线性归因（Linear Attribution）

Definition

线性归因（Linear Attribution）: 线性归因把一笔转化的功劳平均分配给用户旅程中的每一个营销触点。一笔包含 4 个触点的购买，每个触点获得 25% 的功劳。

# 线性归因（Linear Attribution） 线性归因把相同的权重分配给用户购买路径上的每一个可追踪触点。一个买家先看到 Meta 广告、点击 Google 搜索结果、打开邮件，最后通过再营销广告完成购买——线性归因会把这笔订单收入的 25% 分配给每个渠道。 ## 为什么它重要 线性归因是首次点击（只认发现）与末次点击（只认促单）之间的折中方案。它承认大多数 DTC 购买涉及 3–7 个触点、跨越数天，不应让任何单一触点独占 100% 的功劳。对于只想知道"哪些渠道重要"的相关方，线性也是最容易解释的多触点模型。 ## Admaxxer 如何呈现 Admaxxer 在归因仪表盘中把线性归因与[首次点击](/glossary/first-click-attribution)、末次点击并排展示。每张广告活动卡片同时显示三个数字，便于发现那些在末次点击下看起来很小、在线性下却变大的渠道——它们通常是在默默为其他渠道播种需求。 ## 与其他模型的对比 线性对上层漏斗比末次点击更友好，但对发现环节不如首次点击慷慨。对大多数 DTC 品牌而言，线性 ROAS 位于两者之间。请搭配 [MER](/glossary/mer) 作为诚实度校验。 ## 举例 一笔转化涉及 Meta（发现）、Google 品牌词搜索（促单）、邮件（复购推送）与直接访问（最终会话）。在线性归因下，每个渠道获得 $120 订单的 25%——各 $30 收入；而在末次点击下，Google 会独占 $120。

Related Terms

Frequently Asked Questions

线性归因与数据驱动归因有什么区别？

线性是一条固定规则：每个触点获得相同权重。数据驱动归因则使用机器学习，根据历史转化概率为不同旅程分配不同权重。

线性归因适用于长销售周期吗？

适用，但当旅程触点超过 10 个时意义会下降。此时时间衰减或基于位置的模型通常更有参考价值。

Google Analytics 里能选线性归因吗？

旧版 Universal Analytics 支持，但 2023 年被移除。GA4 默认数据驱动。Admaxxer 保留了显式的线性归因选项。

Try Admaxxer Free