《AI 产品的商业化·渠道、企业与规模化》1.3 渠道组合与归因

归因决定预算往哪流,也决定渠道冲突从哪里来。本节比较首触、末触、线性与位置加权四种口径,拆开三家公司的渠道收入结构,重新计算渠道后毛利率:82.7% − 0.40 × 31% = 70.3%,47.5% − 0.50 × 22.5% = 36.25%,73.3% − 0.15 × 28% = 69.1%,并给出可运行的归因与分摊代码。

以下三家公司与全部数字均为教学假设,用于演示商业化计算,不代表任何真实企业。

归因不是财务分账

归因常被当成一个财务问题:一笔收入应该记在哪个渠道名下。这个理解只对了一半。财务分账决定佣金怎么发,归因真正要回答的是:下一次预算应该投给谁。

如果归因只服务于分账,团队会倾向于把功劳记给自己:直销说客户是我签的,伙伴说客户是我带来的,平台说流量是我分的。每个人都能找到支持自己的最后一次点击。结果是人人都分到钱,但没有人知道哪条渠道真正有效。

如果归因服务于决策,问题就变成:去掉这条渠道,收入会减少多少?这个问题没有完美的答案,但可以用几种口径逼近。口径之间不需要统一,需要的是同一口径在时间上保持一致,并且把口径的偏差说清楚。

AI 产品还有一层复杂性:客户在付费之前往往已经用过产品。试用、免费额度、POC 都是「触点」,但它们不一定产生收入。归因如果只统计付费后的行为,会把最关键的试用阶段漏掉;如果统计所有行为,又容易把无意义的点击算成功劳。

四种常用的归因口径

口径规则适合回答的问题主要偏差
首触归因100% 记给第一个触点哪条渠道带来新客户高估品牌与内容,低估成交
末触归因100% 记给最后一个触点哪条渠道完成转化高估销售与促销,低估培育
线性归因平均分给所有触点各渠道的协作贡献把弱触点与强触点等同
位置加权首尾各拿较多,中间均分兼顾拉新与成交权重需要主观设定

首触归因适合评估品牌广告与内容营销,因为它回答「谁把人带进来」。末触归因适合评估销售与促销,因为它回答「谁把单签下来」。线性归因适合内部复盘,因为它迫使团队承认协作。位置加权是折中,常见做法是首触 40%、末触 40%、中间触点平分 20%。

四种口径没有对错,只有用途。危险的是混用:用首触归因做预算,用末触归因发佣金,再用线性归因向董事会汇报。三套数字互相矛盾,团队会把精力花在解释差异上,而不是优化渠道。

三家公司的渠道组合

渠道组合的第一层,是把总收入拆成直销与非直销。

LumenDesk 的月收入是 103,296 美元,直销占 60%,渠道分销占 40%。直销收入是 103,296 × 60% = 61,977.60 美元;渠道内收入是 103,296 × 40% = 41,318.40 美元。两者相加回到 103,296 美元。

Verba API 的月收入是 336,000 美元,直销占 50%,平台市场占 35%,生态伙伴占 15%。直销收入是 336,000 × 50% = 168,000 美元;平台收入是 336,000 × 35% = 117,600 美元;生态伙伴收入是 336,000 × 15% = 50,400 美元。两个非直销部分相加是 168,000 美元,正好等于直销收入。

ClausePilot 的月收入是 785,400 美元,直销占 85%,转售伙伴占 15%。直销收入是 785,400 × 85% = 667,590 美元;转售收入是 785,400 × 15% = 117,810 美元。

三家的组合差异很大:Verba 的非直销占比最高,达到 50%;LumenDesk 是 40%;ClausePilot 只有 15%。这个差异决定了归因的难度:渠道越多,触点越分散,归因规则越难统一。

渠道后毛利率

渠道组合的第二层,是把渠道费率乘回去,得到渠道后毛利率。公式是:

渠道后毛利率 = 毛利率 − 渠道收入占比 × 渠道综合费率
渠道综合费率 = 分成率 + 支持成本率

LumenDesk 的毛利率是 82.7%,渠道收入占比 40%,渠道综合费率是 25% 分成加 6% 支持,等于 31%。代入:

82.7% − 0.40 × 31% = 82.7% − 12.4% = 70.3%

Verba API 的毛利率是 47.5%,渠道收入占比 50%。平台综合费率是 20% 分成加 4% 支持,等于 24%;生态伙伴是 15% 分成加 4% 支持,等于 19%。综合费率不能简单平均,要按收入加权:

(117,600 × 24% + 50,400 × 19%) ÷ 168,000
= (28,224 + 9,576) ÷ 168,000
= 37,800 ÷ 168,000
= 22.5%

再代入渠道后毛利率:

47.5% − 0.50 × 22.5% = 47.5% − 11.25% = 36.25%

ClausePilot 的毛利率是 73.3%,渠道收入占比 15%,渠道综合费率是 20% 分成加 8% 支持,等于 28%。代入:

