- 默认归因窗口是核心错误。将 30 天或 90 天的窗口应用于 12 到 24 个月的能源消费周期，会忽略整个购买旅程的前三分之二，而这恰恰是品牌认知、品类学习和候选名单形成的关键时期。该模型衡量的不是营销效果，而是消费者在做出购买决定前最后一次使用优惠券的效果。.
- 任何时候，只有大约5%的买家真正有购买意向。埃伦伯格-巴斯提出的“95:5法则”意味着，促成交易的大部分工作发生在任何可追踪的购买信号出现之前的数月甚至数年。如果只将市场活动作为成交的依据，那就等于只关注最后5%的成交，而忽略了之前95%促成交易的努力。.
- 采购团队规模庞大，难以追踪。Forrester 发布的《2026 年企业采购状况报告》指出，典型的采购决策涉及 13 位内部利益相关者和 9 位外部影响者；而 Gartner 的研究发现，采购人员在整个采购流程中仅有 17% 的时间与供应商直接接触。大多数重要的沟通环节最终都不会与 CRM 系统中的具体人员对接。.
- 无客服代表和人工智能研究的出现，使得可观察的转化漏斗变得更窄。Gartner 的调查发现，67% 的 B2B 买家现在更倾向于无客服代表的体验，45% 的买家在最近的采购中使用了人工智能工具。当研究转移到聊天窗口时，多触点归因所依赖的点击量就无法再产生了。.
- 多触点归因是一种策略，而非绝对真理。Cookie 丢失和隐私控制措施已将可用用户身份信息缩减至用户旅程的 30% 到 60% 左右，因此，如今构建确定性触点图谱仅基于少数数据。应将其用于每周优化广告系列，切勿以此分配年度预算。.
- 将机器和资金分开衡量。领先指标（例如触达率达到95%、搜索份额、创建的销售渠道）证明引擎在收入产生之前就已经运行良好。滞后指标（例如来源和影响的销售渠道、候选名单进入率、成交率、周期时间）则证明它确实带来了收益。单一的综合ROAS指标掩盖了这两方面。.
该仪器是为不同的周期而设计的。
营销归因是指将销售业绩归功于促成销售的营销活动。几乎所有用于归因的工具都是围绕软件购买模式设计的：用户遇到问题，进行几周的研究，点击广告或营销邮件，并在一个季度内完成转化。在这种模式下，30 天或 90 天的归因窗口可以涵盖大部分购买历程，而“末次接触”虽然粗糙，但是一种勉强可行的捷径。.
能源行业颠覆了这句话中的所有假设。一项资本采购决策、框架协议、工厂合同、多年服务范围协议，从最初了解到最终签署，通常需要 12 到 24 个月的时间，如果与最终投资决策挂钩，时间往往会更长。如果将 90 天的窗口期应用于 20 个月的周期，那么前 17 个月的建设影响就被抹杀了。该模型随后将最后一个季度发生的事情（通常是演示请求或投标回复）视为最终成交的关键因素。它衡量的是一个决策的最后一个可见步骤，而该决策实际上早在很久以前就已经做出。.
采购集团的做法让情况变得更糟。Forrester 的 2026年企业采购状况 据 Gartner 报告显示，典型的 B2B 采购目前涉及 13 位内部利益相关者和 9 位外部影响者。 购买过程研究 研究发现，买家仅将总时间的17%用于与潜在供应商会面，而在权衡多家供应商时，他们与任何一家供应商的会面时间仅占5%到6%。归因软件只能将与已知联系人关联的接触计入最终结果。当超过20人影响决策，而其中大多数人从未填写过表格时，追踪机制在开始之前就已经失效。.
因此，问题不在于某个特定型号的调校不当，而在于整个装置——包括短窗口、确定性触控追踪和最后一次点击积分——都是为一种能量并不具备的周期而设计的。通过这种仪器读取一个正常工作的能量程序，会得到一个看似可靠、精确但却错误的数值。.
项目 54一次漫长的能源交易就像沿着工厂的走道行走。距离是关键，测量必须涵盖整个过程，而不仅仅是最后一步。.你的主要工作是影响那些尚未转化的人，并为此获得报酬。
埃伦伯格-巴斯研究所的约翰·道斯教授发表了一项研究成果，这项成果对B2B衡量标准的影响超过了过去五年中的任何其他研究。在任何特定时刻，只有大约 5% 的企业买家正在市场上。, 这些人现在就准备购买。其余95%的人已经退出市场，几个月甚至几年内都不会购买。 LinkedIn B2B 学院 将研究成果付诸实践。.
