归因（Attribution）是指采用标识符来识别用户的转化路径，并判断其中的有效触点价值。广告平台基于归因结果，进行付费；广告主则可用于投放策略的优化。
图片来源：Google App 线上广告课程
应用广告的归因，依赖于获取广告、转化信息，及实现二者的匹配：
图片来源：曾嵘胡扯的地方
从上图可以看出，从广告投放到转化的过程，核心依赖于三个步骤：
用户观看广告和发生转化通常不是发生在闭环的 APP 内，要实现用户跨 APP 的追踪实际上就是要连通第3步（广告的上报）和第7步（转化的上报），并将二者的 ID 进行匹配识别到用户。
Android 在用户层级的确定性归因，可采用包括设备ID(如 Google 的 GAID)、Google Play Referrer 以及消费者标识符(比如匿名登录数据，或经过哈希处理的邮箱地址等)在内的多个标识符，精准识别用户设备，并将点击广告、下载应用或执行应用内事件等用户行为与之匹配。
海外安卓平台可用于追踪用户的 ID 主要有：
OAID：由国内的移动安全联盟（MSA）联合华为，小米，oppo，vivo等终端厂商推出的匿名设备标示符。
除了由相关方提供明确的用户 ID 之外，还有指纹匹配可用于安卓的确定性归因。指纹识别会利用设备信息（系统字体设置、硬件属性等）创建持续而唯一的 ID，用于识别具体用户。此做法不符合苹果的隐私政策。
图片来源：后IDFA时代：买量投放、广告变现、归因分析的营销策略 GameRes游资网
IDFA 是 iOS 的广告 ID，在 14.4 之前为默认开启状态，自归因平台和第三方归因平台均可用于广告的确定性归因。
苹果在 iOS14.5 升级了隐私政策（ATT，App Tracking Transparency ），用户的 IDFA 为默认关闭状态，应用如需追踪用户行为，需发送两次请求弹窗（广告播放及下载），整体 IDFA 可获取率较低。Vungle 测试数据为 95% 的用户开启了 LAT（Limit Ad Tracking），限制广告追踪。
因此苹果在 IDFA 之外提供了 SKAdNetwork（ SK 指 StoreKit） ，可用于非用户层级的确定性归因：在不识别用户身份信息的前提下，对应用安装和广告效果进行衡量。
图片来源：Apple Developer Documentation
在用户点击广告进行下载、激活后，SKAN 将启动 24 小时的倒计时器，统计用户行为；在安装后的 0-24 小时后将安装和转化信息回传到广告平台（如 24 小时有转化事件，则统计可再延长 24 小时，至多 48 小时）。
SKAN 内置 64 个比特位，可用于追踪不同的事件，图片来源：iOS 14 增长支持方案
SKAN 的局限性包括：只统计用户早期的行为数据，无法准确衡量 LTV；仅包括广告系列层级的数据，不包括广告素材等数据，无法单独优化；数据有至少 24 小时的延迟等。
在无法通过标识符等方式进行确定性归因的情况下，归因平台可进行概率归因。
具体实现方式为：归因平台认为 80% 的安装都发生在广告点击后的第一个小时内，因此会采集用户点击时间、安装时间和基本设备信息等有限的参数（临时数据），在点击后的几小时内推测安装的来源。
Branch 等第三方平台称概率归因可为 90% 以上的用户实现概率归因。
图片来源：iOS14 后，关于归因你可能会问到的
从前面的归因逻辑部分，我们假设归因监控平台已经获得了所需的广告行为及APP转化数据，来这一步要解决的问题是归因模型：如何基于用户已发生的转化行为，评判广告的价值。
基础的归因模型是指按照已设定的规则，进行广告价值的判定。广告平台通常按照基础模型中的规则进行付费结算。
国内安卓市场的应用安装，主要依赖于渠道分包：即为不同的渠道/流量属性，打上不同的 APK 包，广告主以最终激活（Last Install）来源于哪个渠道包来评估流量渠道的效果。AMS统计约50%的游戏广告主采用此方案，如头条系。
可能问题：
图片来源：这位B站UP主站了出来，揭露应用商店拦截手游安装的秘密 | 游戏大观 | GameLook.com.cn
最后点击模型是指用户在安装前曾在多个平台上都点击了广告，那么最后归因给距第一次安装最近一次点击的广告平台。
点击归因是最常见的方式，点击归因窗口通常为 7 天、28 天（特殊情况：SKAN为 24 小时）。
图片来源 Adjust 参考文档
有部分国内广告主会基于不同来源的最后点击数据进行再匹配，做最后点击的二次归因。
可能问题：
无法衡量助攻的价值：例如用户在多次观看效果广告、内容营销等后下载，末次点击能拿到所有的得分。
在谈到有效触点归因前，首先要区分下广告行为数据的类型：
1. 点击型归因：例如用户点击横幅、视频、插页式广告等。归因窗口通常为 7 天。
2. 展示/曝光/浏览型归因：用户看到广告但并没有点击广告，由此带来的安装就可以归因到展示该广告的渠道。由此，归因窗口较短，仅为 24 小时。
由于点击带有有用户的主动行为，所以在归因模型中点击广告优先于展示广告。
图片来源 Adjust 参考文档
