我们如何用数据分析优化投放ROI

你的钱是怎么“蒸发”的？答案不是创意不行，也不是出价不够狠，是90%的团队，连功劳该算在谁头上都没搞对。

三个月前，我接手了一个家居品牌的账户。对方投手交过来的报表很漂亮：信息流广告点击率高出行业均值40%，搜索广告转化成本远低于同行。但老板一句话问住了所有人：“既然数据都好看，为什么总ROI还在往下掉？”

问题出在归因。他们的数据统计逻辑是“末次点击归因”，不管用户之前看过多少次信息流、点过多少回种草帖，只要最后一次是从搜索品牌词进去的，这笔成交就算在搜索渠道头上。于是，预算不断被搬到搜索端，信息流越投越缩。可他们没有发现：那些搜索品牌词的人，恰恰是因为被信息流反复触达之后才有了主动搜索行为。砍掉信息流，等于砍掉用户“想买”的前提。三个月后，品牌词搜索量断崖下跌，ROI反而更差劲。

这不是一个投手的能力问题，这是一个归因错误引发的系统性误判。

归因，才是数据分析优化投放ROI的第一性原理。你先要搞清功劳是谁的，再谈论如何放大功劳。否则，所有“优化动作”都可能是给自己的血管放血。

一、你的数据为什么“说谎”？

大多数优化师每天看的报表，本质上不是用户行为的真相，而是归因模型分配给他们的答案。问题在于，这个答案可能从一开始就带有偏见。

当前最常见的归因模型，各自的视角和偏差如下：

• 末次点击归因：把100%功劳算给转化前最后那个触点。这对直接转化渠道（如品牌搜索）极度利好，却完全忽视前面所有曝光、种草、内容教育的作用。电商平台上的品牌专区广告大多吃这类红利。
• 首次点击归因：完全相反，只认第一次把用户带进来的那个入口。适合评估品牌曝光型广告的“拉新”能力，但无法看清那些在转化最后一步起到推波助澜效果的触点。
• 线性归因：每个触点均分功劳。看起来很公平，实则抹平了不同触点在用户决策中完全不同的权重。
• 时间衰减：离转化时间越近，功劳越大。这是针对“末次点击”的一种折中，但衰减速率设定得对不对，很少有人能给出业务逻辑支撑，大多只是拍脑袋调参。
• 基于位置的归因：通常把40%功劳给首次触点，40%给末次触点，剩下20%均分给中间环节。我过去几年用得最多的就是这一模型的变体，因为它在“拉新”和“收割”之间放了一个可调节的机械权重，而不是任由模型自行分配。

为什么这事如此重要？因为同一个用户路径，用不同模型看，得出来的结论可能完全相反。

举个例子。某用户路径是这样的：先在小红书看到某品牌信息流视频（印象），三天后在朋友圈又刷到该品牌广告（强化），仍未动作；一周后用搜索点了该品牌关键词广告，进入商品页但退出；最后直接在浏览器输入URL访问网站并下单。

在末次点击模型里，功劳全算给“直接访问”。在首次点击模型里，功劳全算给“小红书信息流”。在线性模型里，四个触点各分25%。

如果你是投手，拿了末次点击模型的数据看了三个月，你会不断砍掉信息流和朋友圈的预算，使劲保搜索渠道。但数据已经在警告你，直接访问的比例越来越高，意味着用户早就认识你了，搜索只是他们最终的“导航方式”，并不是“发现方式”。顺着这个数据往上倒，应该加大的反而是上游内容曝光，而不是下游品牌词拦截。

二、先建“全链路归因”的数据基础，再谈优化

没有归因，数据分析就是瞎子摸象。但有了归因模型，你还得把数据打通，否则模型依旧在局部最优里打转。

大部分团队到这一步会卡住。问题不是技术，是数据烟囱。广告投放数据在巨量引擎、腾讯广告，用户站内行为在自己官网或小程序，成交数据在CRM，内容互动数据在小红书或公众号后台。四套数据各讲各的故事，投手只能凭“我觉得”做跨渠道判断。

我在过去两年帮助三个不同行业的团队做过数据基建的梳理，发现能真正跑通全链路归因的团队，都做了同一件事：不以平台后台数据为唯一标准，而是自建或使用CDP类工具，把不同渠道的用户ID做关联，生成统一的“用户行为序列”。这一步极其痛苦，尤其是当你需要把巨量引擎的点击ID和官网的cookie ID做匹配时，ID丢失率一度让我们怀疑人生。但一旦跑通，你会发现一个全新的视角。

有了用户行为序列，ROI的优化就不再是“哪个渠道转化成本低，我就加哪个”。而是变成了一连串更精准的判断：

1. 哪些触点承担的是“拉新”角色？它们虽然直接转化低，但它们的流失，会导致下游转化量同步坍塌。
2. 哪些触点承担的是“收割”角色？它们依赖上游流量的供给，如果上游枯竭，它们自身转化率再高也无力回天。
3. 用户平均需要几次触达才会发生首次转化？这个数字如果从3次变成5次，意味着你的内容或人群定向出了问题，而不是销售能力出了问题。

这套方法论落到具体操作上，我建议按照以下四个步骤推进：

1. 链接打通：确保所有对外投放的链接都带上统一标准的UTM参数和平台特有的点击ID。不要混用不同命名规则，否则后续数据分析直接崩溃。
2. ID归一：以手机号、UnionID或设备ID作为主键，用CDP把同一用户在不同触点下的行为拼成一条时间线。
3. 模型选择与验证：不盲目用模型输出的结果，而是自己拉出典型用户的完整路径，人工对比不同归因模型下的功劳分配，找出最符合业务逻辑的那一个。别让模型替你思考，你只是用它做批量化计算。
4. 周期性复盘：每个季度重新校验一次归因模型的适用性。因为媒体环境在变，用户触点习惯在变，一个模型用一年，几乎肯定会误导决策。

