过去 12 个月我报价了四套多触点归因(MTA)平台。最便宜的年合同是 4.2 万美元,最贵的 11 万美元加上六个月的接入。每场 demo 销售都给我看一个漂亮的瀑布图,把"付费社媒"分到 23.4% 的功劳,"自然搜索"分到 18.7%,"线下活动"分到 14.1%。数字精确到小数点后一位。在我看来,它们也基本上都是想象出来的。
归因是收入运营里被过度工程化最严重的话题。有一小撮测量是诚实又有用的,一大撮是诚实但只在规模够大时才有用,还有一大堆基本上是包装成数学的占星术。本文的目的就是把这条线划清楚,免得你下个季度去买一个你根本不需要的工具。
归因到底是用来干嘛的
归因的目的只有一个问题:下一块市场预算的钱该放哪儿?就这一个。它不是用来向 CFO 证明市场价值的,不是用来分功劳给渠道做激励的,也不是给创始人讲一个动听故事的。一旦归因从预算分配工具变成内部政治工具,数字就会朝政治优化,而不是朝预算优化。
抓住这个框架,大部分争论就变简单了。你不需要知道付费社媒为一个成交订单拿了 18.7% 还是 22.3% 的功劳。你需要知道的是,把下一个 5 万美元放进付费社媒,会比放进 outbound 或活动产出更多管道吗。这是不一样的问题。
三个真正承重的归因来源
我认为有三个信号是承重的,其它都是装饰。
- 首次接触来源:潜在客户第一次接触你的方式。靠 UTM 参数、referrer 头、对话机器人会话起点捕获。这是你拥有的最可靠信号,因为因果间隔最小:有人点了 Google 广告然后进了你的漏斗,那广告显然起了作用。
- 最后接触来源:潜在客户在转化前(填表、约 demo、接受 SDR 会议)最后接触的东西。可靠性低于首次接触,因为最后接触常常偏向品牌词搜索和直接流量,这两个都是早期工作的下游。但当首次接触缺失时它是好用的决胜因子。
- 自报归因:你的 demo 表单上一道开放或受限选择题。"你从哪里听说我们的?"Chili Piper 2024 年的研究里,自报归因与首次接触 UTM 一致的比例是 81%,并且暴露了 UTM 完全抓不到的渠道(播客提及、朋友推荐、社区 Slack 群)。它是 B2B 里被低估最多的来源。
为什么算法归因撑不住
线性归因给每个触点等额功劳,时间衰减给越近的触点越多功劳,W 型给首次、转化、机会创建各 30%,剩下分掉。U 型给首尾。变体大概有四十种,问题都一样:它们是确定性算法,跑在测量缺口巨大的数据上。
具体讲,大多数 B2B 旅程包含四到九个"暗"触点。有人在车里通过播客听到你,有人转发了一条提到你的 Slack DM,有人在会议礼包里读了一份打印博客。这些触点都没进你的归因模型。一个干净的算法跑在脏数据上,产生看起来可信但实际并不可信的干净数字。这就是 MTA 平台在 demo 里像魔法、上线后让人沮丧的原因:demo 用的是没有暗触点的合成数据。
算法归因什么时候开始能用?大概是你的 ARR 大到市场预算足以承担一支真正的数据工程团队、平均订单大到单笔的噪声会被平均掉。我大概的数字是 500 万美元 ARR、平均订单超过 2.5 万。低于这个,简单模型比花哨模型表现更好,因为它出错的地方更少。
真正撬动指针的五个指标
这五个指标我每周都会看。没有一个需要 MTA 平台。它们都能从你的 CRM、广告账号、和 demo 表单上一个自报归因字段里推导出来。
- 按来源的合格线索成本:渠道总花费除以通过市销联合定义的线索数。不是原始线索数。分母必须做过质量过滤,否则你每次都会过度投资到便宜又垃圾的渠道。
- 管道覆盖率:开放管道金额对下季度配额的比值。3 倍覆盖是 B2B SaaS 大致的行业基准;当覆盖跌破时你要知道哪些渠道在补缺口。
