規則型歸因模型早已不在 GA4 歸因報表裡

知識情報行銷數據分析
筆電的 Google Analytics 報表下拉選單只展開三列,桌緣有四張灰色卡片被推出半掉下桌
AI 生成示意圖

規則型歸因模型的四種分法與停用時間

規則型歸因模型會事先寫死分配比例。GA4 停用的四種是首次點擊、線性、時間衰減與位置型,Google Analytics 說明頁標註的停用時間是 2023 年 11 月。

規則型歸因模型指的是由人先決定功勞怎麼分,系統再照規則套用。它不看歷史轉換路徑,所以每個帳號套出來的比例都一樣。

四種規則各有立場。首次點擊把功勞全給第一個接觸點,適合看誰把人帶進來。線性把功勞平均分給每個接觸點。時間衰減讓越接近成交的接觸點分得越多。位置型則照顧頭尾兩端。

位置型又叫 U 型。行銷報表平台 TapClicks 在 2026 年的歸因模型指南裡寫出它的比例:首次接觸 40%、最後接觸 40%、中間接觸共分 20%。社群洞察工具 Syncly 的作者 Luke Bae 在網紅 ROI 文章裡給的也是同一組 40/20/40。

這些規則好懂,也好跟老闆解釋。問題在於它們的比例是人拍板的。你決定首尾各拿 40%,報表就照 40% 給你看。報表反映的是你的假設,不是消費者實際怎麼走。

Google 在 把這四種從 GA4 拿掉。Google Analytics 說明頁在注意事項裡寫明,這四種歸因模式自 2023 年 11 月起停用。

所以現在還在教「到 GA4 切線性歸因」的文章,內容至少落後了將近三年。具體來說,舊的 UA 截圖、舊的模型比較表,都已經對不上今天的後台。

那四種下架之後,後台到底還剩什麼可以選?

規則型歸因模型下架後,GA4 剩下哪三種

GA4 歸因報表目前只有三種模型。Google Analytics 說明頁列出的是資料驅動歸因、付費與自然末次點擊,以及 Google 付費管道末次點擊。

GA4 歸因報表目前可用與已停用的模型(依 Google Analytics 說明頁)
模型 狀態 功勞怎麼分
資料驅動歸因 目前可用 依帳號自己的轉換路徑資料計算
付費與自然末次點擊 目前可用 忽略直接流量,全部給轉換前最後點擊的管道
Google 付費管道末次點擊 目前可用 全部給最後一次 Google 付費點擊
首次點擊、線性、時間衰減、位置型 已停用 2023 年 11 月起不再提供

三種裡面,兩種是末次點擊的變體。換句話說,GA4 給你的實際選擇只有兩條路:讓演算法分,或全部給最後一個非直接點擊的管道。

資料驅動歸因的好處,是它會看你帳號自己的路徑。壞處是它像黑盒,你很難跟主管說清楚為什麼這個管道拿到這麼多功勞。前提是帳號要有足夠的轉換量,資料太少時模型很難學出可靠的分配。

末次點擊剛好相反。它透明、好驗證,任何人都看得懂。代價是上漏斗的接觸點幾乎拿不到功勞。

TapClicks 的指南把這件事講得很直白:「There’s no universally “best” model — the right choice depends on sales cycle length, data maturity, and what decision the report needs to support.」翻成白話,沒有萬用的模型,要看銷售週期、資料成熟度,以及這份報表要支援哪個決策。

規則型模型拿掉以後,選擇空間其實變窄了。以前你還能用線性看一眼全旅程,現在只能在兩種邏輯之間切換。

GA4 這邊縮小了選項,Meta 那邊則在 2026 年改了定義。

Meta 互動瀏覽歸因讓前後期數字不能直接比

Meta 在 2026 年 3 月把按讚、分享、儲存這類非連結互動移出點擊歸因,改放進新的互動瀏覽歸因。Meta 廣告報表工具 GoodMorning 的分析指出,互動瀏覽歸因的預設窗口是 1 天。

該文的原文是:「In March 2026, Meta moved likes, shares, saves, and other non-link interactions out of click-through and into a new “engage-through” bucket.」

