歸因可讓您自訂維度專案獲得成功事件評分的方式。
例如:
在某些報表中,您可能想要將訂單歸因於「付費」搜尋。在其他報表中,則可能會將訂單歸因至「社交」。歸因可讓您控制報表的這個方面。
此資料檢視元件設定可讓您為量度設定預設歸因模型。 在 Analysis Workspace 中工作時,您可以覆寫給定量度的歸因模型。
如果您的組織要求量度有多個歸因設定,您可以執行下列任一項作業:
在量度的回顧期間中看到多個值時,歸因模型會決定哪些維度專案會獲得量度的評分。 歸因模型僅適用於回顧期間中設定了多個維度專案時。 如果只設定單一維度專案,則該維度專案會獲得100%的評分,無論使用的歸因模型為何。
圖示 | 歸因模型 | 定義 |
---|---|---|
![]() |
上次接觸 | 會將 100% 的評分給予轉換前發生的最近一次接觸點。若未另外指定歸因模型,此歸因模型通常是任何量度的預設值。 組織通常會在轉換時間相對較短的情況下使用此模型,例如分析內部搜尋關鍵字。 |
![]() |
首次接觸 | 會將100%的評分給予歸因回顧期間中首個出現的接觸點。 組織通常會使用此模型來瞭解品牌認知度或客戶贏取。 |
![]() |
線性 | 會將相等的評分歸給每個帶來轉換的接觸點。當轉換週期較長或需要更頻繁的客戶參與時,此功能會很有用。 組織通常會使用此歸因模型來衡量行動應用程式通知有效性或訂閱型產品。 |
![]() |
參與率 | 會將 100% 的評分給予所有不重複接觸點。由於每個接觸點都會獲得100%的評分,量度資料的總和通常會超過100%。 如果維度專案出現多次,導致轉換,則會刪除重複值至100%。 如果您想要瞭解客戶最常接觸到哪些接觸點,此歸因模型是理想的選擇。 媒體組織通常會使用此模型來計算內容速度。 零售組織通常會使用此模型來瞭解網站的哪些部分是帶來轉換的關鍵。 |
![]() |
同一次接觸 | 會將100%的評分給予發生轉換的相同事件。 如果接觸點未在與轉換相同的事件中發生,則會歸類在「無」底下。 此歸因模型有時等於完全沒有歸因模型。 若您不希望其他會影響量度將評分給予維度專案之事件的值,此維度就十分實用。 產品或設計團隊可以使用此模型來評估轉換發生的頁面是否有效。 |
![]() |
U 型 | 會將 40% 的評分給予第一次互動,再將 40% 的評分給予上次互動,剩下的 20% 則分給兩者之間的任何接觸點。只有單一接觸點的轉換則會獲得 100% 的評分。如果是具有兩個接觸點的轉換,兩者會平均獲得 50% 的評分。此歸因模型最適合用於您最重視第一個和最後一個互動,但不想完全排除兩者之間的其他互動的情境。 |
![]() |
J 曲線 | 會將 60% 的評分給予上次互動,再將 20% 的評分給予第一次互動,剩下的 20% 則分給兩者之間的任何接觸點。只有單一接觸點的轉換則會獲得 100% 的評分。如果是具有兩個接觸點的轉換,上次互動會獲得 75% 的評分,第一次則獲得 25%。此歸因模型類似於U形,偏好第一次和最後一次互動,但偏好上次互動較多。 |
![]() |
反向 J | 會將 60% 的評分給予第一個接觸點,再將 20% 的評分給予上個接觸點,剩下的 20% 則分給兩者之間的任何接觸點。只有單一接觸點的轉換則會獲得 100% 的評分。如果是具有兩個接觸點的轉換,第一次互動會獲得 75% 的評分,上次則獲得 25%。此歸因模型類似於J形,偏好第一次和最後一次互動,但偏好第一次互動的比例較高。 |
![]() |
時間耗損 | 會以自訂的半衰期參數 (預設為 7 天) 進行指數耗損。每個管道的權重須視接觸點啟動和最終轉換之間所經過的時間量而定。用於判斷評分的公式為 2^(-t/halflife) ,t 代表接觸點和轉換之間的時間量。 所有接觸點隨後都會標準化至 100%。最適合您要針對特定重要事件測量歸因的情況。 在此事件後發生轉換的時間越長,獲得的評分就越少。 |
![]() |
自訂 | 可讓您指定要賦予給第一個接觸點、最後一個接觸點以及兩者之間任何接觸點的權重。 如果您輸入的自訂數字加總並非 100,系統也會將指定值標準化為 100%。只有單一接觸點的轉換則會獲得 100% 的評分。如果是具有兩個接觸點的互動,系統會忽略中間參數,然後將第一和最後一個接觸點標準化為 100%,再按照設定分配評分。如果您想要完全控制歸因模型,且具有其他歸因模型無法滿足的特定需求,則這個模型是分析師的理想選擇。 |
![]() |
演算法 | 使用統計技巧動態決定所選量度的最佳評分配置。用於歸因的演算法以合作賽局理論中的 Harsanyi 利益為基礎。Harsanyi 利益是 Shapley 值解法 (命名自諾貝爾經濟學獎得主 Lloyd Shapley) 的泛論,即在一場對結果貢獻不均等的賽局中,在玩家之間分配評分。 歸因的高層次計算方式為必須公平分配盈餘的玩家聯盟。 每個聯盟的盈餘分配會根據每個子聯盟先前產生的盈餘(或先前參與的維度專案)遞回決定。 如需更多詳細資訊,請參閱John Harsanyi和Lloyd Shapley的原稿: Shapley, Lloyd S.(1953)。 A value for n-person games。Contributions to the Theory of Games, 2(28), 307-317。 Harsanyi, John C. (1963)。A simplified bargaining model for the n-person cooperative game。International Economic Review 4(2), 194-220。 |
回顧期間是指轉換要納入接觸點時需要回顧的時間量。如果在回顧期間之外設定維度專案,該值不會納入任何歸因計算中。
考量下列範例:
根據您的回顧期間和歸因模型,管道會獲得不同的評分。以下為幾個值得了解的範例:
2^(-0/7) = 1
2^(-0/7) = 1
2^(-6/7) = 0.552
2^(-9/7) = 0.41
如果評分屬於多個管道,則通常具有整數的轉換事件會被劃分。 例如,如果兩個色版對使用線性歸因模型的訂單均有貢獻,則兩個色版會獲得該訂單的0.5倍。 這些部分量度會在所有人員之間加總,然後四捨五入至最接近的整數,以用於報表。