73.3% − 0.15 × 28% = 73.3% − 4.2% = 69.1%

三个结果说明渠道冲击并不对称。按相对降幅看,Verba 的毛利率从 47.5% 掉到 36.25%,损失 11.25 个百分点,是三家里最严重的;LumenDesk 的绝对降幅是 12.4 个百分点,数字更大,但因为起点高,仍保留 70.3%;ClausePilot 只损失 4.2 个百分点,因为渠道占比最低。

渠道后毛利率是第 12 章规模化模型的起点。它把「收入增长」与「毛利下降」放在同一张表里,避免用渠道收入增长掩盖单位经济恶化。

归因的三个数据断点

归因规则写得再漂亮,数据接不上就会失效。AI 产品的归因有三个常见断点。

第一,跨设备与跨账号。 开发者可能先在手机上看文档,再在电脑上注册,最后用公司邮箱付费。三个动作分属三个标识,如果没有登录态与统一 ID,归因会把它们当成三个不同的人。B2B 产品更复杂:试用的是工程师,付费的是采购,两个账号之间没有天然关联。

第二,试用转付费。 试用期通常不产生收入,但它是转化路径上最重要的一段。归因系统如果只记录付费后的事件,试用期的触点会全部丢失;如果记录所有事件,免费用户的噪声又会淹没真实信号。折中做法是给试用行为单独建一层「培育触点」,在归因时赋予较低权重。

第三,渠道报数口径。 平台报的是「通过平台完成的交易」,伙伴报的是「伙伴认为归自己的客户」,直销报的是「CRM 里的商机」。三个口径的边界不同,直接相加会重复计数。必须先把口径对齐到「同一客户、同一合同、同一收入」,再做归因。

三个断点的共同点是:它们都不是算法问题,而是数据治理问题。归因失败,通常不是模型不够复杂,而是客户身份没有打通、试用行为没有记录、渠道口径没有对齐。

渠道冲突与双重计数

渠道组合越复杂,双重计数越容易出现。一个客户可能先通过平台了解产品,再通过伙伴做 POC,最后与直销签合同。三方都认为自己带来了这个客户,三份佣金都可能被支付。

双重计数的代价不只是多付佣金,还会扭曲预算。如果平台被记了两次功劳,下一季度平台预算会增加;如果伙伴的贡献被低估,伙伴关系会恶化。归因错误会自我强化:越被记功的渠道越拿到预算,越拿预算越容易产生下一次「功劳」。

控制双重计数需要三条规则。

第一,客户主键唯一。以合同或企业域名为主键,把同一客户的所有触点挂到同一个主键下,而不是以账号或设备为主键。

第二,触点去重。同一渠道在同一商机内只计一次,重复点击、重复表单、重复试用不重复计功。

第三,归因窗口明确。首触归因的窗口是 90 天还是 180 天,末触归因的窗口是 30 天还是 60 天,必须写进渠道协议。窗口越长,早期渠道越占优;窗口越短,成交渠道越占优。

三条规则合起来,才能让归因从「谁声音大谁有理」变成「谁在规则内贡献谁拿钱」。

把归因做成可复核的规则

归因规则要可复核,至少要做到三件事:输入可追溯、计算可重放、结果可解释。

输入可追溯,是指每个触点都能回到原始事件:哪一天、哪个渠道、哪个客户、什么动作。计算可重放,是指给定同一批事件与同一套权重,任何人跑出来的结果都一样。结果可解释,是指一个客户被分给某个渠道时,能看到它经过了哪些触点、每个触点拿了多少。

下面这段代码实现三个基础能力:按渠道份额拆分收入、按收入权重计算综合费率、按触点数量做线性归因。它不解决数据治理问题,但它把「口径」变成了可测试的函数。

// file: src/scale/01-3-channel-attribution.ts
// tier: L1
// verify: node --test test/scale/01-3-channel-attribution.test.ts

// 渠道组合:按份额拆收入、按加权费率算渠道后毛利、按触点做线性归因。

export type MixLeg = {
  name: string;
  shareBps: number;
  feeBps: number;
};

export type ChannelMix = {
  totalCents: number;
  directShareBps: number;
  legs: readonly MixLeg[];
};
export function intermediatedRevenueCents(mix: ChannelMix): number {
  return mix.legs.reduce(
    (sum, leg) => sum + Math.round((mix.totalCents * leg.shareBps) / 10_000),
    0,
  );
}

export function splitIntermediatedCents(mix: ChannelMix): number[] {
  const exact = mix.legs.map((leg) => (mix.totalCents * leg.shareBps) / 10_000);
  const floors = exact.map((v) => Math.floor(v));
  let rest = intermediatedRevenueCents(mix) - floors.reduce((a, b) => a + b, 0);
  const order = exact
    .map((v, i) => ({ i, frac: v - Math.floor(v) }))
    .sort((a, b) => b.frac - a.frac || a.i - b.i);
  for (let k = 0; k < order.length && rest > 0; k++) {
    floors[order[k].i] += 1;
    rest -= 1;
  }
  return floors;
}

export function weightedFeeBps(legs: readonly MixLeg[]): number {
  const weight = legs.reduce((sum, leg) => sum + leg.shareBps, 0);
  if (weight === 0) return 0;
  const weighted = legs.reduce((sum, leg) => sum + leg.shareBps * leg.feeBps, 0);
  return Math.round(weighted / weight);
}