在长周期能源领域，这种差异可能更为显著。当服务主协议期限为五到十年，而基础资产的周期长达数十年时，在任何时刻真正处于购买窗口期的潜在客户占比可能低于5%。我们将其视为基于合同期限的推断，而非精确的计量数据。.
衡量结果带来的后果是直接且令人不安的。营销工作的大部分时间，一年中的大部分时间，都在为那些尚未转化成客户的消费者建立记忆和偏好。这项工作是实实在在的，它能让你在18个月后进入候选名单，但任何只将市场点击量计入归因的模型几乎都无法察觉它的存在。如果你的仪表盘只奖励需求获取，它就会系统性地削减最初用于创造需求的资金，而正是这些需求最初才能填满销售渠道。这就是我们熟悉的、具有破坏性的循环背后的机制：品牌预算因为无法归因而被削减，两个季度后销售渠道悄然枯竭。.
这就是为什么一位优秀的能源营销人员会衡量两项不同的工作。面向95%潜在客户的需求创造，其衡量标准是季度内的覆盖范围、记忆度和搜索份额。面向5%潜在客户的需求获取，其衡量标准是周内的转化率和销售渠道。如果将这两项指标合并为一个归因投资回报率（ROI）数字，那么你至少会忽略其中一项。.
创造
触达95%尚未进入市场的潜在客户。衡量指标包括覆盖率、声量份额、搜索份额和品牌回忆度，按季度统计。归因分析无法反映大部分影响，因此请勿仅凭归因分析结果来判断。.
捕获
转化目前市场中那 5% 的潜在客户。衡量指标包括响应率、创建的销售线索和转化率。这就是多触点归因作为战术优化工具的价值所在。.
证明
证明整个系统推动了业务发展。通过营销组合模型和增量测试进行衡量，无需用户级跟踪，且不受 cookie 丢失的影响。.
恢复
弥补工具的不足。在调查时询问受访者的自我报告归因情况，是唯一切实可行的方法，可以揭示任何软件都无法追踪的隐性信息。.
每个路径模型都是你讲述的关于不完整数据的故事。
明确选项很重要，因为大多数归因方面的失望都来自于期望模型能够做到它在结构上无法做到的事情。.
单次触点模型将所有功劳都归于一次互动。末次触点模型将功劳归于转化前的最后一次点击，而这几乎总是指向招标页面或演示表单，因此它系统性地过度奖励了销售团队后期阶段的活动，并忽略了所有促成候选名单的因素。首次触点模型将功劳归于最初的已知互动，这过度奖励了任何能够最快促成表单填写的渠道，而忽略了中间长达二十个月的影响。这两种模型都是披着洞察力外衣的单点故障。.
多触点模型将权重分配到多个触点上，权重分配方式有三种：线性分配（权重相等）、时间衰减分配（权重由近及远）以及基于位置分配（权重由首次和最后一次触点决定）。这些模型更能真实反映用户旅程的多步骤性，但它们都存在一个致命的依赖性：它们只能在能够识别并关联到已知联系人的触点之间分配权重。Cookie 的弃用和平台隐私控制措施已将可用用户级身份覆盖率从 Cookie 时代的 90% 以上降至约 30% 到 60%。基于越来越少的触点构建的多触点地图，只能精确反映部分真实情况。.
数据驱动或算法归因利用机器学习技术，根据观察到的转化模式赋予权重。它是基于触点归因的最佳方法，但也是最被过度吹捧的。它仍然无法将从未观察到的触点归因于任何转化；它需要大量的转化数据进行训练，而周期长、账户数只有几百个的流量类别根本无法产生如此庞大的数据量；而且，它会将无法观察到的“暗漏斗”视为不存在。.
