Agentic 媒体归因：如何把 AI 回答样本与业务信号对照

归因要回答的是：某个接触或动作是否造成了业务结果。这个问题需要直接来源字段、随机实验、准实验或足够严谨的业务研究。AI 回答监测通常拿到的是固定问题下的品牌提及、推荐、事实和可见来源；这些数据本身不包含真实用户身份，也不能证明某次回答被谁看见、是否被采纳。

因此，Agentic 媒体归因的第一原则不是“找回被漏记的功劳”，而是给证据分级：能直接确认的写直接来源，能实验验证的写因果，没有这些条件时只写同期、滞后或相关假设。

先区分四种证据强度

证据级别	典型材料	可以说什么	不能说什么
直接来源	用户自报、带来源链接、专属入口或经同意的调查	该批记录中存在AI接触	代表所有用户或全部转化
实验或准实验	事前方案、对照、随机或合理反事实	在研究条件内估计因果影响	跨行业、跨人群直接外推
同期或滞后相关	AI样本指标与访问、咨询、线索在窗口内同向变化	提出待验证原因假设	AI造成了业务变化
无连接证据	只有AI截图或只有销售波动	分别描述两侧现象	把两侧强行连成归因

“用户可能问过 AI”不是直接来源。品牌词搜索增加也可能来自广告、公关、促销、新品、季节、竞品事件或统计口径变化。没有排除干扰项，就应明确写“不可归因”。

AI 回答基线至少保存：问题集版本、入口与模式、日期、地区、会话规则、完整回答、品牌提及或推荐判定、事实标注与当次可见来源。

业务信号基线只使用企业依法持有并授权进入分析范围的数据，例如网站访问、品牌词搜索、咨询主题、线索阶段、客服原因码或销售结果。每项都要写清数据责任人、时间粒度、去重规则、缺失值和权限边界。

两条基线不能互相补数。AI 样本没有真实用户覆盖量时，不得虚构曝光；业务数据没有来源字段时，不得把“Direct”“搜索”或未知渠道改标为 AI。

对照前先建立事件表，至少包含：内容发布、媒体报道、投放变化、价格与促销、新品与库存、渠道调整、站点改版、节假日、竞品事件、模型或入口变化、采样规则变化。

观察窗口应事前设定，不要看到结果后反向挑选。若预期存在滞后，可同时查看同期窗口与预设滞后窗口，但每增加一种窗口都会增加偶然相关风险，必须保留全部结果，而不是只展示最好看的一个。

每个观察周期可以形成以下记录：

字段	示例写法
AI侧变化	固定比较问题中品牌提及由基线状态变为新状态；附样本数与原答
业务侧变化	同期品牌词搜索或授权咨询量变化；附数据口径
重要事件	新品发布、广告加投、价格调整、媒体事件
原因假设	可能与多项事件共同相关，尚不能归因
反例	部分入口无变化，或业务变化早于AI样本变化
下一步验证	延长观察、补来源字段、设计对照或停止推断

这张表的价值在于让“不知道”有明确位置。相关性不够时保留假设，不为了汇报完整把它包装成结论。

满足以下条件时，团队可以与数据、法务和业务负责人共同设计研究：有明确可干预动作；能找到合理对照；观察窗口足够；主要干扰项可记录；业务结果有授权且可去重；研究方案在看结果前冻结。

可选方法包括随机实验、分地区或分人群的分阶段上线、差分比较、来源自报调查等。具体方法由企业数据条件决定，不存在适用于所有品牌的“AI 转化系数”或行业平均归因比例。

把 Answer SoV 上升写成销售增长。 Answer SoV 只描述固定问题集中品牌在合格答案候选中的相对出现，不能替代订单、市场份额或用户调研。

把页面更新后的回答变化写成改稿效果。 时间先后只能形成调查线索。模型、入口、公开材料和竞品都可能同期变化，应保留反例与干扰项。

把无法追踪写成“暗管道贡献”。 无法观察不等于贡献为零，也不等于贡献一定存在。最专业的表述是“当前数据无法归因”，并说明需要什么新证据。

值数 MATRIX 可按项目约定保存问题、回答、可见来源、事实标注和复测记录，并与企业授权的事件表或聚合业务信号按时间窗口对照，帮助团队发现值得进一步验证的关系。

Matrix Agent 可以输出同期、滞后、反例、原因假设和下一步建议；人工必须核验数据口径、干扰项、事实、因果、风险和最终行动。系统不应自动把相关性升级为归因，也不应在缺少授权业务数据时补造转化价值。

Agentic 媒体归因的成熟标志，不是给每一单强行分功劳，而是知道哪部分能确认、哪部分只能假设、哪部分当前不可归因。先建立可复测的AI回答基线，再决定是否值得投入更严格的业务研究。