解读

面试官想知道三件事：

1. 你是否清楚国内主流投放场景下“末次点击”与“数据驱动归因”的口径差异；
2. 能否用可落地的实验设计把两种归因模型放在同一基准线上算ROI；
3. 能否把结论转化为用户运营动作，而不仅是给出一个数字。
   因此，回答必须包含“实验设计—数据采集—指标对齐—业务解读—运营迭代”五步闭环，并给出可直接在阿里系、腾讯系、字节系流量环境落地的细节。

知识点

1. 末次点击（Last Click）：把转化100%功劳划给最后一次可追踪的广告点击，国内巨量引擎、腾讯广告后台默认报表即采用此口径。
2. 数据驱动归因（DDA）：以Shapley值或Markov链为核心算法，按各节点对转化的边际贡献分配权重，需回传全链路事件（曝光、点击、深度互动、下单），巨量引擎“全域归因”、阿里“Uni Marketing”已内置。
3. ROI对齐公式：
   ROI = （归因收入 – 成本）/ 成本；
   对比时必须把同一收入池、同一成本池、同一用户分层锁死，否则会出现“收入 double counting”或“成本漏记”。
4. 国内数据合规：iOS端需通过CAID或自埋码方案补全，安卓端需做oaid+imei双写，确保归因节点可连续；否则DDA样本偏差>15%，结论不可信。
5. 显著性判断：由于DDA会把部分功劳前置到“种草”环节，末次点击ROI通常虚高15%–40%；若实验周期<28天，需用CUPED方法削减波动。

答案

第一步：划定实验对象
选取新客拉新场景，用户池为近30天未购买且未安装App的曝光人群，随机拆成A、B两组，每组≥100万UV，确保城市等级、品类偏好、消费能力三维度分布一致。

第二步：统一数据口径

1. 收入端：以实际支付成功事件为准，剔除退款，统一用订单号+用户ID去重；
2. 成本端：把竞价花费、品牌曝光 CPT、达人佣金、优惠券面值全部折算进成本，避免“隐藏成本”导致末次点击ROI虚高；
3. 节点埋点：在巨量引擎、腾讯广告、阿里妈妈三端同时回传曝光、点击、加购、下单、支付五层事件，确保DDA算法可计算。

第三步：并行跑量
A组沿用末次点击出价策略，B组切换为数据驱动归因出价（巨量引擎“深度转化+ROI优化”模式），预算锁死1:1，连续跑14天，每天检查样本偏差<5%。

第四步：结果解读

1. 末次点击组报表ROI=1.86，DDA组报表ROI=1.52；
2. 用同一收入池重算后，末次点击实际ROI=1.42，DDA实际ROI=1.48，差距反转；
3. 进一步看7日留存率：DDA组高出6.3个百分点，说明前置种草带来高价值用户；
4. 统计显著性：用Bootstrap抽样1万次，p值<0.01，结论可信。

第五步：运营迭代
把DDA模型中Top 20%贡献权重的触点（短视频种草、直播间加购）做成标准化内容模板，下沉到区域直营店；同时把末次点击ROI虚高的“搜索品牌词”预算下调18%，释放给DDA高权重触点，整体新客CAC下降12%，30日 LTV提升8.4%。

拓展思考

1. 若公司仍按末次点击考核，可用**“双轨制”**对内汇报：对外沿用旧口径，对内用DDA做预算调配，减少组织阻力。
2. 在私域社群场景，可把企业微信加粉事件纳入DDA节点，衡量“广告→加粉→社群成交”全链ROI，避免私域成交被末次点击误判为“自然复购”。
3. 未来iOS全量ATT、安卓隐私沙盒落地后，可获得的设备级数据减少60%，需提前布局一方数据建模（如联邦学习+MD5加密手机号），否则DDA将退化为“模糊归因”，对比实验失去精度。