令人不安的结论是，所有基于触点的模型，无论多么精妙，都只是基于工具恰好捕捉到的用户旅程片段构建的叙事。在周期短、交易量大、完全数字化的购买过程中，这个片段足够大，叙事也因此有用。但在周期长、交易量小、需要人工参与和线下操作的购买过程中，片段太小，叙事大多是虚构的。解决之道并非在于找到一个更好的单一模型，而在于停止依赖任何一种模型。.
| 模型 | 它如何分配学分 | 合法使用 | 能源失效模式 |
|---|---|---|---|
| 最后一点 | 最终的互动功不可没 | 快速检查收盘策略的合理性 | 标书或演示稿的功劳被忽略了，而入围名单的遴选过程却耗时20个月才最终确定。 |
| 初次触球 | 所有功劳都归于已知的第一次互动 | 漏斗采购概览 | 过分奖励廉价的早期表格填写，忽略之后的一切。 |
| 多点触控（线性、衰减、位置） | 信用分布在已知联系人中 | 每周广告系列优化 | 只能看到 30% 到 60% 的接触点；对线下和暗渠道营销渠道视而不见。 |
| 数据驱动/算法驱动 | 来自转换模式的ML权重 | 高容量、短周期需求捕获 | 训练中转换次数太少；对未被注意到的接触仍然视而不见 |
| 营销组合模型 | 支出与结果的统计联系 | 年度预算拨款，品牌包含在内 | 汇总数据而非账户级别数据；需要规范的统计方法和时间序列数据。 |
| 自我报告归因 | 买家说明了促使他们这样做的原因。 | 在查询中恢复暗漏斗 | 近因效应和记忆偏差；必须结合使用，绝不能单独使用。 |
三角测量法，而非万能灵药
那些负责提交财务总监会签字确认的管道数据的团队，已经不再寻找唯一正确的模型。他们并行运行几种并不完美的方法，每种方法都有其优势，弥补其他方法的不足，然后进行协调。2026 年的共识术语称之为“三角测量法”，它包含四个方面。.
营销组合模型是战略支柱。MMM 使用统计模型将营销活动和支出与总体业务成果联系起来。至关重要的是，它不需要 cookie、设备 ID 或用户级跟踪，这使其成为隐私时代应对多触点归因效果下降的理想解决方案，并且能够衡量触摸跟踪永远无法实现的品牌和户外营销活动。谷歌已将其开源。 子午线 2024年底推出的这种模式将入门门槛从六位数的咨询项目降低到几周的内部数据科学工作。对于一家历史悠久且支出波动较大的能源公司来说，MMM模型决定了其明年的预算分配。.
增量测试是因果检验。归因分析和混合营销模型（MMM）都只能推断结果；而留存测试或地域测试则可以验证结果。在匹配的区域中关闭某个渠道，或者保留一组匹配的客户，然后衡量销售渠道的变化。这是唯一能够回答首席财务官真正问题的方法，即不是谁获得功劳，而是如果我们不花这笔钱会损失什么。将此方法保留给那些涉及实际预算的决策。.
在您自己的数据仓库中运行的渠道和收入归因分析是战术层面的。数据仓库优先工具将匿名行为与已知帐户关联起来，并能比广告平台内部的末次点击报告更好地可视化漫长而复杂的用户旅程。这正是多触点归因发挥作用的地方，它可以每周优化广告系列，但请记住，它只能看到用户旅程的一部分。.
自我报告的归因分析可以揭示隐藏的转化漏斗。在与每一位来电咨询者联系时，都询问一个问题：是什么让您选择现在联系我们？. HockeyStack 同行们已经将此作为标准字段，而来自这些供应商的诚实指导才是最重要的：仅凭自我报告的归因与仅凭首次或末次点击一样具有误导性，因为它只能捕捉到最容易记住或最容易被误解的点击。它必须与用户旅程的其他部分结合使用，绝不能单独使用。但它是唯一能够识别出同行推荐、会议对话或播客等像素从未记录过的实用工具。.
这四种方法都不正确。它们共同界定了真相。当MMM、增量效应和自我报告归因都指向同一方向时，你就可以自信地分配预算。当它们不一致时，这种不一致本身就是发现，它告诉你你的衡量方法或策略存在盲点。.
两本账簿：机器账簿和货币账簿。
与财务部门就衡量指标展开辩论，最快失败的方法就是向一个两年周期的企业提交一个单一的综合广告支出回报率数据。这样的数据要么令人难以置信，要么真实却令人担忧，而无论哪种情况，它都掩盖了董事会需要看到的两个关键信息。应该将报告拆分为领先指标和滞后指标。领先指标证明业务正在运转，滞后指标证明广告投入是否有效。.
领先指标证明机器运转良好，甚至在收入实现之前数月就能见效。触达目标客户名单，也就是你实际触达的95%客户群的比例。搜索份额，这是衡量客户心理接受度的最便捷指标，也是市场份额的一个可靠领先指标。销售渠道的创建及其创建速度。资格审查和候选名单覆盖率，以及你在相关招标和采购集团中的实际参与度。这些指标最先发挥作用，而且在漫长的周期中，它们是一年甚至更长时间内证明策略有效的唯一证据。.
