演算法歸因

注意

您正在檢視 Customer Journey Analytics 中 Analysis Workspace 的相關文件,其功能集與傳統 Adobe Analytics 中的 Analysis Workspace 略有不同深入了解…

注意

演算 法屬性目前僅進行有限測試。如需詳細資訊,請參閱Adobe Analytics功能版本

Analysis Workspace 中的演算法歸因模型與其他模型不同,因為此模型使用統計技術將評分分配給報表或自由表格中的各個維度項目。和Analysis Workspace的所有其他歸因模型一樣,它可用於任何維度或量度,並支援無限制的篩選和劃分,並將100%的轉換分發至表格中的維度(也稱為「分數」歸因)。

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。

從高層面來看,在為每個接觸點計算轉換評分的歸因時,會將回顧期間內的每個行銷接觸點視為必須均等分配盈餘的玩家聯盟。每個聯盟的盈餘分配則根據每個子聯盟先前產生的盈餘 (或先前參與的維度項目) 遞迴決定。如需詳細資訊,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。
注意

只有在給定回顧期間內多個接觸點存在時,演算法歸因的結果才會與其他模型不同。無論歸因模型為何,單一接觸點的轉換都會獲得 100% 的評分。

本頁內容

Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now