归因是个有意思的问题，许多领域都在研究，比如心理学中就有“基本归因错误”（Fundamental Attribution Error，FAE）；而广告和金融领域更是对归因进行了深入研究，来辅助广告主和投资人获得更大的收益，避免损失。

一、归因问题

在前一篇《数据产品经理：6大数据分析平台的“世界观”》中主要讲解了6个数据分析平台的数据模型，这6个平台都是大家耳熟能详的，特别是对于中小型企业和团队，在保证数据分析效果的同时，能有力的减少创业初期阶段在数据上的成本投入。

但在结尾的地方，我们留下了一个没有展开的问题——归因。

事情是这样发生的：

我们使用了LinkedIn经典的“魔法数字”案例，也就是“1周内增加5个社交好友的用户更容易留存”。

但是这个结论是如何的出来的呢？

1周内可能发生很多事情，比如用户年龄段的改变、地理位置的改变、偏好的改变等等，我们是如何将最终的留存率“归功于”社交好友数量的呢？而且这5位社交好友是否同等重要呢？

这就是归因问题。

归因的正面作用，它可能是全部数据分析要解决的唯一问题——解释“为什么”，但反面作用，归因不当将会摧毁整个分析的可信度。而且，很可能我们从原始数据的收集和整理方法中，就已经定下了一个大败局——终将“溃于蚁穴”。

为了解决这样的问题，在数据平台上通常会提供几种归因的方案供客户选择：

1. 首次互动归因模型

也就是用户第一次做某件事，在数据中通常表现为时间最早、顺序号最小等等。当然，这是理想情况。在现实中由于种种原因，我们无法从用户的最终转化一直向前追溯，直至真实的“首次互动”。遇到这种情况，也就只好采用能追溯到的、并且与业务相关的首次行为了。

比如：在用户的一次购买转化中，我们可以用订单号追踪；没有订单号，可以用账号；账号没有，可以用访问会话（Session ID）；会话没有，可以用设备ID；如果实在是什么都没有了，那么用户以前的行为，我们只好当它不存在。

2. 最终互动归因模型

也就是用户最后一次做某件事，对应的在数据中就表现为时间最近、顺序号最大等等。同样，在最终互动中也存在“数据问题”——直接访问流量（Direct Traffic），也就是那些找不到前置行为却完成了转化的流量。为了排除它们的干扰，有时也采用最终非直接互动归因。

3. 线性归因模型

也就是平均分。比如前面的LinkedIn的例子，如果用户添加了5个社交好友并留存下来，那么前面的5个社交好友“同等重要”，全都是促成最终结果的重要因素。

4. 加权归因模型

也就是给多个促成因素分配一定的权重。

比如：如果用户从某商城中看了许多商品才下单，在订单页点击了提交按钮，在支付页点击了支付按钮，在订单完成页点击了查看订单详情按钮。一套动作下来，这笔订单应当归功于那个按钮呢？

显然在随意浏览的过程中，点击行为没有那么重要。相比之下，后边的三个按钮就重要得多。

那么怎么定权重呢？前面的线性相当于等权，还有时间衰减模型、U型/W型/Z型模型。这方面文章很多，不再展开。

以上几种方法是比较简单易懂的，而且可以想象计算量与计算复杂度都不大。但是对于归因这么重要的一件事，只有这些简单粗暴的办法么？

当然不是。

比如下面这个：

5. 马尔科夫归因

这是把用户的转化行为比作“马尔科夫链”，来计算各个状态之间的转化概率。简单来说，就是“明天只与今天有关，而与昨天无关”。这样，我们也就可以计算出用户转化路径中的各个步骤之间的概率，并最终算出权重。如果我们用这个权重来代入前面的加权归因，是不是瞬间感觉高大上了么？（如果对概率论还有印象的同学，可能会想起一个十分类似的东西——贝叶斯公式。）

二、归因模型的选择

Well，不知道各位小伙伴是什么感觉，反正我每次看到这种“N种方法”的状况是很头疼的，究竟怎么选呢？

这是个问题。

我们曾介绍：GrowingIO只提供了两种归因模型——首次和最后（在手册中“埋点事件”的“归因方式”一节，参考：https://docs.growingio.com/docs/），而Google Analytics for Firebase则提供了归因模型。

至于其他没有“明说”的平台，为了节（lan）省（ai）时（wan）间（qi），我是没有验证。

这样看，似乎不同的平台都有自己在模型上的取舍。那是否存在一套通用的模型呢？为什么我们不直接采用看上去就很高大上的马尔科夫链，而还是要用最简单粗暴的归因方式呢？

这里主要考量两个因素：

1. 业务形态

说是业务形态，但其实是个比较抽象的概念。落实到数据上，就是我们究竟能拿到什么样的数据。（数据内容是《数据产品经理：6大数据分析平台的“世界观”》这篇的主题，有兴趣的同学可以翻回去看看）。

