你在 Google Ads 看到二十筆轉換，Meta 廣告報表又說帶來十五筆，Google Analytics 4（GA4）卻只有二十五筆，CRM 最後記錄的成交只有十筆。數字各不相同，到底該以哪個為準？
數字不一致，不代表系統算錯；也可能是事件定義、時間範圍或歸因方法不同。同一位客戶可能看過廣告、搜尋品牌，隔了幾天才填表或購買。平台可能各自將同一筆結果歸功給自己。先弄清楚各個數字代表什麼，才比較能判斷行銷預算要怎麼分配。
行銷歸因分析是什麼？為什麼不能只看最後一次點擊？
顧客決定購買前，可能已經接觸品牌好幾次。可能先從社群認識你，後來搜尋一篇教學文章，接著訂閱電子報，最後收到朋友推薦才付款。若只看付款前最後一次點擊，前面建立認識與信任的工作就容易被忽略。
歸因模型（Attribution Model）決定要把多少貢獻算給不同接觸點。首觸與末觸的計算方式不同，就會得到不同的管道成效。但「分到多少貢獻」是模型設定的結果，不代表你已經證明某個管道造成了全部營收。
Google 官方說明也將歸因視為依規則或資料演算法分配關鍵事件貢獻的方式。它能幫助解讀客戶路徑，卻無法看見所有線下介紹、跨裝置互動及未被追蹤的接觸。
五種常見歸因模型，應該怎麼看？
首觸歸因（First-touch）將貢獻給首次已知接觸；末觸歸因（Last-touch）則給最後一次互動。線性、多接觸及時間遞減模型，則以不同方式分配路徑上的貢獻。它們各有用途，也都有看不到的地方。
例如想了解哪些內容讓陌生人第一次認識品牌，可參考首觸觀點；想研究最後促使詢問的接觸，則可比較末觸。但如果銷售週期很長，只看其中一種，可能讓上層內容或後續說明被嚴重低估。
注意，這些是歸因概念的比較，不能當成目前 GA4 介面全部都能直接選擇的選項。Google Analytics 已於 2023 年停止提供首觸、線性、時間遞減與位置型等舊模型作為可選的報表模型。
| 模型 | 分配方式 | 主要盲點 |
|---|---|---|
| 首觸 | 給最早已知接觸 | 看不到後續促成因素 |
| 末觸 | 給最後一次接觸 | 忽略早期認識來源 |
| 線性 | 平均分配多個接觸 | 每次互動權重一樣 |
| 時間遞減 | 接近轉換的接觸較高 | 容易低估早期接觸 |
| 以資料為依據 | 用資料模型估計不同貢獻 | 仍受資料缺失與模型限制 |
GA4 現在能使用哪些歸因方式？
Google 官方說明，GA4 的歸因相關報表主要提供以資料為依據的歸因，以及付費與自然管道末次點擊、Google 付費管道末次點擊等選項。不同報表維度可能採取不同範圍，實際名稱也會隨產品更新。
以資料為依據的模型會使用可觀察的路徑及轉換資料估計貢獻，但如果樣本很少，就不應過度解讀小數點後的細微差異。另一方面，末次點擊雖然容易理解，也會忽略早期接觸。
選擇模型時，先確定你要回答的是「讀者第一次從哪裡來」，還是「哪個管道比較常出現在轉換路徑中」。同一個報表若混用來源維度、工作階段維度與事件維度，就可能看出互相矛盾的數字。
為什麼 Google、Meta、GA4、CRM 的轉換數不一樣？
廣告平台通常會依自己的觀看或點擊歸因期間，計算被認為與廣告有關的轉換；GA4 則根據自己能取得的網站事件與歸因設定呈現結果；CRM 的成交資料，可能由實際訂單或業務紀錄建立。
同一位使用者先看過 Meta 廣告，再點 Google 搜尋廣告，最後完成購買。兩家廣告平台可能都符合各自的歸因條件，因此都報告一筆貢獻，但商家實際上只有一筆訂單。不能把兩邊各自宣稱的轉換直接相加。
此外，跨裝置、瀏覽器限制、使用者不同意追蹤、時區以及轉換定義不同，都可能造成差距。遇到數字不同，應先核對口徑，不要隨便用某一個平台的數字當成唯一真相。
| 來源 | 它主要在呈現什麼 |
|---|---|
| Google 或 Meta 廣告 | 符合該平台歸因條件的事件 |
