我幫品牌做電商代營運，每個月對帳的時候幾乎都會遇到同一個場景：Google 的後台說這個月轉換有八成是它帶的，Meta 的後台也說有六成是它帶的，再加上聯盟、LINE、Email，各家平台回報的功勞加一加，往往是實際訂單數的兩倍甚至三倍。老闆看著這幾份數字面面相覷，問我一句話：「所以到底是誰帶來的訂單？我的錢該加碼在哪一個管道？」
這個問題，就是「行銷歸因（attribution）」要回答的。它聽起來很技術，但骨子裡是一個很生活化的問題：一個顧客從第一次認識你的品牌，到最後掏錢下單，中間可能滑過你的 IG 影片、看過一篇部落格、被再行銷廣告追了三天、最後 Google 搜尋你的品牌名點進來買。這一路上碰過那麼多管道，最後這筆營收，功勞該記給誰？
我看過太多品牌，因為歸因看錯，把錢加碼在其實只是「臨門一腳」的管道，卻砍掉真正在前面辛苦鋪路、把人帶進來的管道，結果整體業績不升反降還一頭霧水。這篇文章我想用最白話的方式，把常見的歸因模型講清楚，說明它們各自的偏誤在哪，以及我實際上是怎麼幫品牌跳出「單一平台自說自話」的陷阱，用更務實的角度判斷哪個管道真的有效。
為什麼每個平台都說轉換是它帶的？重複記功的真相
先解決那個最直覺的困惑：為什麼各平台回報的功勞加起來會超過實際訂單？
答案其實不難懂。每一個廣告平台，都只看得到「自己」跟顧客的接觸，而且它們預設的計功規則往往很寬鬆。舉個例子，一個顧客這週被你的 Meta 廣告曝光過、也點過一次 Google 的再行銷廣告，最後下單了。在 Meta 的後台，它會說「這筆是我帶的」，因為顧客看過我的廣告；在 Google 的後台，它同樣會說「這筆是我帶的」，因為顧客點過我的廣告。同一筆訂單，被兩個平台各自認領了一次。這就是重複記功（double counting）。
更麻煩的是，各平台的計功視窗（attribution window）跟計功條件都不一樣。有的平台只要「曝光」就認功（view-through），顧客根本沒點只是廣告在動態牆上滑過去，它也算；有的則是點擊後七天內、甚至二十八天內成交都算它的。你想想，一個顧客的購物旅程如果拉長到兩三週，這麼寬的視窗底下，好幾個平台當然會同時把功勞攬在自己身上。
所以請先建立一個最重要的心態：各個廣告平台的後台數字，本質上是「自我推銷的成績單」，不是中立的裁判。它們沒有說謊，但它們只看得到局部，而且立場天生偏向「證明自己有效」。你如果把每一份後台數字都當真、還拿去互相加總，得到的一定是一個灌水的世界。判斷管道效益，第一步就是不能只信任任何單一平台的自我回報。
常見歸因模型白話講：同一筆訂單，六種分功勞的方法
既然一筆訂單背後有好幾個接觸點，那功勞到底怎麼分？這就是「歸因模型」在做的事——它其實就是一套「分功勞的規則」。市面上常見的模型有六種，我用一個具體情境帶你走一遍。
假設一位顧客的旅程是這樣：先在 IG 看到你的品牌短影音（接觸點一）→ 幾天後讀了一篇你的部落格文章（接觸點二）→ 又過幾天被再行銷廣告勾回來（接觸點三）→ 最後直接用 Google 搜尋你的品牌名，點進官網下單（接觸點四）。同一趟旅程，六種模型會這樣分功勞：
第一種，最後點擊（Last Click）。功勞百分之百記給最後一個接觸點，也就是品牌字搜尋。前面的 IG、部落格、再行銷通通掛蛋。這是最傳統、最多平台預設的模型，因為它最好算，但偏誤也最大。
第二種，首次點擊（First Click）。反過來，功勞百分之百記給第一個接觸點，也就是 IG 短影音。它的邏輯是「沒有第一次認識，後面都不會發生」，適合看開發新客的源頭，但完全忽略了後面把人推向成交的努力。
第三種，線性（Linear）。功勞平均分給每一個接觸點，四個點各拿四分之一。它的假設是「每一步都同等重要」。這個模型最公平、也最不容易冤枉誰，缺點是它假設所有接觸點貢獻一樣，現實通常不是這樣。
