AI Agent 促成成交:IAB 歸因藍圖的三條路徑

AI Agent 促成成交:IAB 歸因藍圖的三條路徑

上個月幫一間做專業服務的公司整理季度報告,銷售主管指著一單剛簽的合約問:這張單算哪個渠道。客人在會議上講得很清楚,先在 AI 助手問過一輪,才懂得用公司名去搜;CRM 裡留下的紀錄只有一行自然搜尋。兩邊都沒有講錯,只是紀錄方式接不上購買發生的方式。IAB 在 2026 年 11 月 12 日發布的 AI-Era Attribution Blueprint,處理的正是這個落差:一筆有 AI 參與的成交,應該歸入哪條路徑、由哪一方提出主張、要交出甚麼證據。做 ai agent development 的團隊值得細讀,因為藍圖把「AI 有份」由一句感覺,寫成可以查核的條件。

重點摘要

  • IAB 按「誰引起購買意欲、誰決定買哪一件、誰完成落單」把每筆成交分成人手主導、AI 協助、AI 執行三條路徑。
  • 主張只代表接受評審的資格,功勞要評審之後才有;證據齊不齊,決定最後記在誰頭上。
  • 45% 的廣告買家把比較 AI 與傳統旅程列為最大量測挑戰,44% 用品牌搜尋與直接流量做替代指標。
  • 香港團隊今季交得出的證據有三種:路徑拆分、AI 來源標註、CRM 階段回接。
  • 平台歸因窗口有限,長決策週期的訂單要靠自己的數據層補回記錄。

目錄

  • 為甚麼今年開始對不上
  • 三條路徑怎樣分
  • 主張不等於功勞
  • 藍圖要四方補的缺口
  • 今季交得出的三種證據
  • Topkee 的觀點:把路徑標註寫進量度底座
  • 下季值得留意咩
  • 常見問題

為甚麼今年開始對不上

IAB 引述自家的 Outlook Study 九月更新:45% 的廣告買家把「比較 AI 驅動與傳統客戶旅程」列為最大的量測挑戰,另有 44% 改用品牌搜尋與直接流量,當作追不到的 AI 影響力的替代指標(IAB,2026-11-12)。工具已經足夠多,問題是點擊這條線索本身變薄。

AI 助手把答案直接講完,用戶不必再點進任何網站。真正會回來的人,通常記住了品牌名再搜一次,或者直接打網址。Affiverse 引述 Similarweb 六月一項涵蓋金融、旅遊與美容的研究:AI 推薦之後一星期內造訪獲推薦品牌的流量,有 55.9% 經搜尋而來(Affiverse,2026-11-16)。放在你自己的 GA4 裡,這一格叫自然搜尋,看起來與 AI 毫無關係。

同一天的新聞 digest 還有一則關於 Google Ads 的消息:Google 推出無效流量總覽卡,讓廣告主看到攔截與事後退款各涉及多少花費。兩件事方向一致,廣告主不再接受平台只給一個總數,要求看到帳目怎樣算出來。IAB 的藍圖把同一個要求搬到 AI 這一層。

平台看得到的,通常是旅程的尾段

平台歸因的範圍由它自己的系統決定。它見到最後一次點擊,見到站內的行為,也見到歸因窗口內的成交。旅程前半段發生在別人的對話框裡,平台沒有紀錄,亦沒有義務去猜。IAB 的 AI 副總裁 Caroline Giegerich 在新聞稿提到,隨着 AI 接手更多購買旅程,歸因依賴的點擊與轉介正在減少甚至消失;被記成搜尋或直接流量的 AI 成交,會把下一筆預算送去錯的渠道。她講的是預算分配的後果,不只報表好不好看。

顧客在窗邊咖啡桌向手機助手提問,旁邊平板顯示與對話毫無關聯的圖表。

三條路徑怎樣分

藍圖不問「哪個渠道帶來成交」,先問三個問題:誰或甚麼引起購買意欲、誰決定買哪一件、誰完成落單。三個答案組合起來,決定這筆成交屬於哪條路徑。

路徑誰決定買甚麼誰完成落單常見情況
人手主導(Human-Owned)顧客自己顧客自己助手只在途中幫忙查規格
AI 協助(AI-Assisted)助手提示要買,或實質影響了選擇顧客自己助手推薦一個型號,顧客照着買
AI 執行(AI-Executed)顧客事前授權,由助手揀或顧客指定助手定期補貨,或給一個預算讓助手挑