- 按来源的胜率:某来源的机会赢单比例。这是渠道差别最大的地方。转介赢单率 35% 到 60%;冷 outbound 4% 到 8%。相同的线索成本会产生天差地别的收入。
- 销售速度:订单价 × 胜率 ÷ 销售周期长度,按来源分段。一个能让订单更快关闭的来源比同等收入但关闭慢的来源更值钱,因为现金更早到、销售可以更早转下一个。
- 按来源的队列 LTV:每个渠道获取的客户的生命周期价值,按至少 12 个月的队列算。这个指标抓得到那些昂贵但忠诚的渠道(活动、转介)对比便宜但易流失的渠道(某些内容来源)。没有它,你只是在优化漏斗顶部,同时悄悄毁掉留存。
该忽略什么
我已经不再关注的五件事。
- 线性和时间衰减归因百分比:脏数据上的干净数字,前面讲过。
- "影响型收入"主张:"市场影响了 73% 的管道"。当然影响了;门槛调低人人有奖。影响型收入是真的,但不是预算输入。
- MQL 数量:我另一篇文章里写过。替代品是账户互动加信号触发路由。
- 打开率和点击率:邮件自动化时代的虚荣指标。它告诉你主题行表现,不告诉你业务。回复率和约见率才是有用的序列指标。
- 品牌曝光与覆盖:对消费品营销重要,对 ARR 低于 5000 万的 B2B SaaS 几乎永远不重要。漏斗太窄,覆盖不是合适的镜头。
我们在 Anvil 怎么做归因
具体讲。demo 表单上一个自报归因字段,四个受限选项加一个"其它"自由文本。每条广告和 outbound 链接都打 UTM。一个 Postgres 视图把 CRM、Stripe 数据、广告花费 join 起来。从这个视图每周算上面五个指标。
这套栈一年总成本大约 6000 美元(数据工程师维护视图的时间加一个轻量 BI 工具)。我们的增长团队 15 分钟内可以有把握地回答"下一块钱放哪里"的问题。不需要在四个面板之间三角校验、也不需要等季度归因重算。
ARR 到 1000 万的时候我可能重新考虑。也许加一层方向性 MTA 来抓漏斗中段的暗触点。但简单栈仍然是 source of truth,MTA 只是一层方向性的叠加。
自报归因这一招
值得单写一段,因为多数团队低估它。问题要放在 demo 预约表单上,不要放在漏斗顶部的 newsletter 注册。受限选项,不要纯文本,加一个 freeform 作为兜底。选项要匹配你实际的渠道:"Google 搜索"、"在 LinkedIn 看到你们团队"、"播客"、"朋友/同事提及"、"我们一起参加过的活动"、"其它"。
它能起作用有两个原因。第一,你在意向最高的时刻问(填完表、还没开会),潜在客户已经投入到愿意诚实回答的程度。第二,你接受 30% 到 40% 的回答是近似的("我不太记得了")。这没问题。整个总体上的信号仍然非常好,而你会抓到 UTM 永远抓不到的暗渠道。
一个诚实的取舍
对这套方法最大的反对意见是,它失去了精确分配渠道功劳的能力。一个需要在怀疑的董事会前给市场预算辩护的 CMO,可能真的会更喜欢 MTA 平台,因为它能给出一个数字,即使这个数字是虚的。我理解这种压力。我诚实的判断是,董事会最终会分清哪些 CMO 在交付管道、哪些在交付归因面板,后者任期通常更短。挑你的数字。
从哪里开始
如果你现在完全没有归因,加东西的顺序是:全场打 UTM(一周工作量)、demo 表单加自报归因字段(一天工作量)、把 CRM 和花费 join 起来的 Postgres 视图(一个合格分析师两周工作量)、每周指标复盘(每周 15 分钟,永远)。这套栈能在 50000 美元 MTA 平台 5% 的成本下给你 90% 的价值。把省下来的预算花在真正的需求生成上。真正能建管道的市场预算,才是最后唯一重要的。