最適化歸因

最適化歸因是機器學習方法，可指派成功轉換事件不同管道的歸因值。 Data Workbench會在每個管道的某個時段內自動評估對成功的貢獻，然後根據客戶的實際互動模式建立歸因模型。

Best Fit Attribution 可讓您比較促成成功銷售、電子郵件註冊或其他績效指標的互動或接觸。 歸因分析會自動為最重要的接觸點指派權重，並根據您的資料為每個管道提供歸因模型，並回應您的市場和內部通訊協定。

例如，如果客戶透過有機搜尋造訪您的網站，接著參與促銷活動，然後註冊電子郵件， 規則型歸因 會識別首次接觸或上次接觸，或使用預設的歸因模型在所有接觸點間平均分配成功歸因。 當使用者定義規則型歸因時，最佳配適屬性會透過演算法來設定值，方法是計算轉換的機率，作為觀察到接觸點的函式。

基本設定

請參閱 建立最適化歸因 以取得逐步指示。

設定成功量度
定義代表成功事件的量度。

成功量度通常是 訂購，但您可以運用「Data Workbench」來定義複雜的成功量度並搭配「成功視窗」。

設定接觸量度 （可選）

識別要追蹤並成功轉換的互動，然後設定要計算歸因的接觸量度。

如果您沒有為促銷活動或管道定義量度，但有代表管道的維度，則最適化歸因可以根據「接觸」量度自動為您建立。

例如，將「接觸量度」設為 點擊，並指定以下維度： 媒體類型 包含的元素 電子郵件, 新聞發佈, 列印廣告，和 社交媒體，視覺效果便會產生表單的管道量度 Hits where Media Type = Email 將元素拖放至視覺效果時。

接著，「接觸」量度會決定歸因分數的分配，以識別被認為對成功具有影響力的行銷互動，讓您能夠為「成功」視窗中識別的母體限定行銷接觸。 您可以設定量度，例如 頁面檢視 或 點擊，或使用符合您需求的自訂觸控量度。

在許多情況下，「接觸」窗口應包括「成功」窗口，以評估銷售週期中的較長提前期。

設定收入量度。

您可以設定適當的收入量度，以選擇識別各接觸點的收入。 如果指定，模型將顯示輸入管道上的收入分佈。

您可以使用貨幣資料類型來設定收入量度，以將成功分配給所有定義和分析的最上層接觸點。 此量度會劃分最終銷售收入，並根據演算法所分配的加權進行分配。

設定「成功」和「觸控」窗口。

「成功」窗口定義要檢查的母體和成功事件的期間，允許您通過工作區選擇來指明分析要考慮的母體的時間和廣度窗口。 此 成功 視窗會定義要檢查成功事件的期間和母體。 此 觸控 視窗會指定要檢查導致成功事件的管道互動的歷史時段。

您可以設定日、月、年或任何可用的時間範圍，以限制您對整個銷售週期中的成功評估和接觸事件，或限制特定對象進入您的網站。 建立限制歸因的視窗可讓您根據特定需求將分析聚焦於相關的時段。

在許多情況下，您會希望「接觸」窗口包含「成功」窗口，以便根據銷售窗口延長分析的較長提前期。 或者，您也可以追蹤和分析與成功事件不同的接觸。

選取通道。

進入管道時，您有兩個選擇。

新增接觸量度並新增Dimension元素至管道

在許多情況下，您會想要依維度元素來劃分最上層接觸點，以定義特定管道。 「最適化歸因」會根據元素值自動選取表現最佳的人，並根據百分比對其排名，並在圖表視覺效果中顯示。

建立歸因模型的方法為繪製在您的「成功」視窗中互動的訪客，並檢查在「接觸」視窗中未導致或未導致成功事件的管道接觸。

依管道劃分

進入管道時，有兩個選項：

• 新增 接觸量度 然後新增 Dimension元素 的下一頁。

  或

• 建立量度，以篩選您要評估的管道元素。

選項1:新增接觸量度並新增管道的Dimension元素.

這是更簡單的方法。 最適化歸因會自動建立量度，供歸因評估。 在下方的範例中，觸控量度為 點擊 管道包括： 顯示促銷活動, 電子郵件行銷活動，和 SEM促銷活動.

使用此方法時，最適化歸因會在背景建立量度，用於評估各管道的歸因（但您永遠看不到自動產生的量度，且不會儲存）。 在以下範例中，會建立三個量度，其中會篩選這三個管道的點擊(例如 顯示促銷活動, 電子郵件行銷活動，和 SEM促銷活動)。 這是最簡單的作法，因為您可以讓最適化歸因為您建立量度。

選項2:建立量度.

在第二個選項中，您需透過篩選特定管道，為您要評估的管道建立並儲存量度。 以下是此類量度的範例。

然後，您可以按一下視覺效果中的功能表列並選取，而不是輸入管道的「接觸量度」和「Dimension元素」 輸入 > 新增管道 然後選取您建立的量度。

請參閱下方第二個方法的範例。 您可以看到這兩個選項的結果相同。