第三方平台通常以行为分析为重，但与业务相关的数据就不那么容易拿到了，比如商品ID、交易金额、支付渠道等等。

因此：即使我们把事件模型收集到的数据拼成一个长长的链条，但是除了直接导致最终转化的这个环节以外，前面的环节很可能根本没有上报业务相关的数据，或者上报的信息不完整、不准确。所以我们可以轻松地追踪行为，却不太容易从促成转化的角度追踪所有相关的行为，除非详细地配置了各种自定义事件。

因此，除非在业务形态（产品形态）上以用户行为为主（比如短视频类的浏览、点赞、收藏、转发），否则只好在归因方面采用相对简单的归因方法。

而企业内部的数据则更加贴近自己的核心业务，可以方便的拿到核心业务数据。这就适合业务形态（产品形态）比较复杂的情况了。我们也可以相对容易地追踪到促成转化的整个流程。比如电商中的“逛”就是个挺难分析的过程，还有金融中的投资行为等等。它们都需要与业务数据深度结合进行分析，也适合使用相对复杂的归因模型。比如用来分析投资组合的Brinson模型。

2. 计算量

第二个要考虑的因素就是计算量。计算量主要来源于两个方面：数据量与计算复杂度。

数据量比较好理解，典型的数据量爆发场景，就是每每有企业自豪地宣布日活数据、留存数据、交易额/交易人数等数字的时候。这些数字的背后，都是浩如烟海的数据内容。

那么什么叫计算复杂度？这个概念可繁可简。比如，我们拿到的数据是3和10两个数字，你来体会一下心算“3×10”与“3的10次方”之间的区别吧，大概就是这个感觉。

三、归因的延伸

前面讲到的基本都是归因模型的直接应用，也就是“给转化找原因”。

但是既然我们说了归因是分析的全部目的也不为过，那么归因模型也应该有一些延伸应用。比如看看下面这个问题：

既然归因是给转化找原因，而说到转化大家一定会想起漏斗模型，那么归因与漏斗之间是什么关系？还有前面提到的转化路径，难道不是漏斗么？嗯……我已经表达过对于N多模型的厌恶之情，所以这几个之间的关系一定要弄明白。

我们从各种数据采集中得到的信息是很有限的，它们不会超过我们预先能想到要看的那些指标，包括页面上元素的曝光、点击、滑动等基本行为，以及与业务相关的发布内容、拍摄视频、点赞、收藏、下订单、完成支付等等行为。即使是“无埋点”方案，能够采集到的内容也是预先设计好的，并且是更基础、更通用的指标。

很显然，这些基本的指标决不能跟“用户行为”划等号，充其量是用户行为的子集，并且是很小的一个子集。这其中有技术问题，有认知问题，有各种各样的问题。那么用户行为到底是什么样的呢？

其实这个问题不重要，重要的是，我们究竟关心哪些行为。这就是漏斗。

在当今的分析中，大多数人会采使用转化漏斗，来描绘一个对于业务或产品来说最关键的路径。用户在这个路径上如何流动，决定了业务或产品是否存在问题、是否还有发展空间。而这个转化漏斗背后，则是一个价值产生的过程（消费、投资、……），或者是用户的一个心理过程（学习、表达、……）。

所以虽然都是行为，漏斗与行为轨迹的出发点就是不同的——漏斗是业务或产品的角度，行为轨迹是用户的角度。两个往一起一碰，这就有意思了——我希望用户赶快买，但是用户就是转转悠悠的不下单。TA在干什么呢？拼出来一个行为路径看看TA到底在干什么。

总结起来，漏斗是从业务或产品自身的形态出发，在所有用户可能产生的行为路径中，寻找出真正重要的节点；而归因则是将漏斗进行横向拆解，研究促成每一个节点的真正原因是什么，以及如何加强。

比如下面这张图，绿色圆圈才是我们的转化漏斗，与蓝色箭头则找出了每一段的“直接因素”。当然，这画的是理想情况。如果我们的产品设计出现问题了，则会看到越来越多的用户经过了其他的路径。

不知道你有没有这种感觉，面对表现不佳的漏斗，只能干着急而不知道从何下手。因为漏斗本身就不太具备可操作性（Actionable），毕竟节点是你选的，除非你承认自己选错了。而行为路径和归因则给漏斗模型补上了可操作性。

所以真的有很多模型要学么？我没觉得。

这个话题我们放在下一篇，嘿嘿……

本文由 @御豪同学 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议。