以前有人按了讚、隔幾天下單,這筆轉換可能算在點擊歸因裡。現在它被拆出去,歸到互動瀏覽。點擊歸因只剩真的點了連結的那些人。

影片的門檻也改了。GoodMorning 寫到,影片觀看的觸發門檻從 10 秒降到 5 秒。理由是 Meta 自己的數據:Reels 帶來的線上購買轉換,有 46% 發生在觀看的前 2 秒內。

同一篇分析還記錄了更早的一次變動。Meta 在 從 Ads Insights API 永久移除了 7 天瀏覽與 28 天瀏覽兩個選項。

兩次變動疊在一起,結果是同一批廣告在 Meta 後台的點擊轉換數變了,GA4 那邊卻沒有任何對應的改動。報表上的落差,可能只是分類規則換了。

這對 GA4 使用者有什麼影響?很直接。GA4 看的是有進到網站的工作階段。Meta 的互動瀏覽歸因則包含沒點連結的人。兩邊本來就在數不同的東西。GoodMorning 的分析指出,改定義後 Meta 與 GA4 的落差多半縮小,但前後期的 Meta 數字不能直接比。

如果你這個月發現 Meta 的點擊轉換掉了,先別急著砍預算。先看報表欄位,確認有沒有多出互動瀏覽分項,再去比較前後期。

可是就算兩邊欄位對齊了,還有一個更根本的問題沒解決。

為什麼歸因報表需要增量測試來驗證?

歸因報表只能描述轉換路徑上出現過哪些接觸點,回答不了「拿掉這個接觸點,訂單還會不會發生」。行銷 AI Agent 平台 DiGGrowth 的歸因分析主張用 incrementality testing 補上因果這一段。

incrementality testing(增量測試)是把受眾分成看到廣告與沒看到廣告兩組,比較兩組的轉換差距。這個差距才是廣告真正多帶來的訂單。

不管是規則型還是資料驅動,所有歸因模型做的都是分功勞。它們把已經發生的轉換切成幾塊,分給路徑上的接觸點。它們沒有去問反事實:要是那個接觸點不存在,結果會不會一樣。

Attribution shows correlation; incrementality proves causation. Combining both gives marketers true clarity on what drives conversions, ensuring smarter spend, higher ROI, and accountable decision-making.

— DiGGrowth,〈Multi-Touch Attribution In 2026〉

該文給的做法分兩步。先用多觸點歸因看高轉換路徑,找出常出現的接觸點。再用增量測試驗證,這些接觸點是真的有影響,還是只是剛好出現。

以品牌搜尋為例。打開末次點擊報表,品牌關鍵字的轉換常常很漂亮。可是搜品牌名的人,本來就已經想買了。關掉品牌關鍵字廣告,有一部分人還是會從自然結果點進來。這部分訂單,歸因報表照樣算給廣告。

TapClicks 的指南也提到業界的另一種組合。它寫道,數字最站得住的團隊,日常戰術用多觸點歸因,預算規劃用行銷組合模型,再用 AI 調和兩邊的結果。

做增量測試的門檻比想像中低。Meta 和 Google Ads 後台都有轉換提升類的實驗工具。前提是你願意讓一部分受眾暫時看不到廣告,並且接受測試期間的數字波動。

歸因最容易出錯的地方,通常落在那些不會被最後點擊的管道。

末次點擊下被低估的上漏斗管道

網紅內容和品牌曝光多半出現在購買旅程前段,末次點擊會把功勞全部交給最後那一下。Syncly 的作者 Luke Bae 指出,採用多觸點歸因的品牌回報的 ROAS 比末次點擊品牌高 25%。

他在文章裡舉了一個很具體的路徑。消費者先在網紅的影片裡第一次看到品牌,過幾天被再行銷廣告追到,最後點廣告下單。

In a last-click attribution model, Facebook gets the credit. The creator who started the entire journey gets nothing.