第四種，時間衰減（Time Decay）。越接近成交的接觸點，功勞越大；越早的越小。所以品牌字搜尋拿最多，IG 拿最少。它的邏輯是「臨門一腳比較關鍵」，適合銷售週期短的商品，但同樣會低估前期的開發型管道。
第五種，位置基礎（Position Based，又叫 U 型）。通常把百分之四十的功勞給第一個接觸點、百分之四十給最後一個，剩下百分之二十由中間的接觸點平分。它的想法是「開頭把人拉進來、結尾把人推下單，這兩端最重要，中間是輔助」。對很多品牌來說，這個模型其實比最後點擊平衡很多。
第六種，資料驅動歸因（Data-Driven Attribution，簡稱 DDA）。這是 GA4 現在的預設模型，它不套用固定比例，而是用你自己網站的實際轉換數據去跑模型，比較「有經過某個管道」跟「沒經過」的成交機率差異，動態算出每個接觸點的貢獻權重。理論上它最貼近真實，因為它是看你家自己的資料學出來的，但前提是你的轉換量要夠大，資料太少模型跑不準。
看到這裡你會發現一件事：同一趟旅程、同樣四個接觸點，光是換個模型，每個管道分到的功勞就天差地別。這正是重點——模型不是在描述「真相」，而是在選擇「用哪種角度看功勞」。搞懂這件事，你才不會被某一份報表牽著鼻子走。
為什麼最後點擊會害你砍錯管道？高估與低估的陷阱
在所有模型裡，我要特別把「最後點擊」拉出來講，因為它最普及、也最容易害品牌做錯決策。
最後點擊的問題在於：它把所有功勞都給了「臨門一腳」的那個管道，於是它會系統性地高估「轉換型管道」、低估「開發型管道」。
什麼是轉換型管道？就是那些出現在顧客旅程「尾端」的管道，最典型的就是品牌字搜尋跟再行銷廣告。你想想，一個顧客會用 Google 搜尋你的「品牌名」，代表他早就認識你了、心裡已經想買了，他只是用搜尋當作進到官網的一扇門而已。再行銷也是同理，它追的是「已經逛過你網站的人」。這些管道看起來轉換率超高、投報率超漂亮，但那是因為它們接手的本來就是「快熟的客」。在最後點擊底下，它們把前面所有人的努力都算成自己的功勞。
那什麼是開發型管道？就是出現在旅程「前端」、負責把陌生人變成潛在顧客的管道，例如社群短影音、YouTube 影音、內容部落格、KOL 合作。這些管道的工作是「讓還不認識你的人開始認識你」，它們很少是顧客下單前點的最後一下。於是在最後點擊底下，它們的功勞幾乎被清零，數字難看到不行。
你看出危險了嗎？如果一個品牌只看最後點擊的報表，它會覺得「品牌字搜尋跟再行銷超強，社群跟內容超廢」，然後把預算從社群、內容大砍，全部加碼到品牌字跟再行銷。短期內報表可能還很好看，但過幾個月，你會發現整體新客成長停滯、營收開始往下掉——因為你把「幫你製造新需求」的水源關掉了，只剩下「收割既有需求」的水龍頭在轉，而水池裡的水正在見底。
我在幫品牌做預算配置時，看過不只一次這種狀況。這也是為什麼我一直強調，不能拿最後點擊當唯一的判準。它不是不能看，而是你要知道它天生偏心誰。關於預算怎麼在開發跟收割之間拿捏，我在 如何有效分配電商行銷預算 這篇裡有更完整的拆解。
跨裝置與 Cookie 限制，讓歸因比以前更難了
就算你搞懂了所有模型，還有一個現實的壞消息要面對：這幾年歸因本身變得越來越不準了，而且是結構性地變難。
原因有兩個。第一是跨裝置。現在一個顧客的旅程橫跨好幾個裝置很正常——上班用電腦滑到你的廣告、通勤用手機看你的影片、晚上躺在沙發用平板下單。如果系統沒辦法把這三個裝置認出是同一個人，它就會把一趟完整的旅程，切成三段各不相干的片段，功勞自然算得亂七八糟。
第二是 Cookie 與隱私限制。過去追蹤跨站行為主要靠第三方 Cookie，但 Apple 的 ITP、瀏覽器陸續封鎖第三方 Cookie、加上使用者隱私意識抬頭，這條路越走越窄。很多顧客的接觸點根本沒被記錄下來，於是大量成交被歸到「直接流量（Direct）」這個黑盒子裡——你只知道他直接進來買了，卻不知道他前面到底被哪些管道影響過。
