了解自归因之前，咱们需要知道什么是归因。

归因的定义很简单，归因是利用统计方法为目标转化路径的每一个步骤分配转化价值。通俗来说，就是帮助我们归纳原因，理清路径，了解用户到底是谁带来的或者说哪个营销手段的功劳比较大。

以咱们海外广告平台来说，归因方式的不同可以基本分为两大类：自归因和非自归因。

（常见的自归因广告平台：来自Appsflyer）

自归因通常是广告平台自行去对转化路径进行归因逻辑的判断，是一些具有归因功能的大平台才会提供的归因方式，这种归因方式对于广告平台来说也具有比较强势的地位。

而非自归因往往是将其广告数据回传给广告主对接的第三方归因平台，由第三方归因平台进行对应的事件归因。

咱们在海外投放应用软件时，如果对接了第三方的归因平台，三方平台同时也集成了各家的API；通常在用户触发首次打开事件的时候先会检查是不是从自归因渠道来的；如果是的话，就通过API用设备ID去匹配，根据返回的结果，将激活归因给对应的自归因平台，从而实现渠道归因；如果不是，则会继续使用三方的其他归因规则完成对首次打开的归因。

因此，和非自归因的平台对比起来，自归因平台对安装的归因是具有一定的优先权的。分清广告渠道是自归因还是非自归因平台有助于帮助我们分析后续归因后的数据表现，在广告营销上做出更加明智的决策。

哪怕是接了三方平台，如果遇到几个自归因平台都说是他们带来的首次打开事件，那这时候三方软件会怎么判定呢？

基于最终点击的规则，会将首次打开事件归给最终点击的广告平台。

这时候需要理解一个事情，就是现阶段，海外应用内的三方基本都是以最终点击来归因的，这也是常见的几种归因模型的重要类型之一。归因模型是按照不同的方式在每个行为点上分配转化价值，根据方式的不同，除了最终点击归因模型，常见的归因模型还有首次点击，线性归因，时间衰减归因，U型归因等。

整理了一下几种不同归因方式的优缺点，供大家参考如下：

👉最终点击归因模型

👉首次点击归因模型

👉线性归因模型

👉时间衰减归因模型

👉U型归因模型

以上所有的归因模型都可以基于用户的行为路径给出当前模型下的归因结论，帮助广告主在营销中跟踪不同广告的价值。

了解了什么是归因和常见的归因模型以后，那么概率归因是什么呢？概率归因首先不属于任何一种上面的归因方式，而是使用算法进行的预测性归因，是利用已有的或者能收集到的数据进行机器学习来预估广告效果的统计技术，

这里需要引入归因中的精准归因和模糊归因。

在2中提到的归因技术中，有一个大前提，就是能追踪到用户的每一步路径，这样才能根据模型得到最终的归因价值，但目前随着互联网行业的不断发展，隐私政策的普及和一些其他行业或者技术因素，导致各家收到的信号不一定是完全精准且独立到设备端的。因此除了精准归因之外，还有模糊归因的技术存在，概率归因就属于模糊归因。

一般是指通过将用户点击广告时的IP、UID、用户的操作系统、版本号、手机型号等信息与激活时获取的信号进行关联匹配实现归因分析。模糊归因与精准归因的差别在于收集的信息准确度唯一性不同，且模糊归因不需要广告平台的支持，所以比较方便。

但由于模糊归因依赖于用户两次行为的信息收集，有一定的时间差，时间差越大精准度越低，且IP，UID，手机型号等用户信息也可能会有重复的情况出现，因此这种匹配方式也受到信号收集和数据处理的影响，准确率和匹配成功率都没有精准匹配那样能保证100%的一致性。

因此当MMP使用概率归因某些渠道时，我们可以理解为，这些量大概率是某渠道带来的，属于模糊归因，而非精准归因。

概率归因属于归因技术类别，除了概率归因之外，还有精准归因技术。

而自归因平台是从归因机制的决定方来分类的，除了自归因平台之外，还有非自归因平台。

概率归因目前是三方平台在无法使用精准归因手段时常用的归因技术，比如Appsflyer利用概率归因进行Vungle等广告平台的归因。

因此，如果要说这两者的关系，可以认为概率归因属于非自归因平台的常见归因技术，通常需要借助三方完成信息收集和匹配，属于模糊归因方式；而自归因往往和非自归因分类不同，是独立于第三方归因平台的Tracking链接完成归因，凭借网页和应用级别跟踪用户和转化的基础架构，自归因渠道可以归因于在自有生态系统中发生的设备级用户行为。

广告主借助三方归因平台的数据，可以有效评估不同渠道的营销质量，从而对整体的预算分布做出及时调整；而了解清楚不同渠道的归因逻辑，可以帮助我们更加全面的认识到数据所代表的含义。