數據歸因在實務應用上，五個值得我們注意的應用限制。
一、不同屬性的 Channel，數據歸因的結果不要直接比較
數據歸因模型有所謂的 First Interaction、Last Interaction…等等，其實這就是隱含著「漏斗」的概念。若我們用 Awareness – Consideration – Action 三步驟的用戶漏斗來看待數據歸因。First Interaction 就是可以幫助我們找出都是誰創造了有效的 Awareness；而 Last Interaction 可以協助我們找出可以促使用戶行動的媒體是什麼；線性歸因可能可以幫助我們找出 Consideration 時期的用戶，會去哪些媒體。
但在數據歸因的報表上，你選定了歸因模型後，會直接出來一個數字，計算出 Channel 的貢獻值，不過既然這是漏斗，我們就要很小心，我們不必把負責 Awareness 和負責 Action 的 Channel 做比較數字上的比較，這樣意義不大，因為其負責的任務是不太一樣的。
像是部落客開箱文，常常都不會是 Action 的角色，通常都是 Awareness 或 Consideration 的角色，那我們就沒必要拿它和專注轉單的 Retargeting 廣告做比較，那是沒意義的。有意義的應該是，比較不同部落客之間，歸因到轉單的數字，這樣的比較，就有意義，讓我們知道，哪一個部落客對轉單更有貢獻。
二、數據歸因有時間限制
數據歸因並不是永久的，去年某個用戶點過廣告，今年他下訂單了，隔了一年，雖然我們可能說用戶因為對品牌有印象，今年才會下單的。但是在數據歸因上，我們是不會認為去年的廣告是有貢獻的。
Facebook 廣告系統，可以幫你歸因 7 天內的廣告，也就是說他上個月點了 Facebook 廣告，而這個月下單， Facebook 的廣告歸因，不會認為是 Facebook 廣告的功勞。而 Google Analytics 可以幫你追到 90 天內發生的接觸點，所以上個月用戶點了關鍵字廣告，這個月轉單了，這樣的歸建字廣告的功勞，在 Google Analytics 上就會被記上一筆。
因為數據歸因有這樣的時間回朔限制，所以我們面對考慮時間較長的物品，諸如：房子、車子，我們優化的目標通常就不會是「銷售」，而是「帶看房子」或「試駕」，因為房子、車子這種類型的商品，光考慮期搞不好就超過一年，若我們的目標是要透過廣告導購買，數據歸因完全發揮不了作用，沒辦法幫我們評估各種媒體或廣告曝光的成效。
三、跨平台的數據歸因，不能相互加總
你也許會懷疑，Facebook 的報表上寫「七天內創造了 10 個訂單轉換」，而 Google 廣告平台報表寫「七天內創造了 10個訂單轉換」，但問題是七天內我總共只有15張訂單啊，然後 Google Analytics 報表中，Facebook 帶來的轉換，不論用哪一種歸因，都不到 10個，這樣搞的我好亂，是數據有錯，還是哪一個平台灌水說謊呢？
其實並不是任何一個平台灌水或說謊，純粹是因為 Google 的廣告平台，不會去管用戶有沒有點 Facebook 的廣告，反之亦然，Facebook 也不會管用戶有沒有點過 Google 的廣告。所以兩者的數據歸因加總起來，超過你所有的訂單數，是很正常的，這就只是單純因為一個用戶下訂單前，點過 Facebook 廣告也點過 Google 廣告，所以各自被算一次而已。
若我們再看細一點，你會發現 Facebook 和 Google 歸因計算方法也很有關係。Google 預設使用最終非直接點擊模型，所以點擊了廣告，才算數。而 Facebook 的歸因模式，其中一種是「七天內點擊或24小時內瀏覽」，那用戶即便只有看了廣告，沒點擊也沒關係，只要用戶在 24小時內購買了產品，Facebook 一樣還是會把功勞算給這個廣告。
所以有一些廣告投手，為了讓 Facebook 廣告的起跑點和 Google 一樣，就會把 Facebook 的廣告歸因，設定成「七天內點擊」，而24小時內瀏覽就不做歸因計算。
四、基於 Cookie 的流量分析工具，讓數據歸因失準
你家有一台電腦，你用你爸媽也用，從 Cookie 觀點，會認為他是同一個人。再舉一個例子，你在家用電腦上網，出外用手機上網，從 Cookie 觀點認為他是兩個人。一個比較有趣的是，你在手機在 Facebook 中點開一個網址，然後你自己打開手機中的瀏覽器，輸入一樣的網址，從 Cookie 觀點來看，這一樣是兩個人，原因是就是 Facebook in-APP 的瀏覽器，和手機的瀏覽器，你要視做兩個不同瀏覽器。
因為現在用戶都是多裝置使用者，用戶會在手機上看到廣告、點擊了廣告，但是最後在桌機搜尋品牌名字後，連到官網後下單，這對 Google analytics 來說，因為技術的限制，它可能會認為手機和桌機是不同的用戶，所以點廣告和下訂單，這兩個動作就沒辦法歸戶到同一個人的行為下。
這會讓數據歸因失準，當你看到許多用戶都是第一次來網站，然後就下單了，你心中要對這個數字有一點懷疑或打一點折，可能是因為我們剛剛講的原因，有一部分的用戶是用手機查資料，然後開桌機下單。
五、對隱私權的重視，讓數據歸因越來越難
近期歐美市場颳起一陣對隱私權的重視，包含 GDPR(General Data Protection Regulation)、各大瀏覽器宣布即將要取消第三方 Cookie、還有 APPLE 的 ATT （App Tracking Transparency）框架，都讓以前唾手可得的用戶資料、行為資料，都不再這麼容易獲得了。
這樣數據歸因越來越難做，無法做正確歸因的狀況越來越多，這也連帶帶動品牌越來越重視會員經營，因為用戶只要登入帳號，因為有著清楚的帳號資料，所以不管你是跨平台還是因為第三方 Cookie 或 APPLE 的 ATT 框架，你都還是可以取得用戶的資料，做正確的歸因。
在會員資料之外的，也有許多人在發展 Digital Fingerprinting 的技術，讓我們透過 IP Address、行為 Pattern 等等，幫我們在遵守隱私政策下，又可以提高正確歸因的比例。
不過即便如此，100%正確的數據歸因，是不切實際的期待。
--我的線上課：數據化營運 和 產品增長，都上線囉，歡迎大家報名
- 資深產品顧問、數據化營運專家、企業內訓講師。 這邊有更詳細的個人簡介
- 過往演講 投影片整理
- FB社團：Growth hacker秘密筆記簿
- 免費 Office Hour：線上預約我的 Office Hour
- 數位時代訪談：打造產品飛輪。
- 數位時代訪談：做好產品經理三法則。
- 理財小時候影音訪談：產品經理選股法。