GR · MM · 033
持续归因调查模型
Attribution As Ongoing Investigation · attribution-as-ongoing-investigation--jonathan-becker
所属簇 获客渠道组合、付费投放与归因
解决什么问题
iOS 14.5 隐私政策（IDFA 丢失）和第三方 cookie 弃用后，传统的 cookie-based 归因模型大面积失效。企业急于寻找"唯一正确的归因方案"，但任何单一方法都有盲区。
核心内容
核心心智模型：归因不是一个待解决的问题，而是一场永不停歇的调查。
主要归因方法及其局限：
- Last-click attribution：最后一次点击获得全部转化功劳——简单但忽略前置触点
- First-touch attribution：首次点击获得全部功劳——忽略后续 nurturing
- Multi-touch attribution：加权分配功劳——权重设定本身高度主观
- Media Mix Modeling (MMM)：基于回归分析的统计建模，试图确定营销投入与收入之间的因果关系。起源于 1950 年代，当下重新流行。工具如 Recast
- Customer surveys / population surveys：通过用户调查补充数据盲区
选择归因模型的决策逻辑：
- 先确定企业目标是 profitability 还是 growth——不同归因视角会驱动不同决策
- 根据业务模型和平台能力，反推出一种既符合经济模型又符合平台能力的归因方法论
关键现实：
- 即使是高度成熟的代理机构，也会搭建出精密归因模型后，用 MMM 验证发现"这些广告根本不 work"——这是有价值的发现，而非失败
- 归因模型永远无法 100% 闭合，因为变量太多，有些已知、有些未知
适用边界
- 任何声称是"single source of truth"的人、模型或工具都是不准确的
- 适用于所有依赖付费获客的企业，尤其 B2B lead gen（payback 周期 2-12 个月）更需多方法交叉验证
关键引述 · 原话
"the approach that works to attribution is that it's an ongoing investigation and it never stops, and essentially what you're doing is looking for evidence that validates the outcome of your performance marketing campaigns one way or the other." — Jonathan Becker
关联卡片
与 "channel-diversification-portfolio" mental-model 互补；MMM 工具 Recast 被 Lenny（本播客主持人）投资
出处：Jonathan Becker · 03-podcasts/jonathan-becker.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2