目前由国外的 Facebook、国内的快手等平台采用有效触点归因方案，具体逻辑为：广告平台将用户点击 + 有效触点（如播放3秒后）均作为广告归因信息发给广告主。
有效触点归因的影响：
图片参考自【又说广告归因】有效触点归因能推广开的原因分析
点击归因升级为点击+曝光归因效果提升，此案例参考自：
【再说广告归因】强行将“助攻”算做“直接得分”，还要不要脸？
某平台增加曝光归因逻辑后的效果提升
其他常见的基础模型还包括：首次点击、时间衰减、位置归因等模型。
根据用户数据所建立的差异化模型，即算法模型归因，也称为数据驱动归因（Data-Driven Attribution，简称DDA）。
区别于基于已经设定好规则的基础模型，DDA 使用所有可用的路径数据，包括路径长度，曝光顺序和广告素材，来了解特定营销接触点的存在如何影响用户转化的可能性以更好地将功劳分配给任何接触点。
常用的算法有沙普利值、马尔科夫链、Harsanyi Dividend 和生存分析。
“Shapley 值” 由诺贝尔经济学奖获得者 Lloyd S. Shapley 提出，是一种在团队成员（营销触点）之间公平分配团队成果（转化结果）的方法。
具体实现方法是：1）通过比较接触过这些接触点的类似用户的转化概率与当路径中没有出现某个接触点时的概率；2）并且系统会比较接触点的所有不同排列方式，为不同的路径位置分配不同的功劳。
简化版理解：
通过“Facebook-Google”链路的 CVR 是 2%；通过“Facebook-TikTok-Google”链路的 CVR 是 3%，那可以认为“TikTok”触点为转化增加的价值是 50%。
同时 Shapley 值模型还会调换链路的顺序，针对 TikTok 在 Google 前、后的情况分别进行建模。
图片参考自：markov model vs shapley value marketing attribution
Google Analytics 应用的示例：
通过模型分层图表展示转化每个渠道、在各个路径位置的加权平均贡献值。
按纵向看，百分比表示在指定路径位置上，某个渠道在当前节点所占的实际百分比权重，例如 付费搜索在用户首个转化路径上的贡献为 31%，可以通过投放此类广告促进用户开始转化。
马尔科夫链假设某一时刻状态转移的概率只依赖于它的前一个状态。这里的“状态”可以理解为天气：例如今天的天气只取决于昨天的天气，不取决于后天的天气；在广告中，状态理解为渠道，用户这次访问的渠道只取决于上次访问的渠道，不取决于上上次访问的渠道。
该模型可以通过移除某一状态（渠道），计算该状态对最终结果的贡献价值。
简化版理解：
图片参考自：markov model vs shapley value marketing attribution
Uplift 模型预测某种干预对于个体状态或行为的因果效应，具体表达为两个条件概率的差值。
具体实施方法：将目标人群随机划分，从其中一组用户进行广告投放，另外一组不进行任何干预（不投广告），之后统计这两群人在转化率上的差值，这个差值可以被近似认为是具备同样特征的人可能的平均因果效应。
腾讯广告应用的示例：
对比处理组与控制组的下单人数、下单量、转化率等数据，分析处理组数据提升的效果，即为 Uplift 的增量转化。
此外，Adobe 使用的是 Harsanyi Dividend 算法，Facebook 曾推出过数据归因模型但未公布具体算法，且已于今年 4 月停用。
在第八步的归因分析中，归因监控平台可以有两个角色来扮演：
当广告在流量上曝光后，广告平台会将曝光、点击数据记录在其广告归因的后台上。当用户从应用商店上下载应用并激活后，广告主需要回传其应用的激活数据给到广告后台进行归因。安装、转化等数据将用于广告的计费及后续广告投放模型的优化。
（注：CPC、CPA 和 CPM 是主流广告计费模式，因此，媒体渠道对自家设定的归因窗口期内发生的所有点击收费，无论该点击是否为末次点击。但是，归因提供商将安装数据发送给渠道，渠道可将该数据用于自身优化。）
1）记录点：
基于 Google Click ID 进行追踪
图片参考自：应用广告系列的转化时间范围简介
用户在A、B设备上登陆同一 Facebook 账户，用户在安卓的 A 设备上看过广告，在 iOS 的 B 设备中安装，Facebook 也会将这个安装归因。
2）价值点：
扩展资料：https://searchads.apple.com/privacy
2）价值点：
扩展阅读：移动衡量服务提供商如何帮助监控 Apple Search Ads Advanced 结果
自归因平台通常只有该渠道的广告投放数据，理想情况下，通过第三方归因平台可展示全平台的广告数据。具体流程如下：
（注：MMP还会提供流量反作弊等其他能力，具体可查看相应产品的介绍）
此部分内容参考自 Adjust 参考文档
再归因是指对一段时间未使用/卸载过应用，但经再营销推广活动而返回之用户的重新安装或打开事件，所进行的归因。
例如用户在卸载应用的 N 天（窗口由广告主设定，通常为 90 天）后，再次点击广告，重新下载，被视为再归因。
作者：Fengyu ，腾讯IEG产品策划