把来源记录拆成两层:可归因渠道记录“最后一次可识别的点击或曝光”,口碑传播记录“谁在什么场景提到你、被提到的人是否主动找上门”。两者不要合并成单一来源字段,否则一旦口碑带来转化,归因渠道会把它算成自己的功劳,报表看起来漂亮,但下一次预算分配会押错方向。
假设你运营一个移动端课程产品,某周做了两件事:在信息流投放了带追踪参数的落地页,同时有几位老学员在微信群里转发了课程链接。一周后新增注册里,有一部分人点过广告,也听人提过课程。如果只用一个“来源”字段,这批人会被记成广告,口碑贡献被抹掉;如果只记口碑,广告的边际效果又无法判断。
更麻烦的是,这批人里有人先看到群消息、几天后才点广告。按最后一次点击归因,广告拿走全部功劳;按首次接触归因,口碑拿走全部功劳。两种口径都成立,但回答的是不同问题:前者问“哪个触点促成了这次动作”,后者问“谁先让人知道这个产品”。
可操作的做法是:在数据模型里保留两个独立字段,而不是让它们互相覆盖。
attributed_channel:记录可识别的渠道标识,例如广告参数、活动链接标识。它回答“这次访问从哪个可追踪入口进来”。referral_signal:记录口碑线索,例如用户注册时填写的推荐人、客服对话里提到的“朋友介绍”、群内分享链接的归属标识。它回答“是否存在人对人的推荐关系”。两个字段都允许为空。空值不是错误,而是“没有观察到该类型来源”。如果强行用“其他”填满,后续就无法区分“确实没有口碑”和“没记录到口碑”。
一个实际动作:在注册或首次下单的流程里增加一个可跳过的问句,例如“是谁推荐你来的”。这个动作的结果是,口碑信号从不可见变成可统计,但它不会自动告诉你口碑的转化率,因为填写率本身受问法、位置和用户意愿影响。下一步应把填写率单独监控,而不是直接把填写数量当成口碑规模。
常见反常现象是:广告点击量下降,但新增用户没怎么降,甚至口碑推荐变多。这时不要急着下结论说“广告没用”或“口碑爆发”。至少有几种合理解释:
区分这些解释需要可核对的证据,而不是只看一个总数。可以核对:同一时间段内推荐关系字段的填写量是否变化;广告链接的参数是否仍然完整;落地页版本是否切换;去重规则是否调整。如果只有点击量下降、其他证据都没变,那么“追踪丢失”比“口碑替代广告”更值得先排查。
请求量、抓取量或某项统计归零,不能单独证明某种处理正确。它可能来自工具限制、权限变化或采集延迟。把归零当成结论,容易把一次记录故障误判成策略转向。
口碑传播和可归因渠道同时存在时,没有一种来源记录能同时回答所有问题。选择取决于你接下来要做什么决策。
一个注明假设的短例子:假设某月新增 100 人,可归因渠道记录 70 人,口碑信号记录 40 人。两个数字相加是 110,超过 100,说明有重叠。此时不应把 70 和 40 当成互斥的两块蛋糕,而应把重叠部分单独拿出来看:重叠人群的后续留存或复购是否更高。如果更高,说明口碑与渠道同时出现可能是有利信号;如果不更高,说明重叠只是记录方式造成的,不必额外解读。
规则不写清楚,不同人会用不同方式填来源,几个月后数据就无法比较。一页说明至少包含:
做完这一步,下一步是定期抽查:随机抽取一批记录,核对渠道参数与口碑信号是否与实际接触路径一致。抽查结果会影响你是否需要修改问法、参数规则或培训方式,而不是直接用来计算渠道价值。口碑传播与可归因渠道同时存在时,记录来源的核心不是分出胜负,而是让两种影响都留下可追溯的痕迹,供后续决策分别使用。