如果團隊正在做 ai 工作流程自動化,這張表可以直接變成驗收條件:流程接上之後,每一筆由助手參與的成交要留下哪一層紀錄,開工前就講清楚。

AI 協助的分界線在於有沒有改變選擇

Affiverse 把 AI 協助再拆成兩類,分別在於助手介入的程度。顧客本來就要買,助手只是幫他確認尺寸或規格,這筆仍算人手主導。助手主動提示「你可以考慮買」,或者把顧客的選擇實質推向某一個型號,才算 AI 協助。決定分類的是選擇有沒有被改變,對話來回了幾多輪不影響判斷。聊天機械人回答過一條問題,不代表那筆生意要歸它。

AI 執行不等於沒有爭議

助手代為落單的路徑,訂單紀錄會清楚寫着由助手完成。判斷功勞時仍要問一句:貨品是誰揀的。顧客講明要同一款貨再買一次,與顧客給一個預算讓助手自己挑,兩者的貢獻相差很遠。藍圖要求評審的一方看得到這個分別,單靠訂單紀錄答不到。

主張不等於功勞

藍圖有一句話值得抄進自己的報告規範:主張只代表接受評審的資格,功勞要評審之後才有。決定權主張(decision claim)留給決定最終貨品選擇的系統;貢獻主張(contributory claim)留給提供內容或數據、影響了推薦的一方。評測、比價表、使用心得,都可能在 AI 答案裡出現過,作者因此有資格提出貢獻主張。

資格之後是證據。推薦數據可以顯示顧客跟着 AI 答案裡的連結走;零售商的交易紀錄可以確認成交。兩件事接得上,才算一條完整鏈條。問題出在顧客中途轉了渠道:看完 AI 答案,隔兩日自己搜品牌名再買,兩段紀錄就分開,各自都只講了一半。

一條行李箱推薦怎樣斷鏈

Affiverse 用行李箱做例子。顧客問助手,哪款手提行李箱符合某間航空公司的尺寸限制。助手引用一篇比價指南,推薦了一個型號。顧客之後自己搜型號名,在零售商網站下單。指南的作者有資格提出貢獻主張,但要拿到分數,得證明那一次引用與這一張訂單是同一條線。零售商見到的是一段搜尋,未必見得到 AI 答案。55.9% 那組數字講的正是這種回流:多數人不會沿着原連結回去,而是重新搜一次。

旅客在機場把藍色手提行李箱放進尺寸量度框,手機擱在行李上。

誰來評審,決定證據要幾硬

藍圖把評審規則寫在自己身上,各方的角色分得很清楚。平台報出來的主張,與獨立驗證過的主張,評審時應該分開處理。IAB 要求代理商採用同一套主張與證據標準,跨平台一致。對同時投放幾個平台的品牌,這是好消息,最少比較的尺一樣。

誰最容易過度主張

藍圖開放貢獻主張,受益最大的其實是內容方。一篇評測被 AI 引用,作者有理由要求分數。同一個顧客可能看過幾份指南才落單,同一篇指南也可能同時被幾個助手引用,評審的一方要處理的是重複計算。藍圖要求評審者看證據,不看聲量。對品牌的好處是避免為同一份影響力付兩次錢。實際操作上,貢獻主張要連到具體的推薦記錄,連到「我們的內容在網上很受歡迎」沒有用。

藍圖要四方補的缺口

藍圖沒有假裝自己解決了數據問題。它承認支撐主張的證據,大部分沒有被收集,或者留在 AI 平台內部,然後逐方列出可以做的事。

品牌可以估算自己每條路徑的成交佔比。AI 平台可以說明推薦屬付費還是自然、參考了哪些來源,並且用一致方式標註由 AI 帶來的流量。代理商可以把平台自報與獨立驗證分開,用同一套標準評審。發佈方可以指出自己的內容創造了哪些貢獻主張,以及支撐這些主張需要甚麼證據。IAB 會召集品牌與代理商,以及 AI 平台、零售商與發佈方,一起分享學到的東西。