export function channelAdjustedMarginBps(
  grossMarginBps: number,
  intermediatedShareBps: number,
  feeBps: number,
): number {
  return grossMarginBps - Math.round((intermediatedShareBps * feeBps) / 10_000);
}

export function linearAttributionCents(totalCents: number, touches: number): number[] {
  if (touches <= 0) return [];
  const base = Math.floor(totalCents / touches);
  const rest = totalCents - base * touches;
  return Array.from({ length: touches }, (_, i) => (i < rest ? base + 1 : base));
}

export const LUMENDESK_MIX: ChannelMix = {
  totalCents: 10_329_600,
  directShareBps: 6_000,
  legs: [{ name: "渠道分销", shareBps: 4_000, feeBps: 3_100 }],
};

export const VERBA_MIX: ChannelMix = {
  totalCents: 33_600_000,
  directShareBps: 5_000,
  legs: [
    { name: "平台市场", shareBps: 3_500, feeBps: 2_400 },
    { name: "生态伙伴", shareBps: 1_500, feeBps: 1_900 },
  ],
};

export const CLAUSEPILOT_MIX: ChannelMix = {
  totalCents: 78_540_000,
  directShareBps: 8_500,
  legs: [{ name: "转售伙伴", shareBps: 1_500, feeBps: 2_800 }],
};

代码里的 splitIntermediatedCents 用最大余数法分配整数美分,保证拆分后的总和与渠道内收入完全一致;weightedFeeBps 按份额加权,得到 Verba 的 22.5%;channelAdjustedMarginBps 把渠道占比与综合费率相乘,再从毛利率里扣掉,得到 70.3%、36.25% 与 69.1% 的整数基点版本。

线性归因的一个例子

以 ClausePilot 一个月的 ARPA 9,240 美元为例,把它当作一笔待归因的收入。假设这个客户在签约前经过四个触点:行业白皮书、伙伴演示、直销方案会、安全审查。线性归因把 9,240 美元平均分成四份,每个触点 2,310 美元。

这个结果不是「真相」,而是一种约定。如果改用首触归因,白皮书拿全部 9,240 美元;如果改用末触归因,安全审查拿全部;如果改用位置加权,首尾各拿 40%,中间两个触点各拿 10%,白皮书与安全审查各 3,696 美元,伙伴演示与方案会各 924 美元。

四种结果会导向四种预算决策。线性归因会让预算平均分给四个环节;首触归因会加大内容投入;末触归因会加大销售与合规投入;位置加权会兼顾两端。选择哪种,取决于公司当前最缺什么:缺线索就用首触,缺成交就用末触,缺协作就用线性。

归因与预算分配

归因的最终产出不是一张分账单,而是一张预算表。一个可执行的流程是:

  1. 先确定本季度要回答的问题:是缺新客户、缺转化,还是缺渠道协作。
  2. 按问题选择归因口径,并写进渠道协议,不在季度中途更换。
  3. 用同一口径计算各渠道的 CAC、回收期与渠道后毛利率。
  4. 把预算从「回收期长、渠道后毛利率低」的渠道,向「回收期短、可规模化」的渠道迁移。
  5. 每季度复核一次口径偏差,记录哪些渠道被高估、哪些被低估。

这个流程的关键是「口径稳定」。口径一季一变,渠道团队就无法积累经验;口径长期不变,又会掩盖结构性变化。折中做法是:分账口径保持稳定,决策口径可以每季度做一次敏感性分析。

小结

  • 归因不是财务分账,而是决定下一次预算投给谁的反馈机制。
  • 首触、末触、线性、位置加权四种口径各有用途,危险的是在同一份汇报里混用。
  • LumenDesk 的渠道组合是 60% 直销加 40% 渠道分销,渠道后毛利率 70.3%。
  • Verba API 的渠道组合是 50% 直销、35% 平台、15% 生态伙伴,综合费率 22.5%,渠道后毛利率 36.25%。
  • ClausePilot 的渠道组合是 85% 直销加 15% 转售,渠道后毛利率 69.1%。
  • 归因的三个数据断点是跨设备与跨账号、试用转付费、渠道报数口径。
  • 控制双重计数要靠客户主键唯一、触点去重、归因窗口明确三条规则。
  • 归因规则要可复核:输入可追溯、计算可重放、结果可解释。

阅读导航:上一节:1.2 渠道经济:CAC 与回收期 · 下一节:2.1 应用商店与插件市场 。

常见错误与边界

  • 用首触归因做预算、用末触归因发佣金、用线性归因汇报,三套数字互相矛盾。
  • 把归因当成财务分账工具,只关心佣金归属,不关心渠道是否真的带来增量。
  • 以账号或设备而不是合同、企业域名作为客户主键,导致同一客户被拆成多个。
  • 试用期不记录触点,或把免费用户的噪声全部计入归因,两个极端都会失真。
  • 平台、伙伴、直销各报一套数,未对齐口径就直接相加,造成重复计数。
  • 归因窗口在季度中途变更,渠道团队无法判断投入是否有效。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图