 | 低估转化阶段的推动作用 |
| 末次接触 | 100% 给最后一次访问 | 最后一步临门一脚最重要 | 高估重定向和品牌词 |
| 线性归因 | 每次触点平分 | 每一步贡献相同 | 不区分认知期和决策期 |
| 时间衰减 | 越靠近成交权重越高 | 最近接触影响更大 | 忽略早期培育的长期价值 |
三种常用模型各有适用场景，也各有盲区。关键不是找一个”最准”的，而是知道你选的模型会把你往哪个方向带偏，然后用另一个模型做对照。归因追踪的基础技术见询盘归因怎么算才对，Click ID 体系见该文。
二、首次接触：冷启动阶段的选择
首次接触归因把功劳全给买家第一次访问你的网站。这个模型适合业务冷启动阶段：你还在找新流量来源，不知道哪些渠道真的能带来询盘。这时候用首次接触，能帮你判断”哪个渠道第一次把人带进来”。
但它的局限很明显：它假设第一次接触决定了成交，忽略了中间所有的培育动作。买家第一次通过 Google 搜索来了，看了一眼就走了，三个月后通过 LinkedIn 又回来，最后成交。首次接触会把这单算给 Google，但实际上 LinkedIn 的那次回访才是临门一脚。
| 适用阶段 | 年成交样本 | 决策用途 | 不要用来做什么 |
|---|---|---|---|
| 冷启动 0 到 1 | <100 单 | 找新流量来源 | 不要用来优化落地页 |
| 新渠道测试期 | 新渠道 <50 单 | 判断渠道是否带来新客 | 不要用来砍老渠道预算 |
| 内容认知期 | 博客流量为主 | 看哪类内容带来初次访问 | 不要用来评估销售跟进能力 |
场景示例：你今年刚上线独立站，一年成交 60 单。这时候用首次接触归因，发现 40% 的单子第一次来自 Google 自然搜索，20% 来自 LinkedIn，15% 来自行业展会带来的直接访问。这说明 Google 是你最大的新客来源，预算应该优先投 SEO。这个决策在 60 单的样本量下是可靠的。但如果你用这个数据去优化落地页转化率，就错了——首次接触不反映落地页的表现。
三、末次接触：默认值，但 B2B 长周期会失真
末次接触归因是大多数 CRM 和 GA4 的默认值：把功劳全给买家最后一次访问。这个模型假设”最后一步临门一脚最重要”，对电商短周期交易合理，但对 B2B 长周期交易会失真。
反直觉判断在这里：B2B 成交周期 3 至 6 个月，末次接触会系统性高估重定向广告和品牌词搜索。因为买家在决策末期往往会直接搜你的品牌名回访，或者通过之前种下的重定向广告回来。末次接触把这一单算给品牌词或重定向，但实际上把他拉进认知阶段的可能是半年前的一篇博客。
| 买家路径 | 末次接触归因 | 实际贡献最大的触点 | 偏差方向 |
|---|---|---|---|
| Google搜索→博客→LinkedIn→品牌词直接访问成交 | 100% 算品牌词 | Google搜索和博客 | 高估品牌词，低估SEO |
| 展会→邮件培育→重定向广告→成交 | 100% 算重定向 | 展会和邮件培育 | 高估重定向，低估展会 |
| YouTube视频→官网→报价页→成交 | 100% 算报价页 | YouTube视频 | 高估报价页，低估视频 |
末次接触适合什么场景？适合转化路径已经稳定、你要优化”最后一步”的时候。比如年成交 100 至 300 单，渠道结构已经清楚，你需要知道哪个落地页、哪个报价页带来了最多成交。这时候用末次接触优化落地页是合理的，但不要用它来决定”要不要继续投 SEO”——因为它会系统性低估 SEO 的贡献。落地页优化见落地页转化率优化。
四、线性归因：成熟阶段的组合优化
