数据分析 之 归因分析，多因素影响下如何归因？

在电商分析中很常遇到的一个场景就是多因素归因。
网站会通过广告或者营销在多个渠道或多种场景多次触达用户，最终促成用户的转化。
业务方想知道哪个渠道或场景的触达对用户的转化起决定性的作用，其实各个渠道对用户某次转化的影响是很难量化，这可能是一个综合的效果，但是作为分析师又不得不面对业务方需要量化的需求。

举两个常见的业务案例：
案例1：小明同学在手机上看到朋友圈广告发布了最新苹果手机，午休的时候刷抖音看到了有网红在测评最新的苹果手机，在下班的时候又看到朋友在朋友圈晒图,最后在京东购买了苹果手机。
案例2：小白想在淘宝上买一双篮球鞋，通过首页搜索看到了AJ，进去看觉得款式和颜色都很喜欢，但觉得太贵了，没有买；51期间小白再次打开淘宝，看到首页有优惠活动，点击进入活动分会场，看到AJ，但囊中羞涩，退回了首页；在首页的猜你喜欢又看到了AJ，点击进去看了一下评论和卖家秀，终于忍不住买了。
以上两个案例，用户在站外和站内都被多次触达，那么哪次触达对用户的转化起到了关键性的作用？

当一个用户在不同的渠道被反复触达，最终转化，那么这个用户应该归为哪个渠道带来的？
通常可以用归因模型来进行渠道贡献度的归因计算。

归因模型：
是一种或一组规则，将转化功劳分配给转化路径中的触点，从而为广告主衡量营销活动的效果和投入回报。常见的归因方式有基于规则和基于算法的模型，前者有最后互动、首次互动、线性、时间衰减等，后者有shapley归因等。根据参与归因触点数的多少，可以分为单触点归因、多触点归因。分析者根据分析目的、营销方式，可以选择不同的归因模型。由归因模型和归因周期共同完成归因过程。
以下常见的几种模型：

1.末次归因模型，也叫last click模型
把贡献100%归给最后的一个渠道，不管之前的渠道发生了什么
优点：①简单、直接，不容易出错
②大部分追踪的cookie存活期只有30~90天，对于顾客的行为路径、周期比较长的场景，在做归因分析的时候可能就会发生数据的丢失，而末次互动模型不存在这个问题
缺点：忽略了其他渠道的贡献，放