快速結論：歸因，就是「一筆成交的功勞該算給誰」的一套規則。同一筆成交，用「最後點擊」算，功勞全給臨門一腳那個管道；用「資料驅動」算，功勞按各管道實際貢獻拆開來分——規則不同，同一筆生意會算給不同管道，你的成效報表也就長得不一樣。 GA4 從 2025 年 10 月起，把「資料驅動歸因」（DDA）設為預設。所以你該問的不是「數字對不對」，是「這數字是用哪套規則算出來的」。
這篇寫給打開 GA4，發現各管道的轉換數字跟以前對不上、也跟廣告後台對不上，開始懷疑是哪裡壞掉的你。沒壞，是算功勞的規則換了。
先接一句〈GA4 的四種正確用法〉立過的定律：報表不會給答案，它只檢查你有沒有問對問題。 歸因是這句話最鋒利的地方——同一批數據，你問「誰臨門一腳」跟問「誰一路推進」，報表會給你兩個完全不同的英雄。
先平移你早就會的常識：功勞怎麼算
目的： 讓你發現「歸因」根本是老朋友，你在生意的別處早就天天在做。
一筆訂單成交，通常好幾個人有份。開發的業務找到客戶、簡報的同事講清楚價值、老闆最後拍板議價成交——這筆單的獎金該怎麼分？ 沒有標準答案，但你們公司一定有一套規則：有人主張「誰簽約算誰的」（＝最後一棒全拿），有人主張「開發最辛苦要多分」（＝加權給前段），有人主張「看每個人實際推進多少」（＝按貢獻拆）。
這就是歸因。 換到數位行銷，那個「客戶」變成一次成交，那群「同事」變成客人在成交前碰過的各個管道——他先在 IG 看到廣告、隔天用 Google 搜你的品牌名、第三天點了 EDM 才下單。這筆成交的功勞，該算 IG、算 Google、還是算 EDM？
效果： 一旦把歸因看成「功勞怎麼分」，你就懂了關鍵的一件事——答案取決於你用哪套分法。 「誰真的有功勞」這件事，根本沒有客觀答案，就像業務獎金怎麼分沒有客觀答案。歸因模型不是在「找出真相」，是在「選一套你認可的分法」。
極限： 平移到這裡就要停。分獎金時，你至少看得到每個人做了什麼；數位歸因裡，客人在別的平台、別的裝置上碰過什麼，你根本看不到全貌。這是新增的、比分獎金難得多的課題，下一節講。
兩套最該懂的分法：最後點擊 vs 資料驅動
目的： 你不用背全部歸因模型，分得清這兩套就夠——因為 GA4 的預設，剛從前者換成後者。
最後點擊（Last Click）：功勞全給「成交前最後一個被點的管道」。好懂、好對帳，但有個要命的偏心——它系統性地高估「臨門一腳」、抹掉「一路鋪陳」的管道。 客人明明是三個月前看了你的內容才認識你，最後用品牌字搜進來下單，最後點擊會把功勞全記給「搜尋」，那三個月的內容一分錢功勞都拿不到。於是你可能砍掉真正在幫你的內容，去加碼那個只是負責收割的管道（這種誤砍我當投手時看過不只一次，每次代價都很貴…）。
資料驅動（Data-Driven，DDA）：GA4 用你自己的轉換數據跑模型，估「有這個管道」跟「沒這個管道」時成交機率差多少，按這個差異把一筆功勞拆給沿路每個管道。它想修的，正是最後點擊的偏心——讓鋪陳的管道也分到它那一份功勞。
效果： 換成 DDA 之後，你會看到某些以前數字很亮的收割型管道（品牌搜尋、再行銷）功勞被調降，某些以前像在白做工的前段管道（內容、觸及型廣告）功勞浮上來。成效本身沒變，變的是算法終於把功勞攤得比較平。 判讀的第一步，就是別把「數字變了」誤讀成「成效變了」。
極限： DDA 修掉了最後點擊的偏心，但它沒有、也無法給你「真相」。它是用你的數據跑出來的估算模型——資料量太少會估不準、它只看得到 GA4 追得到的那些接觸點、跨平台跨裝置那段它同樣是黑的。它比最後點擊公平，公平離正確還有距離。把 DDA 當「比較不偏心的估算」可以，當「終於算出真功勞」會出事。
為什麼這件事直接搖動你的成效判讀
目的： 講清楚歸因的份量：它是你所有成效數字的地基，遠遠輪不到「GA4 某個技術細節」這種待遇。