IAB 的會員包括超過 700 家媒體公司、品牌、代理商與技術公司(IAB,2026-11-12)。這個規模說明藍圖有機會變成行業共同語言,也說明它現階段仍是自願性質的框架。藍圖建立在 IAB 早前那份 Measuring Visibility in the AI Era 之上,把那套「品牌在 AI 平台怎樣出現」的工作,延伸到「出現之後怎樣接到銷售」。

對香港團隊最實際的一項

四方之中,品牌那一項門檻最低,也最快有回報:估算自己每條路徑的成交佔比。不需要新工具,抽上一季已成交的單,逐單問銷售三個問題。答案會有爭議,爭議本身就是進度,因為它迫團隊講清楚「AI 有份」在自己生意裡是甚麼意思。這份名單做好之後,ai 流程 自動化 才有東西可以每月重跑。

今季交得出的三種證據

要參與這套語言,先要拿得出東西。把舊口徑與藍圖口徑並排,差異會很清楚。

問題舊口徑(平台後台)藍圖口徑
成交由誰帶來最後一次點擊的渠道引起意欲、決定貨品、完成落單三方各自的主張
AI 的角色通常記成自然搜尋或直接流量一條獨立路徑,要有證據支撐
證據範圍平台系統內、歸因窗口內跨渠道,包含 CRM 與線下紀錄

以下三種證據,按難度由低到高排,香港的中小企一年內做得到。

  1. 路徑拆分。抽一季已簽單的成交,逐單標註:購買意欲由誰引起、貨品由誰決定、落單由誰完成。樣本不必大,夠看出比例就可以。
  2. AI 來源標註。在 GA4 與 CRM 用一致的標籤記錄由 AI 助手帶來的流量,包括 referrer、登陸頁與首次接觸時間。標註規則要先寫死,再交給 ai 工作流程自動化 的流程執行,否則每個月都會出現新寫法。
  3. CRM 階段回接。把成交沿 CRM 階段追回最初的接觸點,讓超出平台歸因窗口的訂單仍然有紀錄。這一步最花功夫,也最影響結論。

人手把關要寫進流程,不能留給模型自行判斷。三條路徑的標註由銷售逐單確認,AI 只負責整理與提示;標註規則每季檢一次,遇到新情況就補一條;每月抽一成單覆核,錯的分類要記錄原因。這幾道關卡看似慢,實際是讓後面的數字敢用。

三種證據同時上馬,最後通常三種都做不完整。先揀一種,做滿一個季度,比三線並行有用。

Topkee 的觀點:把路徑標註寫進量度底座

藍圖要求品牌講清楚每筆成交走哪條路徑,技術上等於要求一套跨渠道的識別與回傳層。Topkee 的 TTO CDP 用一個唯一識別碼 ttoclid 串起同一位客人在網上與線下的行為,銷售階段的事件先回傳 TTO Tag,再送到 Google Analytics、Facebook Pixel、Google Ads Conversions 與 Bing UET。路徑標註因此有地方落腳,不必另建一套系統。

平台原生的歸因有三個結構性邊界:跨平台預算分配、歸因窗口限制、帳戶外盲區。窗口一項最直接影響藍圖講的路徑判斷。Meta 的官方窗口是七天,Google 是三十天,超出窗口的轉化會被平台拒絕,B2B 動輒幾個月的決策週期,訂單根本進不了平台模型。Topkee 的全漏斗歸因沿 CRM 一路追到簽單,覆蓋廣告、點擊、網頁、諮詢、合格線索、報價與簽約成交七個層級;多觸點歸因把功勞分配到旅程中的多個接觸點,AI 參與的那一段可以被標註、被計分,不必只在最後一次點擊上記功。

數據完整性是另一個前提。Topkee 把「缺失最終轉化回傳」列為行動清單的最高優先事項,先補齊回傳,再談出價調整。這個次序與藍圖的思路一致:證據鏈斷了,路徑分得再細都用不上。日常交付的 Campaign Intelligence Report 把 Google Ads、Yahoo Ads、Facebook Ads 與 GA4 四個來源放進同一份報告,用同一把尺量,ROAS 固定以已簽單的轉化價值除以廣告花費計算。

