归因是指识别购物者在完成转化之前接触过哪些触点（例如 Google Shopping 广告、再营销横幅广告、自然搜索结果），并将该笔销售的功劳在这些触点之间进行分配的过程。归因模型并非只把功劳归于最后一次点击，而是尝试反映客户走过的完整路径。这对于由 Feed 驱动的广告尤为重要，因为同一商品可能同时出现在多个渠道中。归因是否准确，决定了您看到的是真实的渠道效果，还是一个高估了恰好离成交最近的触点的视图。
为什么归因对 Feed 效果很重要
商品 Feed 同时为多个平台的广告提供支持，因此一位购物者可能先在 Google Shopping 商品信息中看到某个商品，几天后通过 Meta 目录广告点击进入，最终在品牌词搜索之后完成购买。如果没有归因，这笔销售的全部功劳都会落在触发最后一次点击的渠道上，从而系统性地低估真正建立购买意向的上层漏斗渠道。这会扭曲预算决策：仅依赖最终点击数据的零售商，可能会削减那个在幕后贡献了大部分需求的渠道的预算。由于 Feed 驱动的广告几乎覆盖了这一旅程的每个阶段——认知、考虑和转化——准确的归因能够告诉团队，某个渠道上的优化工作是否也在其他渠道上带来了回报。
归因的工作原理
归因模型依赖于在整个客户旅程中采集的事件数据，通常通过部署在店铺网站上的跟踪像素实现，该像素会在浏览、加入购物车和购买时触发。每个事件都会被标记上触发它的渠道、广告系列，有时还包括具体的商品 ID，这使归因模型能够还原某次转化的触点序列。较简单的模型将全部功劳分配给第一个或最后一个触点；更复杂的模型（数据驱动或多触点模型）则根据每个触点对转化的历史贡献按比例分配功劳。其结果会直接进入转化跟踪报告，并最终用于投资回报率计算，因为只有当某个渠道为其影响的销售获得了恰当的功劳时，才能判断该渠道真实的 ROI。
示例
<item>
<g:id>SKU-33812</g:id>
<title>Wireless Charging Pad - Matte Black</title>
<g:price>22.99 USD</g:price>
<g:link>https://example-shop.com/products/wireless-charging-pad?utm_source=google&utm_medium=cpc&utm_campaign=shopping_q3</g:link>
</item>附加在 link 字段上的 utm_ 参数，使归因模型能够将这条具体商品信息上的点击追溯到其来源广告系列，从而把 Feed 效果直接与其在下游产生的触点关联起来。
相关概念
只有建立在可靠的转化跟踪和可信的跟踪像素数据之上，归因才能产生有用的数字——如果事件采集不准确，即使是最好的归因模型也只是在根据不完整的信息分配功劳。做好归因也是信任按渠道计算的任何投资回报率数据的前提，因为 ROI 的准确性取决于其背后的归因模型。
