在行銷部門中，「使用了數億預算，究竟提升了多少銷售額？」這樣的問題經常會被提出。即使從多角度進行數據分析，要明確界定行銷費用和銷售額之間的關係，仍然是一個困難的課題。因此，針對各種行銷措施對銷售額的貢獻度進行定量分析的歸因分析誕生了。本文將介紹歸因分析的背景，以及已確立的兩種測量模型：行銷組合建模（MMM）和多點觸控歸因（MTA），希望這對於選擇最適合您的效果測量方法有所幫助。
歸因分析的誕生背景
目前在行銷領域中，「歸因分析」經常被用於測量數位廣告的效果。實際上，在數位廣告普及之前，測量各廣告對銷售的貢獻度一直是行銷人員和廣告主的挑戰。在1960年代，透過電視廣告對店鋪銷售貢獻多少是沒有人知道的。為了解決這個問題，使用統計學的迴歸分析來推估廣告對銷售的影響，形成了MMM模型。這是網際網路和數位廣告時代之前唯一能進行定量效果測量的方法。
進入2000年代後，隨著網際網路和數位廣告的普及，能追蹤顧客行為的技術也隨之發展。利用Cookie（曲奇）和像素等技術，能夠幾乎即時地追蹤數位環境中的顧客行為。這種方法稱為MTA，成為類似電子商務等數位化行業中常見的行銷效果測量工具。
至今，MMM和MTA這兩種手法長期被用於行銷效果測量。選擇哪種手法，取決於企業所處的行業，及能處理的數據種類和數量。
MMM的機制
MMM主要測量電視廣告、電台廣告、戶外廣告和報紙廣告等行銷活動對銷售的影響。與MTA不同，MMM不基於個人行為追蹤數據進行即時分析。通常每季或每月進行一次分析。分析所用的數據包括廣告投放量（如電視廣告的GRP、數位廣告的展示數或點擊數等）、成本（費用）、業績（來店客數、銷售額或轉化數等），以及外部因素（如市場環境、季節性、天氣等）。這些因素都可能對行銷活動的效果及業績產生影響。
MMM是一種效果測量手法，能夠在不侵犯個人隱私的情況下，定量化行銷活動和外部因素所產生的銷售增量效果及廣告的投資回報率。此外，因為MMM能同時進行線上與線下廣告的歸因分析，也被稱為「整合歸因分析」。
MTA（多點觸控歸因）是什麼？
MTA是一種基於在線行為追蹤數據的效果測量手法。它分析顧客在轉化前的路徑，並將成果分配給每次廣告接觸，以進行評估。這種方法主要用於測量數位廣告對銷售等業績的影響。如果廣告和銷售都在線上進行，那麼基於個人行為追蹤數據的歸因分析就變得可能且精確。
六種主要的MTA模型
在數位廣告領域，經常同時使用多個渠道（如搜索廣告、展示廣告、視頻廣告和社群媒體廣告等）。當顧客接觸多個廣告渠道後轉化時，有數種歸因模型可以用來評估每個廣告。每種模型各有優缺點，因此根據企業的特點和目標選擇最適合的模型很重要。
1. 最後點擊歸因模型
此模型將100%的轉化評價賦予顧客最後接觸的廣告。這在電子商務的初期是唯一可用的歸因模型。
2. 首次點擊歸因模型
此模型將轉化評價全部賦予顧客首次接觸的廣告。
3. 最後間接點擊歸因模型
與前兩種模型類似，不同之處在於直接接觸（如直接輸入網址）不評價，轉化評價給最終的非直接廣告接觸。
4. 線性歸因模型
此模型將轉化評價平均分配給所有接觸的廣告。
5. 減衰歸因模型
此模型根據接觸廣告的順序，給予越接近轉化點的廣告更高的評價。
6. U型歸因模型
U型模型給首次接觸和最後接觸的廣告各分配40%的轉化評價，其餘20%分配給中間接觸的廣告。
MTA的挑戰
-
沒有完全適合的模型：根據數位行銷活動的現狀選擇最理想的模型，但任何模型都不是完美的解決方案，需靈活調整。
-
輸入離線廣告數據的限制：離線廣告數據少，難以完整納入MTA。
-
個人隱私保護規定的影響：隨著隱私保護規定的加強，MTA的分析準確性可能下降。
最適歸因模型是什麼？
對比MTA，MMM的主要優勢是能分析的數據範圍廣，不僅限於數位廣告，還能涵蓋離線廣告、價格變動、季節性和氣候等外部因素，因此適合多渠道行銷、有離線行銷活動或想要優化行銷計劃和預算的企業。而MTA則適合數位行銷為主且渠道少的企業。
結論
現代行銷中，正確評估行銷措施的效果需要精確的數據分析。根據企業的行銷活動和策略，妥善選擇MMM或MTA作為歸因分析手法，有助於優化投資，提升業績。