CID 归因技术：点击与订单的相关性打分

在 CID 投放链路里，归因要回答的问题是：这笔订单，究竟是不是那次广告点击带来的？算擎CID 的做法不是简单匹配，而是计算点击用户与订单用户之间的相关性，得到相关性系数，再按分档决定回传策略。

为什么归因是 CID 的核心难题

广告点击发生在媒体 App 里，订单成交发生在电商平台里，两边的用户标识体系互不相通。同一时间窗口内，可能有成百上千个"看起来相似"的用户点击过广告——把订单归给错误的点击，等于给媒体模型喂了错误的学习样本，后果会持续放大（详见下文"归因质量决定模型质量"）。

相关性打分：把流量分成三档

算擎CID 对每一组"点击-订单"候选配对计算相关性系数，并据此分档处理：

后验数据反复验证了一个结论：低相关档的流量质量真的很差。屏蔽掉这部分流量后，退货率立竿见影地下降，核心媒体位置的消耗占比明显提升。

屏蔽低质流量的连锁反应

屏蔽低质流量的价值远不止"少回传几笔垃圾订单"，它会触发一条正向链路：

1. 低质媒体位置的转化归零；
2. 媒体对低质位置的转化率预估被持续下修；
3. 低质位置进一步失去出量能力；
4. 广告主的预算被结余出来，流向优质媒体位置。

关键在于：广告主的预算是所有媒体位置共享一份的。如果低质位置先把预算烧掉，优质位置后面想放量反而会撞上媒体的成本约束。先清掉垃圾流量，预算才能流向真正带来生意的位置——这才是屏蔽低质流量的真正杠杆。

全店归因与单品归因

按归因范围，CID 归因分为两类：

• 全店归因：点击后在店铺内任意商品成交都可归因，适合多品运营、店铺整体拉新的场景；
• 单品归因：点击与订单必须对应同一商品，支持商品一致性校验与跨品识别，归因口径更严格，是绝大多数单品投放客户的默认选择。

两类归因都在限定的时间窗口内完成匹配，窗口之外的成交不参与归因，保证归因结果的可解释性。

归因质量决定模型质量

归因的每一次回传，都是媒体模型的一个学习样本。这意味着：

回传一笔退货订单，模型就学到了一个"退货特征"；想把它掰回来，大约需要 5~10 笔不退货的订单。否则模型会继续往爱退货的人群上投放，退货率持续走高。

这就是为什么算擎CID 在归因和回传上宁可严格、不肯放水——退货率直接挂钩广告主的钱，是比千展更敏感的指标。宁可少回传一单，也不让模型学歪。