本文详细阐述了归因分析思维模型，探讨了如何识别和解释事件背后的原因，引导读者在面对复杂问题时进行深入分析，希望对你提高问题分析能力有所帮助。

影响世界变化的因素正在变得越来越复杂，很多问题不能简单地进行归因。

比如，小明在某网上商城的首页看到一款商品，点进去查看商品的详情，然后又去看了其他用户的评价，最终选择下单购买。

请问：哪个因素对最终成交的影响最大？

下面介绍 100 种分析思维模型的第 79 种：归因分析，它能帮助我们做出更加正确的判断和决策。

一、为什么学习归因分析？

通过学习归因分析，我们可以更好地厘清事物之间的因果关系，避免基于片面或主观的判断，导致做出错误的决定。

当我们面对复杂问题的时候，可能会受到多种因素的影响，此时就需要运用归因分析的方法，准确地找到问题的根源。当我们深入分析各种因素之后，识别出哪些因素是需要改进或调整的，进而有针对性地优化工作流程，就能避免陷入低效忙碌和迷茫的状态，减少盲目决策的风险。

二、什么是归因分析？

归因分析是指在一件事情发生之后，分析哪些因素导致它的发生，并确定各种因素对最终结果的贡献程度，以便做出相应的优化和改进。

常见的归因分析模型有 5 种：末次交互模型、首次交互模型、平均分配模型、时间衰减模型、自定义模型。

下面以分析小明在网上购买商品的原因为例，简要介绍每种模型的含义和适用场景。

① 末次交互模型

把成交完全归功于最后一次交互，强调最后因素的促进作用，即认为「评价」的贡献为 100%，其他因素的贡献为 0%。

适用场景：周期比较短的广告投放，转化的路径一般比较少。

② 首次交互模型

把成交完全归功于第一次交互，强调驱动用户认知的首因效应，即认为首页的贡献为 100%，其他因素的贡献为 0%。

适用场景：开拓市场时期的营销活动，尽可能把更多的新用户拉进来。

③ 平均分配模型

把成交的贡献平均分配到各种因素中，大家一视同仁，即认为所有因素的贡献相同。

适用场景：维持品牌认知度的阶段，在整个周期内与客户保持比较好的关系。

④ 时间衰减模型

认为贡献程度会随着时间而衰减，越接近成交的因素，贡献度越大。比如：首页贡献 20%，详情贡献 30%，评价贡献 50%。

适用场景：一些短期的促销活动，引导用户尽快完成转化。

⑤ 自定义模型

根据实际情况，给每个因素赋予相应的权重。比如：首页贡献 40%，详情贡献 20%，评价贡献 40%。

适用场景：根据实际情况进行测试，调整和优化不同因素的权重。

每种模型都有自己的优势和不足，需要根据其适用的场景，加以选择和应用。

正如统计学大师乔治·博克斯所说：“所有模型都是错的，但其中一些是有用的”。

在选择具体模型的时候，我们要在充分理解业的基础上，考虑算法和时间等因素，选择合适的模型，实现用数据为业务赋能。

三、怎么运用归因分析？

在日常工作、生活和学习中，我们通常都喜欢给发生的事件找原因。

比如，这个人工资高，是因为他能力强；那个人生活好，是因为他有钱；某学生成绩好，是因为他努力……但是，这种简单归因的方式，不能帮助我们找到真相，也不能促进我们成长。

运用心理学的刺激反应模型：在刺激与反应之间，存在一段距离，成长和幸福的关键就在于此。也就是说，面对同一件事情，不同的人有不同的思维习惯，可能会选择不同的归因方式，最终导致的结果也会不一样。

比如，有人把摔跤全部归因于地面（或外界的环境因素），也有人把摔跤全部归因于自己走路不小心。

前者倾向于运用首次互动模型，而后者是倾向于运用末次互动模型。

其实，我们可以运用自定义模型，根据当时的实际情况，适当增加一些弹性，找到外部因素和内部因素的某种平衡，提升自己的掌控感。

一种比较科学的做法，是运用 A/B测试模型，在大胆假设的基础上，小心进行求证，找到影响结果的真实原因，避免陷入归因谬误。有一个关于电梯的故事：在一个快速上升的电梯中，一个人站着，一个人蹲着，还有一个人跳着，最后升到了最高层。有人问：你们是怎么上来的？

第一个人说：我是站着上来的；第二个人说：我蹲着就上来了；第三个人说：我是跳上来的。

他们每个人都觉得，是自己的行为导致电梯上升，但其实都与事实相差甚远。

这个电梯的故事虽然看起来有点可笑，但是在现实世界中，由于影响结果的因素错综复杂，很多人是真的搞不清楚原因究竟是什么。

比如，一家公司为什么能成功？到底是因为做对了什么？还是因为刚好顺应了趋势？或者是兼而有之？

归因分析常见的错误有 3 种：简单归因、过度解读和因果倒置。

举一个工作中的例子，假设有人开会迟到了，此时可能存在 3 种错误的归因方式：

1. 简单归因 ：认为此人缺乏纪律性。
2. 过度解读 ：认为此人是故意迟到。
3. 因果倒置 ：认为会议安排不合理。

实际上，此人开会迟到，可能是因为他遇到什么突发情况，不要简单归因，也不要过度解读，更不要因果倒置。

再举一个彩票中奖的例子，假设有个人中了 500 万的彩票，然后总结中奖的原因，套用各种分析模型，甚至利用大数据技术，从购买彩票时的手势、方位、人流量、历史号码等维度进行分析拆解，看起来头头是道，但其实是伪科学。

四、最后的话

在运用归因分析的过程中，需要特别注意：相关不等于因果。

正确地运用归因分析，应该综合考虑多种可能的因素，并基于客观的证据，运用逻辑思维进行分析推理，最终做出正确的判断和决策。

夏普利值模型也属于一种归因分析模型，最后用一个简化版的故事，来帮助你加深对模型的理解。

两个同学在一起吃饼干，A 同学带了 5 块饼干，B 同学带了 3 块饼干，他们邀请 C 同学一起吃，3 个人平分了 8 块饼干。

三人吃完饼干之后，C 同学拿出 8 块钱，给 A 和 B 作为酬谢，结果 A 和 B 因此产生争论。

A 同学说：我带了 5 块饼干，所以我应该拿 5 块钱。

B 同学说：饼干都是一起吃的，所以我们应该平分，各拿 4 块钱。

你认为谁说的对呢？

按照夏普利值模型，公平合理的分配方法是：A 得 7 块钱，B 得 1 块钱。

为什么呢？

因为每个人各吃了 8/3 块饼干，而 A 带了 5 块饼干，所以 C 其实吃了 A 带的 5 – 8/3 = 7/3 块饼干，吃了 B 带的 3 – 8/3 = 1/3 块饼干。

因此，从 A 和 B 给 C 的贡献来看，A 应该拿 7 块钱，B 应该拿 1 块钱。

你看，这样一个简单故事的背后，其实也蕴含着归因分析的思想。

如果你不懂得正确运用归因分析，可能就会像上面故事中的两位同学那样，自己吃了亏都不知道。