归因分析

归因分析是把一次转化（购买、注册、到店）的功劳，分配给客户在此之前接触过的多个营销措施的方法。假设一位客户先看到电视广告，接着点击了社交媒体广告，然后通过搜索访问网站，最后完成购买，那么这几个接触点各应记多少功劳，就是归因分析要回答的问题。常见的分配规则有末次接触归因（功劳全归最后一个接触点）、线性归因（各接触点均分）、时间衰减归因（越接近转化的接触点权重越高），选哪一种会直接改变各媒介的评价结果。

二维码在线下广告的归因测量上有独特价值。传单、海报、杂志广告、交通广告这类线下媒介长期难以衡量效果，原因是缺少证明「客户是看了这则广告才来的」的因果链条。只要在各媒介上印二维码，并为每个码附上不同的 UTM 参数，就能准确追踪「从哪个媒介的码进来、最终是否转化」，线下媒介第一次有了与线上广告同一口径的数据。

实务上更有效的做法是按媒介分别签发不同的动态二维码：传单 A 用一个、海报 B 用一个、名片 C 用一个。这样每个媒介的扫描数、转化率、投资回报率都能单独统计，调整投放预算才有依据。由于这些码的图案可以完全相同，差别只在跳转地址里嵌入的参数，追加成本几乎为零。同一张海报贴在不同车站时，还能继续细分到贴附地点这一层。

随着 Cookie 相关限制不断收紧，数字广告的归因精度持续下降，相对而言，通过二维码收集第一方数据的价值反而上升。扫描二维码是用户明确的主动行为，无论是否同意 Cookie，扫描这一动作本身的记录都能留下，成为在受限环境中依然可用的测量基础。