歸因面板 attribution-panel
建立比較各種歸因模型的分析時，歸因 面板是可採用的簡單方式。面板提供專屬的工作區，供您使用和比較歸因模型。
Customer Journey Analytics 強化了歸因功能，讓您可以：
- 定義付費媒體以外的歸因：任何維度、量度、頻道或事件都可以套用至模型（例如內部搜尋），而不僅限於行銷活動。
- 不限次數使用歸因模型比較功能：動態比較任意數量的模型。
- 避免實施變更：透過報表時間處理功能和內容感知工作階段，可以建置客戶歷程內容並在執行階段套用。
- 建構與您的歸因狀況最相符的工作階段。
- 依篩選器劃分歸因：輕鬆比較行銷管道在任何重要篩選器中的效能（例如，新客戶與回頭客戶、產品X與產品Y、忠誠度或CLV）。
- 跨管道檢查和多點接觸分析：使用文氏圖表和長條圖，並計算歸因結果趨勢。
- 以視覺化方式分析關鍵行銷序列活動：透過多節點流量和流失視覺效果，以視覺效果方式探究帶來轉換的路徑。
- 建立計算量度：使用任何數量的歸因配置方法。
使用
若要使用 歸因 面板：
面板輸入
您可以使用以下輸入設定來設定「歸因」面板：
面板輸出
歸因 面板會傳回一組豐富的資料和視覺效果，用以比較所選維度和量度的歸因。
歸因視覺效果
下列視覺效果是面板輸出的一部分。
- 量度總計：在報告時間範圍內發生，且歸因到您選取之維度的轉換總數。
- 歸因比較長條圖：以視覺效果方式比較所選維度中每個維度項目的歸因轉換。每個長條的顏色代表不同的歸因模型。
- 歸因比較表：顯示與條形圖相同的資料，以表格的形式呈現。在此表格中選取不同的欄或列可篩選長條圖，以及面板中的其他數個視覺效果。表格的作用與Workspace中的其他自由表格相仿 — 讓您新增量度、篩選器或劃分等元件。
- 重疊圖表：文氏圖表視覺效果，會顯示前三大維度專案，及其共同參與轉換的頻率。 例如，重疊的泡泡圖大小代表某人接觸到兩個維度專案時發生轉換的頻率。 選取相鄰自由表格中的其他列，可依據您的選取項目更新視覺效果。
- 效能詳細資料：可視覺化比較最多三個歸因模型的散佈視覺效果。
- 趨勢效能：顯示排名前面的維度項目的歸因轉換趨勢。選取相鄰自由表格中的其他列，可依據您的選取項目更新視覺效果。
- 流量：可讓您檢視哪些頻道最常互動，以及在使用者歷程中的順序。
歸因模型
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。 如果僅設定單一維度專案，則無論使用何種歸因模型，該維度專案都會獲得100%的評分。
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。 如果沒有另外指定歸因模型，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知名度或客戶贏取。
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，這個變數很有用。 組織通常會使用此歸因模型，來衡量行動應用程式通知效果或訂閱型產品。
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而促成轉換，則會將值刪除重複資料至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%的評分給予轉換發生的相同事件。 如果接觸點並未在同一次轉換事件中發生，則會歸類在「無」當中。 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，這個選項就十分實用。 產品或設計團隊可以使用此模型來評估轉換發生的頁面帶來的成效。
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，兩者會各獲得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%。 此歸因模型與U形模型類似，偏向於首次和最後一次互動，但較偏向於最後一次互動。
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，但較偏好第一次互動。
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為100%。 最適合您要針對特定且重要事件測量歸因的情況。 在此事件之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的任何接觸點的權重。 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，然後將第一個和最後一個接觸點標準化為100%，再據此指派評分。 如果您想要完整控制歸因模型，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
使用統計技術動態判斷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。
歸因的高層級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則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。
歸因的高層級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則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。
回顧視窗
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，此值不會納入任何歸因計算中。
- 14天：從轉換發生時算起，最多可回顧14天。
- 30天：從轉換發生時起，回顧最多30天。
- 60天：回顧轉換發生後的60天。
- 90天：回顧轉換發生後的90天。
- 工作階段：回顧到轉換發生的工作階段開始。 工作階段回顧期間遵循資料檢視中修改的工作階段逾時。
- 人員（報告期間）：回顧目前日期範圍當月第一個月的所有造訪。 例如，如果報表日期範圍為9月15日到9月30日，則人員回顧日期範圍將包含9月1日到9月30日。 如果使用此回顧期間，您偶爾會看到維度專案歸因到報表期間之外的日期。
- 自訂時間： 可讓您從轉換發生時設定自訂回顧期間。 您可以指定分鐘數、小時數、日數、周數、月數或季數。 例如，如果轉換發生在2月20日，5天的回顧期間將會評估歸因模型中2月15日至2月20日的所有維度接觸點。
recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79