线性归因把成交功劳平分给路径上的每一次触点。这个模型假设每一步贡献相同，虽然简单，但在成熟业务阶段比前两个单触点模型更接近真实。它需要你追踪买家的完整访问路径——从第一次到最后一次，中间所有触点都要记录。
线性归因的局限是它不区分认知期和决策期。第一次访问看个博客，和最后一次访问提交询盘，在线性模型里权重一样。但实际上这两步的贡献差别很大。更精细的模型比如时间衰减、U 型归因（头尾各 40%、中间各 10%）可以解决这个问题，但数据追踪要求更高。
| 年成交样本 | 推荐主模型 | 对照模型 | 主要决策 |
|---|---|---|---|
| <100 单 | 首次接触 | 末次接触 | 找新渠道 |
| 100 至 300 单 | 末次接触 | 首次接触 | 优化转化路径 |
| >300 单 | 线性归因 | 时间衰减 | 渠道组合优化 |
| >500 单且多语言 | U 型或数据驱动 | 线性归因 | 精细化预算分配 |
场景示例：你一年成交 400 单，渠道有 Google 自然搜索、Google 广告、LinkedIn、邮件培育、重定向广告。用线性归因算下来，Google 自然搜索贡献 25%，LinkedIn 贡献 22%，邮件培育贡献 18%，重定向贡献 15%。和末次接触对比，重定向从末次的 40% 降到 15%——说明你之前高估了重定向，实际把买家拉进来的是 SEO 和 LinkedIn。这时候预算应该从重定向挪一部分到 LinkedIn 内容投入上。
五、主模型加对照模型：不要混用决策
最常见的错误是把多个归因模型的数字混在一起看：首次接触说 SEO 贡献大，末次接触说重定向贡献大，然后不知道信哪个。正确做法是选一个主模型做决策，另一个模型做对照——主模型决定预算分配，对照模型提醒你主模型可能带偏的方向。
| 决策问题 | 用哪个模型 | 为什么 |
|---|---|---|
| 要不要开新渠道 | 首次接触 | 看新渠道带来多少第一次访问 |
| 要不要优化落地页 | 末次接触 | 看哪个落地页最后成交最多 |
| 预算怎么在成熟渠道间分配 | 线性归因 | 看全路径贡献 |
| 要不要砍重定向预算 | 对照看首次接触 | 重定向在末次下天然偏高 |
| SEO 到底值不值 | 对照看首次接触 | 末次接触会系统性低估SEO |
另一个常见错误是在样本量不够的时候用复杂模型。年成交 50 单就上线性归因，每个触点分到的样本太少，数字全是噪音。样本量不够的时候，简单模型反而更可靠。归因追踪的技术基础见询盘归因怎么算才对，GA4 事件部署见GA4事件部署。
FAQ 常见问题
B2B独立站应该用哪个归因模型？
为什么末次接触对B2B长周期会失真？
首次接触归因适合什么场景？
线性归因的局限是什么？
归因模型选错了会怎样？
样本量不够能不能用复杂归因？
写在最后
归因模型这件事，最容易陷入的误区是找一个”最准”的模型。但归因本质上是对真相的近似，没有哪个模型是真的。首次接触会让你高估新渠道，末次接触会让你高估重定向，线性归会不会区分前后期。你要做的不是找到完美模型，而是知道自己选的模型会把你往哪个方向带偏。
落地三步：第一，按年成交样本量选主模型，100 单以下首次接触，100 至 300 单末次接触，300 单以上线性归因；第二，选一个对照模型，专门用来提醒主模型的偏差方向；第三，不要混用决策——预算分配只听主模型，对照模型只用来质疑。这三步做完，你就不会因为归因选错而把预算砸错地方。
一句可以记住的话：归因没有对错，只有适合——你选的模型决定了你的预算流向哪个渠道，知道它会把你带偏到哪里，比找一个”最准”的模型更重要。