用途：回答营销中最难的问题——哪些投入真正带来了转化和收入。归因是营销中最容易亏钱的环节：渠道在不同看板表现矛盾，direct 与品牌搜索掩盖真实来源，模型把主观假设伪装成事实。
两大支柱：A 解读——选择归因模型、测量方法，调和工具间冲突数字，无需工程能力；B 自建一方归因——当用户掌控站点/应用并想自行埋点拼接时使用。多数请求从 A 开始，仅当用户掌控转化面且想自建时才用 B。
主要能力：介绍六种标准模型（首次、末次、末次非直接、线性、时间衰减、位置型、数据驱动）及其适用与失真方式；三种测量范式（MTA、MMM、增量实验）及选择依据；自报归因（转化后“你怎么知道我们”问卷）作为模型外校验；调和冲突来源的框架（以 CRM/后端为转化计数唯一真相，不跨平台求和，看方向一致性）；识别盲点（direct、品牌搜索、暗社交、AI 流量）；按业务类型（B2B SaaS、电商/DTC）给出默认做法。
使用方式：先确认用户需要 A 还是 B；检查 .agents/product-marketing.md 获取业务类型、销售周期与主要转化。B 支柱核心是身份图谱：匿名 distinct_id 加首次触点属性，转化时调用 identify() 合并；第三方域名转化需在点击时把匿名 id 通过元数据透传，再由 webhook 触发身份合并与转化事件。
限制：归因是方向性而非真相；每个模型都是一种观点；渠道报告转化之和通常超过真实转化，归因缺口属正常。数据驱动模型需足够量级，低量时用位置型。匿名 id 透传须失败关闭，禁止泄露 PII。跨子域需共享分析项目与 cookie。事件追踪、UTM、GA4/GTM 属 analytics；像素与 CAPI 属 ads；管道阶段与 CRM 收入看板属 revops；AI 搜索测量属 ai-seo。具体代码与完整操作手册见 references 文件，资料未提供价格与平台细节。