如果團隊正準備把 AI 接入客服與銷售流程,ai agent development 的交付原則值得一併寫進合約:數據有來源、執行有權限、成果可驗收、交付可接手。對外發送與預算變更要人手確認,或事先授權。權限邊界寫得夠清楚,路徑標註才有可信的起點。

下季值得留意咩

第一件要留意的是藍圖會不會變成技術規格。現階段它是分類與證據的框架,沒有規定回傳格式。一旦 IAB 把它推進到標籤或 API 層,現在做的標註就有機會直接對接。

第二件是 AI 平台願不願意標註來源。藍圖把披露付費與自然推薦、說明參考來源寫成對平台的請求,沒有約束力。有平台先做,其他平台會被比較。

第三件是你自己三條路徑的比例有沒有移動。這一項不用等行業,下一季再做一次同樣的拆分,就有答案。

還有一件內部的事:路徑標註由哪個部門擁有。市場部看得到曝光與點擊,銷售看得到決定與落單,兩邊不合併,拆分永遠做不完。把這份名單的擁有權寫進季度流程,比買一套新工具實際。做 ai 流程 自動化 的團隊尤其容易看到變化:流程接得愈多,由助手完成的落單就愈多,舊報表的偏差會愈來愈明顯。

下一步可以先做一件事:把上一季已簽單的成交抽出二十宗,逐單問銷售那三個問題。這份名單做出來之後,再決定要不要投資在系統上。要理解 AI 對話怎樣變成可追蹤的線索,可以看 Topkee 的 YME Chat Agent;想知道漏斗漏在哪一段,TTO Funnel Tuning Agent 以數據定位流失節點;要把這幾件事自動接起來,Topkee Cloud 是那個執行層。

幾位同事在會議室白板前,把一張張彩色便條貼分類排開討論。

常見問題

IAB 這份藍圖會取代 GA4 或廣告平台的歸因嗎?

不會。IAB 講明藍圖與現有歸因系統並行,處理的是 AI 額外產生的主張,以及每種主張需要甚麼證據。GA4 與平台後台仍然是你日常操作的數據來源,藍圖是加在上面的一層評審標準。

三條路徑要逐單人手標註嗎?

先用樣本。抽一季的成交逐單確認,建立判斷基準,之後再考慮用規則自動分類。人手把關的重點是保持一致,銷售確認過的標註要留紀錄,方便下一季對照。

客人說是 AI 助手推薦,可以算 AI 協助嗎?

要看他買的貨品由誰決定。助手只是回答問題、顧客本來就打算買同一件,按藍圖屬於人手主導。助手把選擇推向某個型號,才算 AI 協助。單憑客人的一句話不足以分類,要對回訂單與對話紀錄。

平台歸因窗口不夠長,怎麼辦?

把終點推回自己的數據層。成交紀錄、CRM 階段與線下核銷如果都在你手上,即使平台拒絕超出窗口的轉化,你仍然有一條完整鏈。做法是讓每個階段的關鍵事件都有回傳紀錄,不用平台替你保存歷史。

中小企沒有 CDP,可以做路徑拆分嗎?

可以。路徑拆分只需要訂單、對話紀錄與銷售的判斷,不需要新系統。AI 來源標註可以在 GA4 用一致的標籤開始,CRM 階段回接則要看你現有欄位夠不夠。三種證據的難度差別很大,先做最簡單的一種。

Sources

  1. Sheila Obeng-King, "Digest: IAB Unveils Framework for AI Purchase Attribution; Radio Leads on Ad Attention Relative to Carbon Emissions", ExchangeWire, 2026-11-16. https://www.exchangewire.com/blog/2026/11/16/digest-iab-unveils-framework-for-ai-purchase-attribution-radio-leads-on-ad-attention-relative-to-carbon-emissions/
  2. "IAB Releases AI-Era Attribution Blueprint, Giving the Industry a Shared Way to Account for AI's Role in Purchases", IAB, 2026-11-12. https://www.iab.com/news/iab-releases-ai-era-attribution-blueprint/
  3. "IAB Publishes Blueprint for Attributing Sales Influenced by AI", Affiverse, 2026-11-16. https://www.affiversemedia.com/iab-ai-attribution-blueprint/
分享到:
日期: 2026-11-17
Mike Tong

作者

Mike Tong

Marketing Manager