這兩件事加起來，結論很殘酷：不管你用哪個模型，你手上的接觸點資料本來就是「有缺角」的。模型只能在它看得到的資料上分功勞，看不到的接觸點，再聰明的模型也變不出來。
面對這個現實，我給品牌的建議是把追蹤的地基往「第一方數據」的方向搬。也就是盡量用你自己掌握的資料——會員登入、Email、伺服器端追蹤（server-side tracking）——去把同一個顧客的行為串起來，減少對第三方 Cookie 的依賴。這件事我在 伺服器端追蹤與第一方數據 裡講得比較深入，這裡先記住一個原則：歸因會不會準，很大一部分取決於你的資料地基穩不穩。地基爛掉，上面蓋什麼模型都是空中樓閣。
務實做法：別迷信單一模型，改看漸增性與整體效益
講了那麼多模型的缺陷，你可能會問：那我到底該用哪個？我的答案可能跟你想的不一樣——別執著於「找到那個唯一正確的模型」，因為它不存在。真正務實的做法，是換一套判斷框架。我實際幫品牌操盤時，會用下面這幾招。
第一，用 GA4 同時比較不同模型。GA4 裡有歸因相關的報表，可以讓你用不同模型去看同一批轉換。我的用法不是選一個當標準答案，而是「對照著看差異」。如果某個管道在最後點擊底下功勞很小、但換成位置基礎或線性模型就明顯變大，這就是一個訊號：它其實在前期默默貢獻，只是被最後點擊埋沒了。用多個模型交叉看，你才看得出每個管道的「真實角色」是開發、輔助還是收割。想先把 GA4 的基礎打好，可以參考 用 GA4 看懂電商數據。
第二，看整體行銷效益，而不是只看平台回報。這是我最看重的一招。與其相信每個平台自己報的投報率（ROAS），不如往上拉一層，看「整體」的效益。最實用的兩個指標：一個是 MER（Marketing Efficiency Ratio，行銷效率比），就是「總營收 ÷ 總行銷花費」；另一個是混合投報率（blended ROAS），概念相近，都是把所有管道的錢跟所有的營收放在一起算。
為什麼這招有效？因為 MER 不管平台之間怎麼互相搶功勞，它只問一件事：你這個月總共花了多少行銷費、換回多少總營收。這個比值騙不了人。當你加碼某個管道時，如果 MER 有跟著改善，代表這筆錢是真的有帶來增量；如果各平台回報的 ROAS 都很漂亮、但 MER 卻在惡化，那就代表平台的數字在灌水，你其實在花錢買本來就會發生的訂單。關於怎麼把整體投報率拉起來，我在 降低廣告成本、提升 ROAS 裡有更多實戰做法。
第三，看漸增性（incrementality），必要時做停投測試。這是判斷管道效益最接近真相的方法，也是我認為最值得中大型品牌投資的觀念。漸增性問的是一個很本質的問題：「這個管道帶來的訂單，如果我不投它，是不是本來就會發生？」
舉個最常見的例子：品牌字搜尋廣告。很多品牌花大錢買自己的品牌關鍵字廣告，報表上投報率高得嚇人。但你冷靜想，會搜尋你品牌名的人，本來就打算找你，就算你不買廣告，他往下滑一點點也會點到你的自然搜尋結果進來買。那這筆廣告費，很可能只是把「本來免費就會來的訂單」用錢買了一次而已，它的「漸增」貢獻其實很低。
怎麼驗證？做停投測試（holdout test / geo test）。最乾淨的做法是分地區：在某幾個地區暫停某個管道兩到三週，其他地區照常投，然後比較這兩組的營收差異。如果停投的地區業績沒什麼掉，代表這個管道的漸增性低、可以省ï¼如果停投後明顯掉，代表它真的在創造增量、該保留甚至加碼。這種測試比任何歸因模型都更能逼近「這個管道到底有沒有用」的真相，因為它是用真實世界的對照組驗出來的，不是靠模型推算的。
中小品牌別過度分析：抓大放小，先把地基做對
上面講的漸增性、停投測試，聽起來很專業，但我必須誠實提醒：這些方法是有門檻的。停投測試需要夠大的流量跟訂單量，測出來的差異才有統計意義；DDA 模型也需要足夠的轉換數才跑得準。如果你是一個月訂單量還在幾百筆的中小品牌，硬要搞這些精密的實驗，很可能測了半天全是雜訊，反而浪費時間。
