探索 Adobe Analytics 归因面板和回顾窗口的强大功能，以更好地了解您的客户历程。

当我第一次想到归因面板和 回顾窗口 时，我立即想到了“时间旅行” 的概念；当然，之后我也想起了我们对于许多新工具的典型反应，就是简单地推迟采用，因为它们看起来太复杂了。

老实说，看看这些选项、开关、面板、读数和旋钮。说真的，我们来谈谈那些复杂的闪烁指示灯、软管、仪表……等一下！！现在不是该分心去谈论时间机器的时候，我们实在没有时间……或者说是这样吗？

我承认 归因面板 是一个相当复杂的工具；但是，作为分析师，我们的典型工作就是日复一日地使用我们喜欢且高度复杂的另一款工具来查看过去发生的情况。该工具叫做  Adobe Analytics！是的，为了回答与我们息息相关的问题，我相信这两件事表明我们有足够的时间。

因此，我们为什么要让一点恐惧阻碍我们使用如此惊人、复杂且强大的工具呢？这些工具实际上让我们每天都能 回顾 过去。

无论如何，这可是时间旅行，伙计们！! 我们都喜欢这种事情。对吗？？！

那么我们还在等什么？等着在家门口出现一辆闪亮的金属汽车、一个警察电话亭，或者一个用旧雨伞作天线的老式电话亭吗？

不！我们有更好的选择，让我们系上安全带，坐稳了！

好吧……你懂的。

既然我们都对时间旅行感到兴奋，深吸一口气，稍微退后一步，看看 归因面板究竟 是怎样的，并且稍做分解：

图 1 - 显示的数字与下面的文字对应

在 归因 中，我们只是考虑一段时间内的单个、多个或任意数量的不同事件如何导致事件/操作。

根据 Adobe 的解释，归因 使分析人员能够自定义 维度 项在 成功事件 中所占功劳比重。

事实上，任何给定的客户历程很少是真正线性的，而且往往都无法预测。不仅如此，每位客户会按各自的进度进行；通常，他们可能再次返回、延迟、退出或参与其他非线性行为。这些固有操作使得我们很难，甚至无法了解营销工作在整个客户历程中所产生的影响。它还会妨碍将多个数据渠道绑定在一起的工作。

没错。先不要摆出您的“多米诺骨牌”类比，您的思想需要更接近于蝴蝶效应和弦理论——但就像其他所有事情一样，我们需要由浅入深。

归因模型

在使用 归因面板 时，我们可能会开始观察多种不同的情况。例如，归因模型 向我们展示了将 转化（即 ❶ 成功量度）在给定组的 匹配 中可能是如何分配的。

简言之，如果有 10 个人 为踏进一扇门而按下 大的红色按钮，我们的 归因模型 会告诉我们，因为按了上述按钮，应该为这 10 个人 中的哪一位分配“功劳”，或者更准确地说是，分配 多少“功劳”。

请牢记，下面是一些示例，说明 ❸  归因模型 如何影响这  10 个人：

• 首次接触：顾名思义，此模型会将 100% 的功劳 分给 第一个 进门的人。营销人员往往将此方法用于 社交媒体 或 展示广告 等策略；不过，它对于提高现场产品推荐效率也是一种很好的策略。

• 最近接触：同样顾名思义，此策略会反过来将  100% 的功劳 分给最后进门的人。此模型通常用于分析 自然搜索 和其他 短 营销周期营销活动。

• 线性：此模型会为每个进门的人分配相同的功劳。

• U 形：此方法将  40%  功劳分给进门的  第一个人，将  20%  功劳平均分给 中间的所有人，然后将  40%  功劳分给 最后一个人。此模型最常用于包含 多个接触点 的 长转化/销售周期 场景。在这种情况下，您的目标主要是突出 第一个 和 最后一个 有助于客户转化的营销策略。

• J 形 和 反 J 形：

  • 可以类比  U 形，但是此模型将  60%  功劳分给 最后一个进门的人，将  20%  功劳分给 第一个人，然后 将 余下的  20%  平均分给 其他人。  反向J  正好相反。

    其目标是将大部分重点放在 开始 或 结尾，不过，您仍希望为另一端的贡献项分配一定数量的功劳，同时在此过程中认可“小角色”。

• 时间衰减：如果不介绍这个就是我的失职了。此模型具有半衰期，会随时间推移呈指数衰减！在本例中，此模型半衰期的 默认 参数为  7 天。其工作方式是 基于在 最初接触点 以及客户转化之后经过的时间量，为每个 营销渠道 分配 权重。

  时间衰减 和  U 形归因模型 通常用于衡量较长的营销活动，但如您所见，根据最终为结果价值分配 权重 的方式，它们的目标略有不同。

• 自定义：您可以选择谁获得功劳。这是您的营销活动！

有关这些及其他归因模型的更多信息，请单击此处

为了增加趣味性，让我们来谈谈时光倒流！

回顾窗口

现在是时候将您的思维提升到新的层次了。在这里，我们在分析中真正地加入了时间旅行的元素，同样，我们会由浅入深。

Adobe  将 ❹  回顾窗口 定义为转化为包含接触点所应回顾的时间。在查看不同回顾窗口时，为首次交互分配更多点数的归因模型存在较大的差异。”

换言之，回顾窗口 确定分析 转化 并为归因分析提供 上下文 的时段范围。  Adobe Analytics  提供三种类型  回顾时间范围：

• 访问回顾窗口： 回顾发生转化时的 访问 的开头，提供有关促成转化的即时交互的洞察。

  请记住，这通常是可使用的最短的 回顾窗口。

• 访客回顾窗口： 分析选定 日期范围 内一直到当月首次访问的所有 访问，提供更全面的客户互动视图，有助于判断一段时间内的模式。

• 自定义回顾窗口： 允许您将 归因时间范围 扩展到超出报告 日期范围（最 多   90 天）。利用它可以 灵活地 捕获在选定 日期范围之外 发生的接触点，确保分析的全面性。

通过调整给定 回顾窗口，分析师可以检查特定时间范围内一个或多个接触点的影响，并更深入地了解不同持续时间如何影响归因结果。

整合所有元素

那么，这些对于我们分析师来说意味着什么呢？

利用 归因面板 和 回顾窗口，我们能够超越乏味的表面数据，深入探究客户历程。通过了解哪些接触点对 转化 的影响最大，我们能针对自己的营销策略做出明智的决策，更有效地分配资源。

请记住，在选择 归因模型 和 回顾窗口 之后，此时您仍可以使用 ❺ 区段 或您希望使用的任何其他组件进行筛选，从而进一步处理数据。此外，在呈现面板后，您可以随意使用传统工作区的所有功能。

最后付诸实践

现在您已经了解这些概念，请设想您正在开展一个营销活动，并试图确定哪个渠道在推动转化方面 最有效。借助 归因面板，您不仅能够看到 最近接触，还能看到 首次接触、相同接触 以及您选择的任何其他 模型，以确定哪个 渠道 在推动 转化 方面 最有效。然后，此信息可用于 优化 营销活动，只需使用自己选择的 回顾窗口 来让时光倒流，即可提高整体表现！

您已经了解它能实现的操作，请不要被归因面板看似复杂的功能所吓住。  面对现实.  拥抱  它。  了解  它。
不过最重要的是要 善加利用。归因面板 和 回顾窗口 是深入了解客户及其品牌历程的关键。

现在，我们可以使用可靠的时间机器（也就是 Adobe Analytics）满怀信心地“时间旅行”了，从而做出数据驱动型决策。