多點觸及歸因 (MTA)：定義與模型

多點觸及歸因 (MTA) 是一種衡量模型，它將轉換功勞分配給客戶在購買前互動過的每一個行銷接觸點，而不是將所有功勞歸於單一廣告或點擊。如果一位購物者先看到一個原生廣告，後來點擊了一個再行銷廣告，然後在進行品牌搜尋後完成轉換，MTA 會將該轉換功勞的一部分分配給這三個接觸點中的每一個，而不是將全部功勞都歸於最後一個。

常見的 MTA 模型#

線性模型給予每個接觸點相等的功勞。時間衰減模型給予更接近轉換時間點的接觸點比更早的接觸點更多權重。位置型 (U 型) 模型給予第一個和最後一個接觸點較大的份額，其餘的則分配給中間的接觸點。數據驅動或演算法模型，通常基於夏普利值或類似的賽局理論方法，直接從歷史數據估算每個接觸點的邊際貢獻，而不是套用固定的規則。

與單點觸及模型的區別#

最簡單的替代方案是將功勞歸於在定義的歸因窗口內最後觸發的接觸點，透過購買時刻的轉換像素。這計算簡單，但它系統性地低估了上層漏斗渠道的價值，例如原生探索版位，這些渠道傾向於介紹產品而非完成銷售。MTA 試圖通過將功勞分配給整個路徑來糾正這一點，這通常意味著上層漏斗的原生廣告和展示型廣告在 MTA 模型下看起來比在最後觸及模型下更有價值。

為何執行變得更加困難#

MTA 依賴於將單一使用者在不同裝置和會話中的接觸點串聯起來，這需要持久性識別符：Cookie、行動廣告 ID 或已登入的使用者匹配。瀏覽器 Cookie 限制和平台層級的追蹤限制隨著時間推移使得這種串聯變得不完整，因此 MTA 模型越來越多地依賴建模或概率性匹配來填補空白，而非確定性的點擊追蹤。這也是為什麼更多廣告主現在投資於第一方數據收集的部分原因，因為您直接擁有的使用者記錄比您租用的記錄更能適應平台追蹤的變化。

它在其他衡量方法中的定位#

MTA 最適合作為中層漏斗的診斷工具，顯示哪些接觸點傾向於一起出現在成功的路徑上，而不是作為渠道價值的最終定論。認真的媒體購買團隊會定期檢查模型所暗示的渠道價值在真實的實驗對照組中是否依然成立，因為一個 MTA 顯示貢獻了三分之一轉換的渠道，當您實際為測試組關閉它時，仍可能顯示出接近零的效果。

了解哪些渠道正在推動上層漏斗的認知，始於知道實際上有哪些廣告在運行。OpenAdLibrary 的原生廣告間諜工具 顯示哪些廣告主正在您的垂直領域積極投放原生創意廣告，這是在您決定某個渠道在您自己的模型中應獲得多少歸因功勞之前，一個有用的參考資訊。

實務設定注意事項#

正確執行 MTA 需要在每個廣告網絡上使用一致的追蹤識別符，以便可以實際匹配來自同一使用者的接觸點，此外還需要跨渠道一致應用的歸因窗口長度。平台之間窗口不匹配（一個儀表板使用 7 天窗口，另一個使用 30 天窗口）將使任何跨渠道 MTA 比較在模型運行之前就失效。在投資於其上更複雜的數據驅動模型之前，先確保底層的廣告支出和轉換數據乾淨是值得的。