所以對中小品牌，我的建議是「抓大放小」，把力氣放在真正有槓桿的地方：
第一，先把 MER 顧好。不管你有幾個管道，每個月算一次「總營收 ÷ 總行銷花費」，追蹤它的趨勢。這一個數字，就能幫你擋掉大部分「平台報表灌水」的誤導，簡單又有效。
第二，用常識分辨管道角色。你不需要精密模型也知道：社群、影音、內容是在幫你「開發新客」，品牌字、再行銷是在幫你「收割熟客」。心裡有這張地圖，你就不會傻傻地因為最後點擊報表好看，就把開發型管道砍光。開發跟收割要同時養，水池才不會乾。
第三，把資料地基做對，比追求完美模型更重要。與其糾結該用哪個歸因模型，不如先確認你的 GA4 電商事件有沒有埋好、有沒有重複計算、有沒有往第一方數據靠攏。地基準了，你之後想做什麼分析都有底氣ï¼地基爛了，模型再高級也是垃圾進、垃圾出。
第四，回到單位經濟學。所有行銷效益最終都要落到「一個顧客賺不賺錢」這件事上。與其在歸因的細節裡鑽牛角尖，不如把每個管道帶進來的客人，攤到 電商單位經濟學 的框架裡看：這個管道的獲客成本，跟它帶來的客戶終身價值比起來划不划算。這才是最終極的判準。
歸因是工具，不是目的。它的價值是幫你把錢花對地方，不是讓你多產出幾份好看的報表。想快速查一些名詞的定義，可以參考我整理的 電商名詞解釋。
匿名實務案例：一個保養品牌怎麼從「砍錯管道」救回來
講理論不如看實例。這是我服務過的一個保養品牌（細節我做了匿名處理），過程很有代表性。
這個品牌剛找上我的時候，狀況是這樣：他們主要跑 Meta 廣告開發新客、加上大量的品牌字搜尋跟再行銷收尾。行銷主管看的是各平台後台回報的 ROAS，發現品牌字搜尋跟再行銷的 ROAS 都很漂亮，大約落在 8 到 10 之間ï¼而 Meta 開發型廣告的 ROAS 只有 1.5 上下，看起來很差。於是他做了一個「看起來很合理」的決定：把 Meta 開發預算砍掉大約一半，把錢挪去加碼品牌字跟再行銷。
前兩個月，各平台的報表確實更漂亮了，平均 ROAS 看起來上升。但到了第三個月，問題浮現：整體營收開始往下掉，而且掉得越來越明顯。更詭異的是，連品牌字搜尋跟再行銷的「量」也在縮水——原本以為很強的收割管道，突然沒那麼多人可以收割了。
我進場後第一件事，不是去看任何單一平台的報表，而是把他們過去大約一年的 MER 拉出來對照。結果很清楚：在砍 Meta 開發預算之前，MER 大約穩定在 3 左右ï¼砍掉之後，MER 一路滑到 2 出頭。這說明一件事——雖然各平台回報的 ROAS 變好看了，但公司整體「每花一塊錢換回多少營收」其實是在惡化的。平台數字在灌水，MER 誠實地把真相講了出來。
真相是：Meta 開發廣告雖然直接 ROAS 只有 1.5，但它是整條漏斗的源頭。它負責把陌生人變成「認識這個品牌的人」，這些人過陣子才會去搜尋品牌名、才會被再行銷勾回來。把開發預算砍掉，等於把水源關小，過兩三個月，下游的品牌字跟再行銷自然就沒那麼多人可收割了——因為根本沒那麼多新的人被帶進來認識這個品牌。這正是最後點擊思維害人的經典劇本。
接下來我們做了兩件事。第一，把 Meta 開發預算逐步加回來，並改用 MER 當作主要的健康指標，不再被各平台的 ROAS 牽著走。第二，針對品牌字搜尋做了一個小型的漸增性測試，暫時降低品牌字廣告的出價，觀察自然搜尋能接住多少流量。結果發現，品牌字廣告的漸增貢獻確實不高——大約有六成以上的訂單，就算不投廣告也會透過自然搜尋進來。於是我們把省下來的品牌字預算，一部分挪回開發、一部分投入內容經營。
大約經過三到四個月的調整，這個品牌的整體 MER 從 2 出頭回升到大約 3.2，比一開始還好一點ï¼整體月營收也重新回到成長軌道。整個過程沒有用到什麼高深的模型，關鍵只有一句話：不看單一平台的自我回報，改看整體效益跟漸增性。這就是務實歸因的價值。
