广告归因架构实战：从核心模型到高并发系统设计

1. 广告归因系统为何如此重要

最近几年移动互联网广告行业有个特别有意思的现象：同样是花100万投广告，有的公司能带来500万收入，有的却连成本都收不回来。这背后的关键差异，就在于广告归因系统的设计水平。

简单来说，广告归因就是解决"这个用户是从哪个广告来的"这个问题。听起来简单对吧？但实际操作中会遇到各种头疼的情况：用户可能点击了多个广告才最终下载APP，不同渠道的参数格式千奇百怪，每天要处理上亿次点击事件...这些问题不解决好，轻则浪费广告费，重则导致整个投放策略跑偏。

我见过最典型的案例是一家做电商的客户，他们最初用的归因系统非常简单：用户点击广告后24小时内下单都算作这次广告的功劳。结果发现某些渠道的ROI异常地高，后来仔细排查才发现，这些渠道专门挑快要下单的用户投放广告，轻松"截胡"了其他渠道的功劳。

2. 核心归因模型的选择与实战

2.1 主流归因模型详解

末次点击模型是目前最常用的，因为它实现简单且符合大多数场景。比如用户先看了朋友圈广告，又点了搜索广告最后下载APP，那就把功劳100%给搜索广告。我们在电商项目中实测发现，这个模型对直接转化类广告效果最好。

但末次点击也有明显缺陷。还是那个例子，如果朋友圈广告让用户第一次知道这个产品，搜索广告只是临门一脚，那全部功劳给搜索广告显然不公平。这时候首次点击模型可能更合适，它强调最初触达的价值。

更复杂的场景可以考虑位置归因模型，它给首次和末次各40%权重，中间触点平分剩下的20%。我们给一个在线教育客户实施这个模型后，发现品牌广告的贡献被更合理地评估了。

2.2 模型选择的三个黄金准则

1. 业务类型决定模型：电商类适合末次点击，高决策成本产品（如SaaS）适合首次点击
2. 数据量决定复杂度：日均点击量低于100万可以用复杂模型，超过500万建议先用末次点击
3. 渠道特性要考虑：如果某些渠道专门做"最后一击"，就要用能识别这种行为的模型

3. 高并发架构设计实战

3.1 数据存储方案

面对每天数亿次的点击事件，我们设计了这样的分表策略：

sql复制-- 按天分表的点击日志
CREATE TABLE click_logs_20230701 (
    id BIGINT PRIMARY