前两篇我们分析了 MMP 的结构性盲区和 GA4 的冰山效应。这一篇进入解决方案的核心：如何把 AI 来源信号送进现有 MMP 的归因链路——不替代，只增强。
#### 一个不可动摇的原则
在设计任何解决方案之前，必须先确立一个原则：
不替代 AppsFlyer / Adjust / Branch 的 App Install 和 App 内事件归因。永远不替代。
为什么这不只是销售话术，而是产品架构决策？
App Install 归因是一个已经解决的问题。 MMP 花了十年建立的 SKAN 映射、概率匹配、去重逻辑、反欺诈引擎——这些能力不值得重建。
客户不会迁移。 企业的 MMP 集成深度远超一个 SDK——12,000+ 广告合作伙伴的回传配置、自定义事件映射、受众同步、数据仓库集成。没有理性的增长团队会为了看 AI 流量而迁移整个归因基础设施。
协同大于竞争。 CitationGraph 的价值恰恰在于它不和 MMP 竞争。它做的是 MMP 做不到的事——AI 来源层——输出的是 MMP 能直接消费的信号。这不是"我们比 MMP 好"，而是"我们让 MMP 看到它本来看不到的东西"。
#### 信号桥的工作原理
CitationGraph 的信号桥分三步工作：
第一步：AI 来源检测 + 来源标记。 当用户从 AI 平台到达品牌网站时，CitationGraph 在服务器端识别 AI 来源，并自动为该访问打上标准化的来源标记。这个过程对用户无感知、不影响页面加载。
第二步：来源标记自动进入 Deep Link。 当用户在网站上点击"下载 App"时，品牌的 Deep Link（无论是 OneLink、Branch Link 还是其他方案）自动携带上游的来源标记。这些标记随 Deep Link 进入 MMP 的归因链路。不需要修改 MMP 的任何配置——主流 MMP 的来源标记映射默认开启。
第三步：MMP 自动消费。 用户安装 App 后，MMP 的归因引擎自动识别来自 AI 平台的来源标记。在 MMP 后台出现 AI 平台作为新的 media_source。后续的所有 in-app 事件——KYC、入金、交易、订阅——全部归因到该 AI 渠道。
效果营销团队的体验：在 MMP 后台看 AI 渠道的 CPA / ROAS / LTV，和看 Google Ads、Meta Ads 完全一样。
重要设计细节：
- 如果用户的 URL 中已有广告来源标记（从广告着陆），CitationGraph 不会覆盖——AI 来源标记写入独立字段，确保广告归因不受影响。
- CitationGraph 支持跨访问的用户身份连续性——用户第 1 天从 AI 推荐来、第 3 天直接访问、第 7 天下载 App——这三次访问可以关联到同一个用户身份。该身份为 first-party cookie，存储在品牌域名下，不跨域追踪。
#### 闭环：从 MMP 接收 Postback
信号桥不止是单向"往 MMP 送信号"。CitationGraph 还支持从 MMP 接收 Postback，形成完整的证据闭环：
CitationGraph → 来源标记 → Deep Link → MMP（Install / In-App Event） ↓ MMP Postback → CitationGraph ↓ 完整证据链： AI 引文 → Web 访问 → App Install → KYC → 交易
Postback 的价值：效果营销团队不仅能在 MMP 后台看到 AI 渠道的 Install 数，还能在 CitationGraph 上看到完整的证据链——从"AI 在回答中推荐了品牌"到"用户安装了 App 并完成了交易"。
#### 对效果营销团队的具体承诺
"要改 MMP 吗？" 不改。不碰 SDK、归因窗口、归因模型、Partner 配置。
"要在网站注入第三方 JS 吗？" 不需要。CitationGraph 支持纯服务器端部署。零客户端代码。安全团队无顾虑。
"出数据要多久？" 通常一周内。部署完成后第一天就能看到 AI 活动数据，一周后有足够的数据做初步渠道分析。
"怎么看 ROI？" 在 MMP 后台按 AI 来源筛选，你现有的 ROI 公式直接套用。和看 Google Ads 一模一样。