常見問題 FAQ
Q：我一定要選出一個「正確」的歸因模型嗎？ 不用，而且我建議你放棄這個念頭。沒有任何一個模型是絕對正確的，每個模型都只是「一種看功勞的角度」。務實的做法是同時參考多個模型看差異，並且把重心放在整體行銷效益（MER）跟漸增性上，而不是糾結於選出唯一標準答案。模型是拿來對照的，不是拿來當聖旨的。
Q：GA4 預設的資料驅動歸因（DDA）是不是最準，直接用它就好？ DDA 理論上比固定比例的模型更貼近真實，因為它是用你自己網站的資料學出來的，我也建議一般品牌把它當主要參考。但它有個前提：你的轉換量要夠大，資料太少模型會跑不準、結果會飄。而且再準的模型也只能在「看得到的接觸點」上分功勞，跨裝置跟 Cookie 缺失造成的黑洞它一樣補不回來。所以 DDA 可以當主力，但別把它當成不會錯的真相。
Q：為什麼各平台後台回報的訂單加起來，會比我實際的訂單還多？ 因為每個平台只看得到自己跟顧客的接觸，而且計功規則很寬鬆，常常連「只是曝光沒點擊」都算功勞。同一筆訂單，只要顧客過程中碰過好幾個平台，就會被每個平台各自認領一次，這叫重複記功。這也是為什麼你不能把各平台的數字直接加總，那樣得到的一定是灌水的結果。
Q：最後點擊模型到底能不能用？ 可以看，但你必須知道它天生偏心誰。最後點擊會系統性地高估品牌字搜尋、再行銷這類「收割型」管道，低估社群、影音、內容這類「開發型」管道。如果你只看最後點擊就做預算決策，很容易砍錯管道，把幫你帶新客的源頭關掉。把它當成眾多視角之一沒問題，當成唯一判準就危險。
Q：什麼是漸增性（incrementality）？跟一般看 ROAS 有什麼不同？ 一般 ROAS 問的是「這個管道帶來多少營收」，漸增性問的是「這些營收，如果我不投這個管道，是不是本來就會發生」。差別很大。像品牌字搜尋廣告的 ROAS 常常很高，但漸增性可能很低，因為那些人本來就打算找你、不投廣告也會從自然搜尋進來。判斷管道值不值得投，漸增性比帳面 ROAS 更接近真相。
Q：我是小品牌，一個月訂單量不大，需要做停投測試嗎？ 通常不建議。停投測試跟 DDA 都需要足夠的流量與訂單量，結果才有意義ï¼量太小硬做，測出來多半是雜訊。中小品牌的重點應該放在抓大放小：每月追蹤 MER、用常識分辨管道是開發還是收割、把 GA4 電商事件跟第一方數據的地基做對。這些簡單的動作，槓桿反而比精密實驗更大。
Q：跨裝置跟 Cookie 限制讓歸因變不準，我還能做什麼？ 把追蹤的地基往第一方數據搬，是目前最實際的方向。盡量透過會員登入、Email、伺服器端追蹤，把同一個顧客在不同裝置上的行為串起來，減少對第三方 Cookie 的依賴。地基越穩，你手上的接觸點資料缺角越少，之後不管用哪個模型分析都更可靠。
結論
回到最一開始那個問題：「到底是誰帶來的訂單？」老實說，在跨裝置跟隱私限制的時代，你永遠沒辦法百分之百精準地回答它。但這不代表你只能兩手一攤、任由各平台的報表牽著走。
真正務實的態度是三句話：第一，別相信任何單一平台的自我回報，那是成績單不是裁判ï¼第二，別迷信任何單一模型，改用多模型對照，把重心放在整體行銷效益（MER）跟漸增性上ï¼第三，能力範圍內把資料地基做對，量夠大就做停投測試逼近真相，量不夠大就抓大放小、顧好 MER。
歸因的終極目的，從來不是產出漂亮的報表，而是幫你把每一塊行銷預算花在真正有增量的地方。當你不再被「誰的功勞最大」這種假問題困住，改問「我多花這筆錢，整體到底有沒有多賺回來」，你就已經走在對的路上了。
林克威長期協助國際品牌與台灣品牌進行電商代營運、品牌代理與通路拓展，累積超過十年實務經驗，服務涵蓋 Momo、PChome、蝦皮、LINE 禮物、品牌官網及實體零售通路。若您希望了解品牌進入台灣市場或電商成長策略，歡迎與我們聯繫。