— Luke Bae,Syncly〈How to Measure Influencer Marketing ROI〉

Digital Applied 的網紅 ROI 框架也寫到同一件事:「Most brands use last-click attribution — which systematically undervalues influencer content that creates awareness and intent earlier in the funnel.」大意是多數品牌用末次點擊。網紅內容在漏斗前段建立認知與意圖,因此被系統性地低估。

這裡有個矛盾。規則型模型裡的位置型,剛好就是為這種情況設計的。它保證第一個接觸點至少拿到 40%。可是 GA4 已經不提供它了。

所以在 GA4 裡,網紅的功勞要嘛靠資料驅動歸因去分,要嘛在末次點擊下歸零。資料驅動歸因看得到的前提,是消費者看完網紅後有點進網站。只在 Instagram 上看過影片、隔天直接搜品牌名的人,GA4 根本不知道網紅出現過。

Digital Applied 針對 Pinterest 內容,建議把歸因窗口拉長到 90 到 180 天。整份框架另外建議搭配專屬折扣碼、UTM 連結與購後問卷,補上追蹤不到的那段。

說到底,上漏斗管道的價值不能只靠一個模型判斷。要嘛用多個來源交叉比對,要嘛直接做增量測試。

銷波快觀點:數字掉了,先分清楚是規則變了還是成效變了

我們在節目裡談過一個診斷框架。數據下滑時,先把原因分成兩類。一類是直接可控的,像素材、文案、銷售頁。另一類是間接不可控的,像競爭對手、環境變動。Meta 改點擊定義、GA4 下架模型,都屬於第二類。它們改的是量尺,不是你的廣告。

分清楚之後,動作就不一樣。量尺變了,你要做的是重新對齊前後期的比較基準。成效真的變了,才輪到調整素材和受眾。把量尺的變動當成成效下滑去砍預算,是最常見的誤判。

再往下一層,是資料本身的完整度。我們之前講過,Meta CAPI 已經從進階選項變成基礎建設。Pixel 從瀏覽器端抓行為,CAPI 從伺服器端回傳資料,兩條軌道一起跑。不管你用哪個歸因模型,餵進去的訊號殘缺,分出來的功勞就不可信。

還有一塊是報表完全看不到的。消費者可能早就在 ChatGPT 或 AI 搜尋裡看過你的品牌,最後才點廣告進來。這段接觸,現在的歸因模型一概不算。我們認為這是目前最大的盲區之一,也是為什麼光換模型不夠。

最後講一個我們自己踩過的坑。我們整理行銷數據分析這個分類的描述時,曾經為了語氣把 GA4 三個字拿掉。後來查 DataForSEO 才發現,GA4 一個月有 6,600 次搜尋,是整個分類最大的需求。大家搜 GA4,很多時候就是想搞懂報表在講什麼。歸因模型換了,正是最需要有人講清楚的時候。

結論:先承認 GA4 只剩兩條路,再用增量測試校正

規則型歸因模型已經從 GA4 退場。你能選的是資料驅動,或是末次點擊。Meta 在 2026 年又重新切了點擊與互動的界線,前後期的 Meta 數字不能直接比。

現在就能做的有三件事。第一,打開 GA4 的歸因設定,確認你用的是哪一種模型。第二,比較 Meta 前後期數字前,先看有沒有互動瀏覽歸因的分項。第三,挑一個預算最大的管道,排一次增量測試。

歸因報表告訴你誰出現過,增量測試告訴你誰真的有用。兩個一起看,預算才有依據。

資料來源

  • GA4
  • 歸因模型
  • 資料驅動歸因
  • 增量測試
  • Meta 廣告
  • 末次點擊
吳宗翰 Jayden Wu

吳宗翰 Jayden Wu

ClassOn 雙捷數位有限公司 共同創辦人 | 銷波快 Podcast 主持人

2008 年從線下行銷做起,活動、連鎖加盟那一類。2014 年轉數位,做亞馬遜和 eBay,後來自己出來做聯盟行銷與 dropshipping。現在在臺北城市科技大學、TeSA 與經濟部的培訓計畫教課。做過的事讓他篩情報時說得出為什麼。

關於 Jayden →

LinkedIn | Facebook | 收聽 Podcast