"会影响现有广告归因吗？" 不会。如果用户同时被 AI 推荐和广告触达，MMP 的归因算法照常运行。CitationGraph 不修改归因优先级——它只确保 AI 来源被识别为一个候选渠道。
#### 方案对比
维度 | CitationGraph 信号桥 | MMP 自建 AI 检测 | GA4 自定义渠道 | Post-Purchase Survey |
|---|---|---|---|---|
AI 爬虫覆盖 | ✅ 全面覆盖 | ❌ 不在路线图 | ❌ 无法覆盖 | ❌ 不适用 |
AI referral 识别 | ✅ 持续更新 | ❌ 未开发 | ⚠️ 需手动维护 | ❌ 不适用 |
AI 答案引文监控 | ✅ 核心能力 | ❌ 无 | ❌ 无 | ❌ 无 |
Web-to-App 信号传递 | ✅ 自动化 | ❌ 非核心 | ❌ 无法跨端 | ❌ 无法跨端 |
与 MMP 协同 | ✅ 增强 MMP | ✅ 自带 | ❌ 独立体系 | ❌ 独立体系 |
因果验证 | ✅ 支持 | ❌ 无 | ❌ 无 | ❌ 无 |
部署时间 | ~7 天 | 自建数月 | 1-2 天 | 即时 |
AI 覆盖率 | 80-90% | 0% | 10-15% | < 5% |
#### 行业场景
场景一：加密交易所
用户在 AI 平台搜索"best exchange for derivatives trading"，AI 回答推荐了某品牌。CitationGraph 在服务器端检测到 AI 来源，自动打标。用户浏览 /learn/ 教程后下载 App。MMP 在归因中自动识别该来源。后续 KYC → 入金 → 交易全部归因到 AI 渠道。效果营销团队第一次在 MMP 后台看到 AI 渠道的完整漏斗。
场景二：SaaS 公司
用户通过 AI 搜索"best CRM for small business"，AI 详细比较了 5 个 CRM。用户点击到官网后注册试用，14 天后付费订阅。SaaS 场景不需要 MMP（没有 App Install），但 CitationGraph 的通用事件接口可以追踪注册、试用、订阅等自定义转化事件——这是下一篇的主题。
场景三：DTC 电商
用户通过 AI 搜索"best running shoes for wide feet"，AI 推荐了某品牌的特定款式。用户点击到 Shopify 商店，浏览商品页、加购、结账。CitationGraph 自动关联 AI 来源和 Shopify 订单——完整展示 AI 引文 → 商品浏览 → 订单的证据链。
#### 核心论点
CitationGraph 的信号桥不是一个新的归因系统。它是一个翻译器——把 AI 来源信号翻译成 MMP 能理解的标准格式。不碰 App Install 归因，不碰广告账号，不碰用户数据。它只做一件事：让 MMP 看到 AI 来源，就像 MMP 看到 Google Ads 和 Meta Ads 一样。
FAQ
Q1: 如果用户同时被 AI 推荐和广告触达，归因算谁？
A: 归因由 MMP 决定，不由 CitationGraph 决定。CitationGraph 只确保 AI 来源被识别为一个候选渠道。MMP 按自己的归因窗口和优先级判定最终归因。
Q2: 来源标记会影响 SEO 吗？
A: 不会。来源标记的注入发生在用户到达网站之后，不影响搜索引擎对页面的索引和排名。
Q3: 如果客户不用 AppsFlyer 呢？
A: CitationGraph 的信号桥设计为 MMP 无关（MMP-agnostic）。主流 MMP（AppsFlyer、Adjust、Branch、Singular）都默认消费标准来源标记。如果客户不用任何 MMP（纯 Web 业务），GA4 也能自动消费来源标记。
Q4: 隐私合规如何处理？
A: CitationGraph 的用户身份是 first-party cookie，存储在品牌自己的域名下。不跨域追踪、不是第三方 cookie。合规设计包括：可配置的过期时间、opt-out 机制、consent banner 集成、不存储 PII。在 GDPR / CCPA 框架下属于 first-party 功能性 cookie。