滞后指标证明营销策略的有效性，而这些指标最终也正是财务部门认可的。渠道来源（指营销部门创造的销售机会）和渠道影响（指营销部门接触到的销售机会）这两个指标需要分别且如实报告，因为混淆两者会损害信誉。入围率在以招标为主导的行业中几乎决定了成败。成交率和销售周期长度，根据营销部门是否参与进行细分。此外，营销部门创造和影响的收入，需要与市场营销模型（MMM）进行核对，而不是仅仅根据最终点击量来推断。.
一项原则就能保障整份报告的完整性。切勿将受影响的销售渠道视为实际收入来源。能源营销衡量指标的可信度更容易因夸大其词而非低估而受损，因为财务团队一旦发现市场部门将销售总监负责的交易归功于自己，就会对之后的所有数据都持怀疑态度。报告真实、可靠、经过三角验证的数据，并将所有估算值都明确标注为估算值，这样才能真正建立起保护预算的关键——对衡量指标本身的信任。.
对于输送这些数据的管道形状，我们的 管道速度框架 列出了四个杠杆，以及我们关于……的档案 能源领域的买盘信号 涵盖了实际引发购买行为的公开事件，并且应该作为任何账户评分模型的基础。.
可观察到的漏斗图正在变细，因此因果关系和自我报告的信号变得更加重要。
未来两年，重塑能源归因分析的趋势是研究内容从可点击的网页转向答案引擎。Gartner 2026 年 3 月针对 B2B 买家的调查发现， 67% 的人现在更喜欢无客服体验, 高于一年前的 61%，45% 的消费者在最近一次购物中使用了生成式人工智能工具。每一次人工智能辅助的研究过程都对购买决策产生了影响，但这些影响并不会直接转化为点击，因此无法通过分析工具捕捉到。.
这是基于触摸的归因方法面临的一场悄无声息的危机。多触摸模型依赖于买家浏览页面、打开邮件和点击广告。随着用户行为逐渐转移到聊天窗口，可观察的底层数据变得越来越少，原本就只占用户旅程一小部分的身份覆盖率进一步下降。理性的应对之策并非购买更复杂的触摸追踪器，而是更加依赖那些不依赖于点击、多触摸模型、增量归因和用户自述归因的方法，并且首先要确保自身在模型的分析结果中清晰可见。.
最后一点将衡量标准与一门新的学科联系起来。如果买家的候选名单越来越多地由人工智能在任何人访问您的网站之前生成，那么被模型推荐就成为进入考虑范围的一部分。这本身就是一个可衡量的目标，我们在相关专题报告中对此进行了详细介绍。 面向能源B2B的生成式引擎优化.
Gartner 还指出了一个值得关注的二阶效应。该公司发现，仅凭自身研究的买家往往对购买结果不满意，且他们阅读到的信息与之后了解到的情况存在不一致。Gartner 预测，到 2030 年，消费者对人工指导的重视程度将有所回升。就衡量标准而言，这意味着自我报告的归因分析和售后访谈将变得更有价值，而不是价值降低，因为它们是唯一能够捕捉到人工验证步骤（例如同行访谈、背景调查和会议讨论）的工具，而这些步骤正日益成为决定消费者是否选择无销售代表参与购买的关键因素。.
一条直线策略：随着转化漏斗变得越来越难以观察，停止试图观察更多细节，转而开始验证因果关系并直接询问买家。到2027年，赢得衡量之争的能源营销人员并非拥有最完整点击地图的人，而是能够通过三角验证和真实可靠的证据证明其营销系统正在帮助客户入围的人。.
七种失效模式
信任“最后接触”功能，因为它是广告平台的默认设置。它会始终将投标回复和演示表单的功劳归于投标，并建议你取消所有让你进入候选名单的项目。这是能源营销效果评估中最昂贵的习惯。.
将 90 天的窗口期应用于 20 个月的周期。如果你的归因窗口期短于你的销售周期，那么你实际上并没有衡量你的销售周期。分析范围必须与实际购买周期相匹配，否则这个数字毫无意义。.
以需求获取指标来判断需求创造情况。要求品牌和品类工作展示最终点击投资回报率，注定会被视为失败而被砍掉，之后两个季度后销售渠道就会枯竭，而没有人会将这两件事联系起来。.
