一家我们访问过的保险公司，在计算营销的投资回报率时，进行过几项地区性的实验，以评估电视、有机搜寻和展示型网络广告的综效。公司让不同服务区域的消费者，有不同的电视广告接触情况。他们发现，其中一个地区的消费者，除了接触到展示型广告之外，也有收看电视广告，这个地区的网站有机造访数和展示型广告点击率，都不成比例地大幅增加。这项实验，促使这家公司开始更完善地协调跨媒体渠道的营销活动。
运用统计模型
在辨识、测试资料得出的简单模型方面经验丰富的公司，很快就准备好可以试试更复杂的归因模型，这些模型往往需要多变量回归分析，或许甚至会运用到贝叶斯估计方法（Bayesian estimation）。这些模型提供一些公式，让营销人员更有信心去决定要投资哪些接触点、让消费者长期多次接触同样媒体能获得什么综效、还有要投资多少在各个媒体上。重要的是，这些模型能够解释，也能预测。即使它们不是完美的预测模型（当然不是），但是依循这种模型所判断的归因，就跟初期运用简单原则的时候一样，通常还是能改善投资报酬率。
一家与我们合作的零售商，使用多变量回归分析和贝叶斯估计方法，去了解锁定目标的离线传播渠道，对消费者重复曝光的成效。分析显示，虽然零售商需要在所有渠道传播，但是第一次接触后，就可以在接下来的三个月里降低传播频率，而不需要维持固定的讯息流。根据这项发现采取相应行动，让他们的离线传播渠道，提升至少10%的投资报酬率。
扩大分析的范围
目前为止，营销人员只在顾客购买旅程上做归因分析；所谓顾客购买旅程，是指公司从购买周期的起点到终点的整个过程当中，接触顾客的情况。但顾客的选择，也强烈受到他们在那个旅程之外的体验所影响，无论从互动时间的角度来看，或是从顾客实际上互动的对象来看，都是如此。
要衡量购买旅程以外的互动，或是消费者与其他团体的互动，公司可以借助统计方法当中更精细复杂的做法。例如，追踪向量自我回归模型（Panel vector-autoregression, Panel VAR），可以将公司目前这段时期的电视广告，在未来的时段里对其他媒体渠道造成的影响（例如，付费搜寻点击率），建立成模型。当然，这些统计模型还可以和后续的实验结合，以实地测试统计模型给予的建议。
一家我们曾提供咨询建议的软件公司，发展出这种统计模型，而且反复使用以改善这个模型，目的是要了解横跨离线媒体（例如电视和广播）与数字媒体（以品牌为关键字或是没有以品牌为关键字的搜寻、展示等等）的归因原则。「最后一个接触点」原则，可能会要这家公司把所有成效，归功于以品牌为关键字的搜寻，但是，追踪向量自我回归模型之类的先进统计模型，正确地显示，这家公司的电视广告，促进了品牌关键字搜寻的点击。进行这项分析之后，这家公司实际上提升了对电视的投资，而不是删减。采用这种新策略，大幅改善了这家公司的总体营销投资报酬率。
对现今的营销人员来说，处理复杂性是不可避免的必然。要在多通路与科技中介的商业环境中，做出有依据、有远见的媒体和通路配置决策，以任何标准而言都是艰钜的任务；而归因模型，大概是公司因应处理复杂的因果环境时，最好的导航工具。但是，要有肯花时间建立正确能力的意愿，才能有效运用这个方法。还有要记住，跑之前，你得先学会走。