三、基于归因结果做优化，而不是基于感觉

建立了归因模型，数据不再“说谎”，这时才能回到真正的优化动作上。但很多人进入这一阶段后依旧犯同样的错误：只做微观调优，不敢动结构性的预算分配。

去年有一个教育类客户，他们通过基于位置的归因模型发现：公众号内容在首次触点上贡献了极高占比，但几乎没有末次转化；SEM品牌词在末次转化上占比极高，但几乎没有首次触点。这其实是典型的内容种草 + 品牌拦截的协同结构。可是他们的预算配比是：公众号内容投放只占整体预算的5%，SEM品牌词占了40%。

我们做了一个大胆的调整：把公众号内容投放的预算占比拉高到20%，并且同时降低SEM里面纯粹的竞品词拦截预算。因为归因数据告诉我们：拦截竞品词带来的用户，忠诚度极低，流失率极高，他们下一次依旧会搜竞品；而通过内容进入的用户，虽然首次不转化，但他们在后续30天内转化的概率是前者的两倍。

三个月后，总ROI提升了28%，不是因为“优化了出价”或“换了个素材”，而是因为预算结构被重新分配了。

优化时的几个关键动作：

• 素材与落地页闭环优化：不再孤立看素材CTR或落地页转化率，而是用归因数据观察“哪些素材更容易作为首次触点出现”以及“哪些落地页更容易在末次触点关闭订单”。比如我们曾发现，某类强调“避坑知识”的短视频，几乎没有直接转化，但它是大量用户路径中的首次触点；而直接展示价格优惠的落地页，在末次触点上转化率极高。于是我们调整策略：用“避坑知识”素材做前端拉新，用“价格对比页”做后端收割，两者各司其职，不再用同一套KPI考核两类素材。
• 人群定向重构：把归因数据里贡献前20%的高价值用户提取出来，看他们的行为共性：他们看了什么内容？在哪个渠道停留时间最长？第一次接触我们是在什么场景下？这些共性，就是你下一轮人群扩展的依据，而不是平台默认的“系统推荐”。
• A/B测试的对照组设定：没有对照组的优化都是自欺欺人。我曾在一个信息流账户上做过一次严格的A/B测试：对照组用原有模型分配预算，实验组依据归因数据把预算重新分配到首次触点渠道。15天后，实验组的整体转化数先降后升，最终比对照组高出17%；而对照组因为继续偏好末次转化渠道，前期数据稳定，后期增量枯竭。

四、从人工优化到系统自动化的跨越

如果团队规模还小，人工看着归因数据调账户是可行的。但如果你管着一个月消耗超过百万的账户，人工调优的边际效益会快速递减。这时你需要把归因逻辑交给系统。

但这里有一个极容易踩的坑：直接把转化数据回传平台，启用“目标转化出价”（如Google的Target ROAS）。平台的智能出价会自己学习哪些流量更值钱，但如果你回传的数据本身就是错误归因的结果（比如全是末次点击归因的功劳），那么系统学会的，只是放大你原有的偏见。

更稳妥的路径是：先在内部清洗归因数据，按你认为合理的模型把转化价值重新分配给不同触点，再把经过修正的转化数据回传平台进行自动出价。这一步技术门槛高，但一旦完成，相当于你在教平台“按我的规则出价”，而不是“按你的默认规则出价”。

我曾在一次项目中对比过两种方式的效果：直接使用平台归因的智能出价，ROI在初期有提升，但到了第三个月就进入平台期，因为系统一直在优化末次触点，没有动力去探索前端的增量；而使用修正归因数据的智能出价，在第六个月仍然保持ROI的微幅增长，因为它的优化目标包括了对上游种草触点的价值认定。

五、不同业务阶段，采用不同的归因与优化策略

上面讲的这些方法论，必须结合业务阶段做调整，否则要么过度建设，要么力不从心。

以下是三种典型阶段下的取舍建议：

• 初创期/新品牌：用户认知为零，首要任务是“被看到”。这个阶段不要过度关注末次转化归因，应使用首次点击归因或偏向首次触点的位置归因，重点观察哪些渠道在有效拉新，而不是哪些渠道在收割（因为此时你没东西可收）。
• 成长期/有稳定客群：这是最适合做全链路归因的阶段。建立完整的用户行为序列，使用基于位置的模型或数据驱动归因，精细化分配预算，补强上游短板，放大下游优势。
• 成熟期/高渗透率：流量天花板明显，ROI提升的更大杠杆不在渠道分配，而在用户生命周期价值的挖掘。此时应把归因分析延伸到用户复购路径上，找出“促活”和“唤醒”的最有效触点，而不是继续在首次或末次之间纠缠。

最后，记住一件事：ROI的提升不是一个“优化技巧”，它是一个“系统工程”。没有人能通过调一个出价、改一张图、换一个人群包就把ROI翻倍，如果有，那一定是过去的底子太差劲。可持续的ROI增长，一定来自于你对数据背后用户行为的理解深度，以及你愿意为“真相”投入的耐心。

下一步，我建议你回到自己的账户里，拉出最近30天的用户路径明细，不要看汇总报表，就看一个又一个具体的用户序列，问自己一个问题：我现在的预算分配，真的符合这些路径的逻辑吗？如果你自己都说不通，就别指望数据能给你一个好结果。动手去做归因修正，哪怕从Excel手动做几十条用户路径开始，也比继续沿着错误的方向狂奔要好得多。