| GA4 | 網站上可觀察的關鍵事件與來源 |
| CRM／訂單 | 業務階段、已確認付款或實際成交 |
| 自我回報 | 客戶記得的初次或重要接觸 |
先決定真正的成交筆數，再比較管道貢獻
若最終目標是賣出課程或網站方案，成交應以確認過的訂單或付款紀錄為準，去除取消、重複及其他不符合定義的交易。這份紀錄回答的是「到底成交多少」，與廣告平台說自己促成多少不同。
在這個基礎上，再比較 Google、Meta、SEO、Email 等管道的歸因貢獻。它們可以成為調整預算的線索，卻不能直接取代正式成交紀錄。若你的業務經常先諮詢再付款，也可以把 CRM 中的詢問、報價與最終付款分成不同事件。
例如十筆確認成交的訂單，不能因為兩個平台合計報出十八次廣告轉換，就改寫成十八筆成交。要將真正發生的事件，和各系統聲稱的行銷貢獻分開呈現。
實作案例：同一筆課程成交，三個接觸點怎麼分？
假設一位講師的課程售價是三萬元。某位客戶先在社群看到文章、後來用 Google 找到課程說明，最後從 Email 連結進入結帳。這是假設案例，並非真實客戶的購買紀錄，也不表示文章中的管道曾經有這樣的成交成效。
若以首觸模型計算，社群取得這筆轉換的全部貢獻；若以末觸模型計算，Email 取得全部貢獻；若使用簡單線性模型，三個接觸點平均分配。總成交額始終只有三萬元，變動的是各管道分到的貢獻。
所以不要因為某個模型算出 Email 貢獻最高，就把社群或搜尋內容全部刪掉。更合理的是並排觀察不同模型，以及這位客戶是否曾透過線下活動或朋友介紹認識品牌。
| 假設模型 | 社群 | Google 搜尋 | 總額 | |
|---|---|---|---|---|
| 首觸 | 30,000 元 | 0 | 0 | 30,000 元 |
| 末觸 | 0 | 0 | 30,000 元 | 30,000 元 |
| 線性 | 10,000 元 | 10,000 元 | 10,000 元 | 30,000 元 |
自有資料與「你怎麼認識我們？」可以補哪些缺口？
網站追蹤通常無法完整知道朋友推薦、講座現場討論、私人社群分享等接觸。可以在合適的報名或付款流程中，自願詢問「你第一次在哪裡認識我們？」並提供其他方式讓客戶自行說明。
這類自我回報資料有回憶偏差，不能直接當成百分之百正確的來源。但它能補上數位追蹤看不到的線索，尤其是銷售週期較長、經常依靠推薦的顧問服務。
蒐集資料前應告知用途、尊重使用者同意及相關個資規範。並不是為了完整歸因，就應取得或保留所有個人的瀏覽與購買細節。
歸因和因果效果不同，什麼時候需要增量測試？
歸因模型會在已知路徑中分配貢獻，但不一定能回答「如果沒有這筆廣告，客戶是否仍會購買」。這是因果問題，需要更謹慎的實驗，例如在合適條件下比較接觸廣告與沒有接觸廣告的群體。
增量效果（Incrementality）測試較接近回答廣告是否帶來額外結果，但需要合理的實驗設計、足夠資料與對風險的控制。對預算很小的團隊，剛開始不用建立昂貴模型，可以先建立一致的成交紀錄、UTM 與簡單管道比較。
如果手上沒有實驗證據，就應把報表說成「歸因顯示某管道有較多貢獻」，而不是保證「某管道造成多少營收」。這種區分能避免把模型假設說成不可懷疑的事實。
講師、顧問與線上課程，可以從哪三步開始？
第一步，定義真正重要的結果。對線上課程可能是確認付款，對顧問服務可能要分開追蹤詢問、提案與正式合約；不要把電子書下載與高價課程成交當成同一種轉換。
第二步，確認連結有合理的追蹤參數（UTM），並在 CRM 或訂單中保留可追溯的來源資訊。記錄客戶來源時，盡量保留首次已知接觸與最後一次相關接觸，不要每次新點擊就無條件覆蓋原始資料。
第三步，定期對照 GA4、廣告平台與真實成交紀錄。當數字有差距，先檢查口徑、時區、重複事件及歸因期間，再討論預算。若你還沒有完整的 CRM 流程，可以先讀營收營運管理的客戶階段與商機流程。
