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……
——–[UPDATE 2018-11-21]——–
经评论的同学提醒，关于GrowingIO平台的归因，这里补充一些详细信息：
【归因目的】随着用户行为的产生，用户自身的属性也会跟着改变（比如年龄、地域等），两个时间段是无法严格对齐的，导致一个行为可能对应了多个属性值（随时间延续而产生），所以才需要用归因模型来约定，每个行为具体对应哪个属性值。官方例子是用户从银卡升级为金卡，那么从现在看，用户在银卡阶段的交易应当归属银卡阶段还是金卡阶段呢？
【备选方案】两种方案：最近（只时间间隔最小，归银卡）；最终（归金卡）；
【参考文档】https://docs.growingio.com/docs/data-definition/user-variable/loginuserid#gui-yin-mo-xing
转化归因方式：
【归因目的】当用户实际转化之后，我们会追溯促成转化的原因。在这个分析过程中，用户可能历经了多个活动、多个按钮和页面、反复搜索了多个商品等。应当如何认定是哪个事物促成了用户转化呢？因此这里还有归因的逻辑。一个重要的区别在于，“转化”与单纯的“事件”不同，“转化”通常会对应价值的产生，比如用户支付。所以这种归因，不仅仅是建立关系，还要将这种产生的价值，按照一定的分配方式分给所有相关方。
【备选方案】最近（依然是时间间隔最小的含义）、最终和线性（平均分）归因。同时，官方给出了三种备选方案的应用场景：
使用最初归因模型，某个内部活动带来了多少注册，多少订单。
使用线性归因模型，内部搜索的效果怎样，某个具体的搜索词带来了多少订单，营业收入。
使用最近归因模型，同一个内部活动的不同入口分别带来了多少内部活动详情页面的浏览。
【参考文档】https://docs.growingio.com/docs/data-definition/custom-event/convert-variable#gui-yin-fang-shi
广告监测中的归因逻辑
【归因目的】广告投放与利益绑定的更紧密，但同样面临如前所属的“1对多”的困境，而且同样需要有一定的规则来分配产生的价值。从GrowingIO平台提供归因方式判定，更偏重于比较独立的纯粹广告，而不适用于与业务流程或产品形态深度结合的类推荐流程。如果是深度结合的流程，可以想象Last Click会直接忽略在转化路径上的其他影响因素，把转化归功于“立即支付”这样的按钮。
【备选方案】Last Click（最近点击）规则 + 反作弊 + 15天时间窗
【参考文档】https://docs.growingio.com/docs/ads-tracking/app-marketing#4-gui-yin-luo-ji
