分将在所有渠道中平均分

shihabsea@gmail

理解且易于实施，因为它将所有功劳分配给单个渠道。 大多数营销自动化工具都使用该模型作为其主要结构。您可以在这些工具中注意到，它们将联系人的原始来源建立为联系人与公司互动的第一个渠道。 因此，首次点击/首次交互归因被用于多个工具中，这使得数据分析变得非常容易，因为没有必要创建新的机制来跟踪接触交互。 缺点 归因模型同样具有最后点击/最后互动的负点。 也就是说，这些模型忽略了对转化做出贡献的其他渠道，这一

事实可能会产生一种偏见，即某些渠道比其他渠道更重要，而实际上它们可能 香港 WhatsApp 号码 是在转化时自然贡献更多的渠道。 线性归因 广告 您还记得您上学时，在一些比赛中所有学生都获得了参与奖牌吗？ 这就是线性模型。 他假设所有渠道对转化的贡献均等，因此应该获得完全相同的功劳。 在我们的运动鞋示例中，积分将在所有渠道中平均分配：自然流量将获得 % 的积分， 广告将获得 % 的积分，直接流量将获得另外 %，电子邮件营销将获得 % % 的信用





.. 优点 虽然最后一次互动和第一次互动归因忽略了不负责第一次或最后一次互动的渠道，但线性归因对参与转化的所有渠道给予了应有的信任，这可能是一个积极的点。 该模型消除了不给予渠道应有信用的可能性。 缺点 将功劳归于所有渠道可以消除一些近期偏差，但另一方面，使用线性模型无法确定哪个渠道产生更多价值。 如果我们面临选择优先渠道和降低成本的渠道的挑战，并且我们使用线性归因模型，那么决策就会变得更加困难。需要稍微复杂的历史分析来确定哪个渠道在一段时间内获得最多的累积信用。 暂时性减值归因 此归因模型优先考虑新近度。也就是说，他假设所有渠道在最终转化中都发挥着重要作用，但这种重要性与转化之前在渠道中发生的时间有关。 简而言之，转化前一周发生的互动的相关性低于转化前 天发