数据归因模型，该如何搭建？

要深度分析问题原因，不能只统计数字，流于表面！每次写原因分析类报告，都有领导这么咆哮道。而听到这个要求，很多新手同学又是眉头一皱眼睛一闭：妈耶，咋整啊。今天我们系统讲解下。

问题场景：

某硬件+服务的大企业，正在推微信服务小程序，目标是降低人工客服工作量。可全力推进一段时间后，人工客服未见减少。客户服务中心（一级部门，很有权势）领导大为不满，要求数据分析，为啥推广小程序没有减少人工客服量。

一、核心难点

归因问题首先难在：领导期望太细、太具体，而数据分析给不到。

数据分析产出的：30%的来电用户未绑定小程序，所以应该加强绑定。40%用户绑定了但是近1个月不登录，所以应该加强运营。

领导期望的：用户为什么不绑定？是不知道绑？不会绑？不想绑？为什么又不想绑？是我们没宣传？宣传了还是话术没说对？话说对了但是客人没认真听？

是滴，领导们期望的是这些具体的原因，这样才能针对性做改善。可这些具体的原因往往涉及用户心理、业务动作、用户与一线业务互动，根本没有数据记录，很难量化分析。可如果只给一个很粗的“加强绑定”的建议，肯定业务方不买单。谁来加强，加强哪里，加强到什么程度，一共十三步操作绑定排第几，这些具体问题都没有答案，自然会抗拒这种结果。

然而，即使是再做细致拆分，还有另一个核心难题：用户绑定了不登录，到底是因为用户太蠢，但是我们没做好？