你判斷一個管道值不值得投，看的是它的「成效」——帶進多少轉換、換算下來 ROAS 多少。但**「它帶進多少轉換」這個數字，本身就是歸因規則算出來的。** 你在〈四張報表各自回答什麼商業問題〉看到的轉換報表，每一格數字背後都掛著一套分功勞的規則。換句話說，你的 ROAS 只是「某套歸因規則下」的結果，離客觀事實有段距離。同一個廣告，用最後點擊算 ROAS 是 5，用 DDA 算可能變成 3——廣告沒變，分功勞的規則變了。
這也是為什麼〈為什麼你的 ROAS 可能是假的〉那篇，跟這篇是綁在一起的：ROAS 會失真，一個大源頭就是歸因——你以為在比較兩個管道的成效，其實你在比較的是「最後點擊願意記給它們多少功勞」。 讀不懂歸因，每一個成效判斷都站在流沙上。
效果： 補上歸因這一課，你看 GA4 的轉換數字時會多問一句：「這是哪套規則算的？」這一問，讓你從「相信數字」升級到「讀懂數字」。跨管道的成效比較也才有意義：只有在同一套歸因規則下比，兩個管道的數字才是可比的。
極限： 就算你完全讀懂了 GA4 的歸因，還有一整塊是它照不到的——客人在 IG 站內滑過、在別人手機上被推薦、在你追蹤不到的地方被種草。跨平台歸因至今仍是黑箱，沒有任何一套模型解得開。再好的歸因，也只能「在我看得到的接觸點裡，盡量公平地分功勞」；看不到的那些，它只能當作不存在。這是歸因這門學問誠實的天花板。
這篇不立新規則，它幫你讀懂舊數字
歸因素養不需要你記新的定律，它讓你把已經在用的那句話用得更狠：報表不會給答案，它只檢查你有沒有問對問題。 面對一份轉換報表，「問對問題」在歸因這件事上，具體就是三問——這數字用哪套歸因算的？換一套會不會翻盤？有沒有一整塊接觸點是它根本看不到的？問完這三題，你才算讀懂了眼前這份成效，而不只是照抄它的結論。
老闆遲早要面對的三題（判讀視角）
一、我們比較兩個管道的成效時，是不是用同一套歸因規則在比？（不同規則算出來的數字擺一起比，等於拿公斤比公里。）
二、有沒有哪個管道，是「最後點擊很亮、換成資料驅動就黯淡」的？（那多半是收割型管道，功勞被高估了。把預算從鋪陳管道搬去餵它，是很常見的貴錯誤。）
三、我們讀到的每一個 ROAS，心裡有沒有掛著「這是估算、而且跨平台那段是黑的」？（把估算當精密數字，遲早在某次投放決策上摔一跤。）
老闆不用會操作 GA4 的歸因設定，會問這三題，就不會被一個換了規則的漂亮數字騙走預算。
常見問題（FAQ）
GA4 的轉換數字最近變了，是我哪裡設定錯了嗎？
多半跟你無關。GA4 從 2025 年 10 月起把資料驅動歸因設為預設，功勞的分法換了，各管道的轉換數字跟著重新分配是正常的。先確認你在看的是不是新的預設歸因，再判斷成效——別把「規則換了」誤讀成「成效變了」。
那我到底該用最後點擊還是資料驅動？
一般情況跟著 GA4 的預設（資料驅動）走就好，它比最後點擊公平。但要對帳、要一個好解釋的單一功勞歸屬時，最後點擊反而清楚。重點在於知道你正在用哪一套、以及它會偏心哪裡——同一份報告裡別混用兩套規則來比較，那會得出假的結論。
資料驅動歸因是不是就準了？
它比最後點擊公平，但終究是估算。資料量不足會估不準，而且它只算得到 GA4 追蹤得到的接觸點——客人在別的平台、別的裝置上的那段，它看不到。把它當「比較不偏心的參考」，別當「終於算出的正確答案」。
我是小生意，需要管到這麼細嗎？
需要懂、不一定需要動手調。你不用去改歸因模型，但你要知道「你看到的成效是被一套規則算出來的」。光是這個認知，就能讓你在砍某個管道預算前多想一秒：它是真沒用，還是被這套規則低估了？這一秒，常常就是省錢跟燒錢的差別。
「歸因＝功勞怎麼算的一套規則」是本站數位行銷素養體系判讀成效的核心觀念之一（全系列版圖見〈數位行銷素養全地圖〉），會隨各平台歸因模型的演進持續迭代（建議每半年回訪本文）。想知道你的成效判讀是不是被歸因規則誤導了？幫你準備：數位廣告健檢表單傳送門。