全渠道归因统一手册
Amazon/TikTok/Meta/Google 四份报告数字打架——PVM 统一归因窗口 480万/年，Bayesian MMM 1000万/年
多渠道归因 · 跨设备追踪 · MMM预算预期收益
- [OK] 归因窗口统一后各渠道 ROAS 真正可比，消除「平台各自抢功劳」（ROI 480万/年）
- [OK] 跨设备路径拼接恢复 TikTok 真实贡献，防止因误判而削减高价值渠道（ROI 600-1200万）
- [OK] MTA 多触点归因识别品牌建设渠道的真实价值（ROI 150-300万）
- [OK] Bayesian MMM 预算分配：每 100 万预算多出 15-20 万 GMV（ROI 1000万）
- [OK] 「广告数据对账」从每月 2-3 天人工 → 全自动实时更新
Step 1：数据管道统一（所有归因的前提）
Amazon/TikTok/Meta/Google 数据在四个孤岛里，手动导出对齐每月耗费 2-3 天人工——这一步不解决，后续所有归因都是沙堡
→ 多渠道归因数据采集管道：统一接入 Meta/TikTok/Amazon 广告 API，标准化时间戳和事件定义，消灭「数据格式不统一」的根因（ROI 12万）
Step 2：跨设备用户路径拼接
TikTok 手机种草 → Safari 桌面购买的链路断裂，投手看不到 TikTok 的真实转化，误判削减预算
→ 图基跨设备追踪：无监督 IP-Domain 图谱拼接手机端和桌面端的同一用户，恢复被断裂链路遮蔽的真实 ROAS（ROI 600-1200万）
→ GDPR/CCPA 隐私合规版：欧洲市场无 Cookie 环境下的因果归因，不依赖第三方追踪（必须有，EU 市场合规要求）
Step 3：归因窗口统一化
Amazon 14 天归因窗口系统性「抢走」TikTok/Meta 的功劳——同一笔订单，Amazon 说是自己的，TikTok 也说是自己的，导致 ROAS 虚高
→ PVM 跨平台归因窗口统一化：消除 Amazon 14d vs TikTok 7d vs Meta 1d 的窗口差异，让三平台 ROAS 真正可比（ROI 480万/年）
→ 因果归因桥梁：将 naive「点击→购买」相关性归因升级为反事实「如果没有这个广告还会买吗」，识别 13% 的虚假归因贡献（ROI 10-20万）
Step 4：多触点归因建模
用户购买前平均接触 6-8 个广告触点（TikTok 种草 → Google 搜索 → Amazon 直接购买），末次点击模型把 100% 功劳给最后一步，严重低估上游渠道价值
→ 前门准则多触点因果归因：用因果图正确拆分「TikTok 内容」→「品牌搜索」→「购买」的链路贡献，识别 TikTok 的真实品牌建设价值（ROI 150-300万）
→ 因果 ML 促销效果评估：区分「本来就会买的用户」和「被广告说服的用户」，防止把自然购买误算为广告功劳
Step 5：宏观预算分配（MMM）
微观归因解决「哪个广告带来了这笔订单」，但无法回答「我应该把 100 万预算怎么分配才能最大化 GMV」——这是 MMM 的问题
→ 无混淆贝叶斯 MMM：用高斯过程消除识别危机，输出各渠道真实饱和曲线，让 CMO 预算分配决策可信（ROI 1000万）
→ 渠道饱和曲线建模：量化「这个渠道再多投 1 万边际回报是多少」，找到各渠道的最优投放点（ROI 18-25万）
→ 地理级营销效果：美国加州 ROI 2.8x vs 全国均值 1.9x，区域差异化投放释放 20-40万增量（ROI 20-40万）
→ LLM+RL 双阶段广告预算分配 Agent：基于 MMM 结果自动执行日预算分配，冷启动 ROAS +15-30%（ROI 360-720万）