Last-Touch vs Markov Chain：亚马逊广告归因模型的原理与应用边界

为什么写这篇文章？

8、9号两天在广州、深圳做线下闭门会，我们邀请了年销300万美金门槛的卖家做AMC内容分享。沟通过程中，很多卖家运营提出了一个问题：

“Seven，我的产品目前排名很好，关键词都在第一页。我心里明白，如果想继续增量，我应该花钱投站外，也应该投更多的上层品牌类广告。我尝试跑了一些上层人群，订单确实有增量，但是广告跑站外、上层人群的数据很差，迫于老板压力又关掉了。我很清楚我是对的，但我该怎么说服老板？或者说，怎么证明我想法是对的？”

原因很简单——你们衡量订单的归因逻辑不一样。

亚马逊在数据归因上有2种方式：

显性归因：你直接能看到的，100%功劳归于下单前最后一次互动（Last-Touch）。站内SP关键词广告几乎都用这种方式统计数据。

隐性归因：基于算法计算路径上每个节点的移除效应，公平评估每个环节贡献。马尔科夫链（Markov Chain）就是典型代表。基于AMC进行多渠道广告效果衡量、不同广告类型叠加、甚至跨平台流量效果衡量，几乎都采用了马尔科夫链进行数据归因和统计。

专业型文章会比较干，所以我会尽量多用对比表格便于大家理解，以下为正文。

对于网络销售来说，通常采用3种数据归因模式来进行数据追踪：

首次触达 (First-Touch)

末次触达 (Last-Touch)

马尔科夫链 (Markov Chain)

首次触达 (First-Touch)：

100%功劳归于首次互动渠道。

优缺点：数据源清晰，简单易懂，数据不会出现任何扯皮行为， 但是却忽略后续助攻成交型展示功劳。

末次触达 (Last-Touch)

100%功劳归于下单前最后一次互动。

优缺点：逻辑简单，亚马逊站内关键词类型广告默认；数据清晰可靠易识别判断，但忽视前期铺垫，对于多渠道流量来源数据的叠加分析效果差。

马尔科夫链 (Markov Chain)

基于算法计算路径上每个节点的移除效应公平评估每个环节贡献。

优缺点：科学精准，对多渠道不同类型流量有精准价值计算衡量；数据分析复杂且需工具。

做一张对比图给大家：

图片来源：对外ppt截图

首次触达我们很少在亚马逊中见到，末次触达大家都很熟悉了，无需我过多介绍。

那么马尔科夫链到底是什么？

马尔科夫链（Markov Chain）本质上是一种基于状态转移概率的数学模型。简单说，它假设“下一步去哪，只取决于当前在哪，跟之前怎么来的没关系”。

放到亚马逊广告归因里，消费者的购物路径可以被拆解成一系列“状态”：曝光、点击、加购、购买……

每个状态之间都有一定的转移概率。

马尔科夫链要做的，就是算出每个渠道对“最终转化”这个状态贡献了多少概率值。

具体怎么算？

专业上常用“移除效应”（Removal Effect）法：把某一个渠道从路径中“拿掉”，看整体转化概率下降了多少。下降越多，说明这个渠道的助攻价值越大。

举个例子：原始路径中，从“DSP曝光”到“购买”的概率是10%。如果把DSP这个节点移除，概率掉到了4%，那DSP的贡献就是(10%-4%)/10% = 60%。

AMC里的归因模型（如转化路径分析）底层用的就是这套逻辑。它不会把100%的功劳全给最后一个渠道，而是基于真实的行为流转概率，公平地分配给每个参与过的渠道。

马尔科夫链归因不是“谁拿到功劳”，而是“谁创造了增量”——用户路径越复杂，它的价值越明显。

这就是马尔科夫链。

图片来源：亚马逊中马尔科夫链归因逻辑

案例解析：

我知道如果只讲干货，大家仍很难去理解应用，我们了解马尔科夫链的目的就是为了更好的学习和使用AMC，那么我用一个AMC案例去给大家做一个演示为什么越大的卖家越需要去学习使用它们。