追求单一的完美模型。能源领域不存在绝对正确的归因模型。成功的团队会采用多种不完美的方法，并进行三角验证。而失败的团队则不断购买下一个号称能给出唯一正确答案的工具。.
夸大销售渠道带来的收入。一旦财务部门发现市场部门将销售部门的业绩归功于自己，之后的所有数据都会被削减。在夸大之前，请先低估业绩。.
忽略“暗漏斗”环节，因为它不在仪表盘上。同行推荐、会议讨论和播客往往才是真正促成交易的关键。如果你不主动询问，就永远不会发现这些渠道，只会一直把功劳归于最后一封邮件。.
没有负责人，没有节奏，估算也不诚实。一个没有明确负责人的测量系统最终会变成无人问津，没有报告节奏就会一片混乱，而没有明确区分测量对象和模型对象，一旦在董事会上对某个数字提出质疑，就会成为一大隐患。.
您的广告平台报告显示，去年60%的能源交易最终成交都是通过付费搜索实现的。正确的解读是什么？
常见问题
没有绝对最佳的单一模型，而寻找最佳模型恰恰是最常见的错误。所有基于触点的模型，无论是末次触点模型、首次触点模型、线性模型、时间衰减模型、位置模型还是数据驱动模型，都只能对观察到并与已知联系人关联的互动进行归因，而在12到24个月的营销周期中，它只能观察到其中的一小部分。可靠的方法是三角测量法：利用营销组合模型进行预算分配，通过增量测试验证因果关系，利用渠道归因进行策略优化，并利用自我报告归因来恢复销售漏斗的“暗漏斗”。应该综合考虑这四种方法，而不是盲目信任其中任何一种。.
因为能源采购前的最后一次接触几乎总是通过招标网站、产品演示申请或品牌搜索完成，而这些买家往往已经做出了决定。在一个持续 12 到 24 个月的周期中，采购团队（据 Forrester 估计包含 13 位内部利益相关者和 9 位外部影响者）会参与其中，而最后一次点击却完全忽略了此前 18 个月的品牌推广、品类教育和候选名单筛选工作，而这些工作才是真正决定最终结果的关键。最后一次点击过度重视后期销售活动，反而导致你削减用于填补销售渠道空白的需求创造投入。.
埃伦伯格-巴斯研究所的约翰·道斯教授提出的“95:5法则”指出，在任何特定时间点，只有大约5%的商业买家处于购买意向阶段，而95%的买家则处于非购买状态，并且在未来数月甚至数年内都不会购买。这意味着，在衡量营销效果时，大部分促成交易的工作都发生在任何可追踪的购买信号出现之前，其目标受众是那些尚未形成购买意向的买家。如果仅将最终成交的点击量作为归因依据，那么就只关注了最后5%的点击量，而忽略了那95%促成最终购买意向的点击量。因此，品牌和品类营销的效果必须基于覆盖面和品牌记忆度来评估，而不是仅仅关注最终点击的投资回报率。.
将报告拆分为领先指标和滞后指标，并使用不依赖点击追踪的方法证明因果关系。领先指标包括目标客户覆盖率、搜索份额和已创建的销售渠道，这些指标可以证明营销引擎在收入实现前数月就开始运作。滞后指标包括单独报告的销售渠道来源和影响因素、候选名单进入情况、成交率和周期时间，这些指标可以证明营销策略的有效性。使用营销组合模型和增量测试来支撑投资回报率 (ROI) 的论断，这些方法无需使用 Cookie，并且可以衡量品牌活动，而不是像财务团队那样，只需一个问题就能将其拆解为最终点击量。.
并非消亡，而是降级。Cookie 弃用和隐私控制措施已将可用用户级身份覆盖率削减至客户旅程的约 30% 至 60%，而无需人工干预、由人工智能驱动的研究进一步缩小了这一范围，因此，如今的多触点地图只能基于少数触点构建。多触点归因仍然是一种有效的战术优化工具，可用于每周的营销活动决策，尤其是在需求获取方面。但它绝不应单独用于分配年度预算或证明品牌和需求创造的价值，因为它在结构上无法反映这些因素的大部分作用。.
获取下一个 情报投放
加入能源和工业领导者的行列，直接获取我们的市场营销、人工智能增长和收入架构方面的情报，绝无冗余信息。.
你已在名单上
欢迎阅读《能源增长简报》，请留意您的邮箱，我们将尽快发送下一期。.