将其他渠道添加到您的归因模型中

jevanih

线性归因模型 线性归因模型会为用户在您网站上最终转化之前点击的每个广告给予同等的功劳，无论互动发生在转化路径的哪个位置。例如，如果用户在最终转化之前与您的四个广告系列进行互动，则每个广告系列将获得 0.25 次转化。线性归因的好处在于，它将用户转化路径中的每一个影响都归功于它，但考虑到某些交互比其他交互更具影响力是不灵活的。 时间衰减归因模型 时间衰减归因模型将更多的功劳归于用户在转化之前与之互动的广告，而较少功劳于转化路径中较早发生的广告。分配给用户转化路径中每个接触点的积分呈指数递减，半衰期为 7 天，这意味着转化前 7 天发生的接触点将获得转化当天发生的接触点的 1/2 积分。同样，14 天前发生的接触点将获得转化日接触点的 1/4 积分。





对于那些习惯了 Google Ads 最终点击模型的人来说，时间衰减和线性归因模型是一个自然的过渡，如果您的大部分广告都旨在针对相同的受众群体，同时评估他们的潜在购买行为，那么 Whatsapp 号码列表 这是理想的选择，如下所示。所有三个广告商（Soccer.com、Zappos.com 和 DicksSportingGoods.com）都向搜索同一产品的用户提供搜索广告和购物广告。因此，每个广告商都需要了解他们的搜索广告如何影响他们的购物活动结果，反之亦然。 在线广告归因模型 基于位置的归因模型 基于位置的归因模型将转化路径的首次点击和最后一次点击之间的大部分功劳分开，为每次互动授予最终转化价值的 40%。然后，剩余的 20% 在剩余的交互之间平均分配。





此模型适用于习惯于首次点击归因模型或其广告系列设置为品牌或向潜在客户展示广告活动的广告商他们甚至可能还不知道他们的产品存在。例如，drscholls.com 可能会受益于了解那些不直接搜索其产品的查询（例如“跑步者的膝盖症状”）的用户最终通过更直接的查询回来进行转化的频率。 基于位置的归因模型 数据驱动的归因模型 谷歌最新的归因模型也是最复杂的。数据驱动建模着眼于接触点出现在用户路径中该位置的频率，并比较其与没有该接触点的类似路径的相对影响。