行銷歸因分析常見的六個錯誤
最常見的錯誤，是直接把不同廣告平台的轉換數相加；第二個是只看末次點擊，把所有早期接觸都當成沒有貢獻；第三個是忽略真實的付款與取消紀錄。
第四個是把報名、表單、付款當成相同轉換；第五個是沒有固定來源與時間範圍，每次檢查報表都在更換口徑；第六個是看到模型分配的貢獻，就直接宣稱已證明因果。
改善時不必急著購買昂貴軟體。先確認真正成交幾筆，再選擇一致的比較方式、整理資料來源，最後才決定有沒有必要進行更深入的分析。
每次看歸因報表前，先完成這四項資料核對
第一，確認你正在比較的是相同的時間範圍。廣告平台可能按照廣告互動日認列，網站分析與 CRM 則可能按事件發生日記錄。如果沒有統一日期與時區，同一筆成交很容易落在不同報表的週期中。
第二，確定每份報表的轉換事件相同。有人把表單送出設成廣告轉換，有人只把付款完成當成成交，這兩個數字不能直接比較。尤其是線上課程，報名直播、查看方案與完成付款是不同階段。
第三，核對歸因期間與直接流量的處理方式。某個平台可能將較早的廣告觀看算入轉換，另一個系統只看較短的點擊路徑。即使兩份報表都沒有技術錯誤，也可能出現相當大的差距。
第四，把正式訂單去除重複與取消的紀錄，再回頭看各來源怎麼認列貢獻。整理好這些條件後，即使數字不能完全一致，也能解釋差異來自哪裡。這比硬把每個平台的數字調成一樣，更能協助做決策。
行銷歸因分析常見問題
行銷歸因分析是什麼？
行銷歸因分析是將轉換貢獻依某套規則或資料模型分配給不同接觸管道，協助解讀哪些行銷活動可能促成詢問或成交。它不等於因果證明。
首觸歸因和末觸歸因有什麼差別？
首觸把貢獻給第一次已知接觸；末觸給最後一次接觸。兩者各自忽略不同階段，所以長期銷售流程最好不要只看其中一種。
GA4 現在可以選線性或時間遞減歸因嗎？
Google Analytics 已於 2023 年移除首觸、線性、時間遞減與位置型等舊模型的可選設定，目前可參考官方提供的以資料為依據及末次點擊相關歸因方式。
為什麼 Meta 和 Google 都說帶來同一筆成交？
各平台會依自己的點擊、觀看與歸因期間認列事件，同一筆訂單可能同時符合不同平台的條件。實際成交應去重複計算，不能直接將平台數字相加。
行銷歸因分析可以知道哪個廣告真正造成成交嗎？
一般歸因模型只能分配已追蹤路徑上的貢獻，無法單獨證明因果。若要研究額外帶來的成效，可能需要合適的增量測試。
小型課程事業需要複雜的多觸點模型嗎？
不一定。先記錄正式成交、使用一致的 UTM 和基本來源資料，再搭配客戶自我回報與簡單的首末觸比較，往往比過早建立複雜模型更實用。
行銷成效歸因和 CRM 有什麼關係？
歸因可協助判斷接觸來源，CRM 則保存客戶詢問、商機及成交資料。兩者整合後，可對照管道貢獻與實際營收，但仍要處理重複資料與統計口徑。
結語：歸因是用來判斷，不是用來創造漂亮數字
好的行銷歸因分析，會先確認真正發生了多少筆詢問與成交，再解釋不同管道可能扮演的角色。它不會因為某個平台報出較高數字，就直接把全部預算交給那個平台。
從可靠的成交紀錄、可核對的來源與一致的歸因方式開始，逐步增加資料深度。真正的目標是找到值得改善的行銷流程，而不是讓每張報表看起來都很完美。
參考資料
Google Analytics Help｜Get started with attribution｜2026年查閱
Google Analytics Help｜Change the reporting attribution model｜2026年查閱
Google Ads Help｜About data-driven attribution｜2026年查閱
HubSpot｜What Is Attribution Modeling and Why It’s Important｜2026