谷歌歸因規則「變天」：安裝時間取代點擊時間，行動行銷人如何因應？

一、核心變化：從「點擊」到「安裝」的錨點遷移

二、對廣告優化的衝擊：數據波動與決策挑戰

舉例說明：為何CPI會出現「虛高」或「虛低」的假象？

• 場景：您在星期一投放廣告，花費100美元，獲得100次點擊。一位用戶在週一點擊了廣告，但經過幾天的比較，直到星期四才最終下載並安裝了應用。
• 在舊規則（點擊時間歸因）下：
  • 星期一：獲得1次安裝。CPI（單次安裝成本）= 100/1=∗∗100**。數據看起來正常且匹配花費。
  • 星期四：數據不受這次安裝影響。
• 在新規則（安裝時間歸因）下：
  • 星期一：花費100美元，但安裝數為0（因為安裝發生在週四）。CPI = $100 / 0 =“無限高”或數據缺失。這嚴重高估了週一的真實成本，形成“虛高”假象，可能導致優化師誤判週一廣告效果極差而關停優質計劃。
  • 星期四：假設周四本身也有廣告花費50美元，並帶來2次即時安裝。現在，系統還會將周一點擊帶來的那1次延遲安裝計入周四。因此，周四總安裝數=3次，但成本只計算了周四當天的50美元。CPI = 50/3≈∗∗16.7。這顯著美化了週四的成本數據，形成“虛低”假象**，可能誘使決策者盲目追加週四的預算。

三、谷歌为何要推行此次調整？

1. 與行業標準（MMP）對齊：主流行動監測平台（如AppsFlyer、Adjust）長期以「安裝時間」作為用戶生命週期的起點。此前，Google Ads採用不同標準，導致廣告主在跨平台比對數據時經常出現「數據打架」的情況，需要額外校準。此次調整旨在統一數據口徑，降低廣告主的分析成本。
2. 優化算法學習效率：谷歌智能出價系統（如 tCPA、tROAS）依賴海量轉化信號進行機器學習。在舊邏輯下，長決策路徑用戶的轉化信號可能因超出窗口而丟失，影響模型判斷。新邏輯以更穩定的「安裝時間」為錨點，能更完整地捕捉用戶後續行為，提升算法模型的訓練速度和出價準確性。
3. 更真實地反映用戶旅程：對於遊戲、金融、訂閱服務等決策週期較長的應用，用戶從點擊到安裝之間可能存在漫長的考慮期。舊模型可能系統性低估這類「高價值延遲用戶」。新規則讓轉化衡量更貼近真實的用戶決策路徑。

四、給廣告主的實戰應對指南

1. 啟用「雙歸因視圖」：這是應對當前局面的核心工具在Google Ads報表中，同時添加「轉化次數」（按點擊時間歸因）和「轉化（按轉化時間）」（按安裝時間歸因）兩套數據列。前者用於評估長期ROI和優化深度目標，後者用於監控當日安裝成本和調控預算。
2. 拉長數據觀測週期：果斷放棄對單日數據的過度依賴。轉而關注3天、7天的移動平均成本以及週級ROI趨勢平滑的週期數據能有效抵消歸因切換帶來的日級波動，揭示真實的趨勢。
3. 實施分層優化策略：
   1. 對於安裝、註冊等淺層目標：接受新規則，主要依據「按安裝時間歸因」的數據進行素材汰換和初步效果判斷。
   2. 對於付費、留存等核心營收目標：優化和出價調整仍應主要依據「按點擊時間歸因」的數據進行，確保算法模型學習的是與最終商業結果強關聯的信號。
4. 審慎評估與測試：對於新建廣告系列，如果產品決策週期很長（超過24小時），在進階設定中可考慮暫緩切換至新歸因窗口，待觀察現有系列數據穩定後再做決定。

五、展望：擁抱混合歸因新時代