场景1：只用一种广告

当你只使用SP广告时，数据来源很简单，所有归因都来自最后一次关键词点击。你只用检查点击率、ACOS、ROAS这些指标，就能判断广告投放效果优劣。

场景2：用两种广告

上个月，你只用了SP广告，花费1000美金，带来了10000次旗舰店访客和1000个订单。

随着自然位都到了第一页，你需要增量。这个月，你用了1000美金的SP + 500美金的SB品牌广告，带来了20000次旗舰店访客和1800个订单。你能明显看到订单增长和旗舰店访客提升，但是SB广告的ACOS却居高不下，远超你的广告阈值。

场景3：用多种广告

当你品牌广告搜索份额也到了第一名，关键词能拿到的都占住了，剩下的都在竞争对手手里，你花费很大代价也无法抢过来。你还是需要增量。

下个月，你又增加了SBV、SD、DSP，可能你们品牌的独立站也开始投放广告。多种广告数据一拥而入，确实带来了增量，但是报告显示：大部分订单还是SP在承接，其他广告数据普遍较差。

Q：那么问题来了：除了SP之外的广告，你投还是不投？

你很清楚关掉它们订单会下降，但很多广告零点几的ROAS又让你无法跟老板解释。你该怎么办？

数据从来不会骗人，来看真实数据：

图片来源：客户亚马逊DSP后台数据截图

单独SP：曝光2.3M人，带来1315个订单，曝光点击率0.056%，ROAS=3.39

单独SB：曝光879.1K人，只带来19个订单，曝光转化率0.0022%，ROAS=1.67

如果只看这两个指标，毫无疑问，100%的卖家都会选择只用SP。

但是，请看SB+SP的组合：

图片来源：客户亚马逊DSP后台数据截图

被SB和SP共同触达的消费者，曝光1M人，共计产生5082个订单，购买转化率0.5072%，ROAS=3.66。

和单独SP相比，曝光转化率提高了10倍，ROAS也有所提升。

那么转化率高的模型是哪个？

第一行：被DSP+SB+SD+SP四种渠道都触达过的消费者，购买转化率高达10.3%，遥遥领先，ROAS也能达到3.74。

Q：这里可能有朋友要问：为什么转化率提高这么多，ROAS却没有同步提高？

因为每种渠道的每次曝光都需要成本。四种渠道联合展示，虽然转化率上来了，但每种渠道都要花钱啊！

那么我们使用ROAS来排序，找到适合这款产品的广告模型，是不是就能大限度地提升广告效率？

DSP+SB+SP：ROAS高达70.58，但只有87次曝光、2个订单（偶然性数据，暂不计入，但后续可以尝试）

除了这个异常数据之外，再看DSP+SP：99.6K次曝光，产生2308个订单，ROAS达到5.17。

这个模型就是目前这款产品转化效率比高的方式。

如果我们使用马尔科夫链的统计方式——移除效应，反过来看这些数据：拿掉哪些流量入口，你的SP转化效果会降低？是不是一目了然就能看出流量渠道的真实价值？

当然，我们不能只看ROAS。在一个品牌多渠道成长的过程中，我们还需要去看品牌搜索指标、旗舰店获客成本、消费者购买转化周期等多方面数据，综合搭建最适合你的广告模型。

归因模式，没有绝对的对错，只看你处在什么阶段、想解决什么问题。

• 末次触达：告诉你“谁帮你最后踹了一脚”

• 马尔科夫链：告诉你“全程谁在真正出力”

亚马逊后台默认用末次触达，是因为它简单、直观、适合日常盯盘。

但如果你想做品牌、想打高阶广告组合、想突破流量上限——必须学会用马尔科夫链的视角看数据，去为你的多渠道广告搭建更准确的模型，补上你水桶的最短板。

否则，你只能永远在砍那些“你看不懂价值”的渠道。

“数据不说谎，链路见真章。

——Seven

封面来源/对外ppt截图

（来源：七号笔记）