我们已经讨论过“最终点击互动”作为一种营销归因模型。但其中一种最常见的模型却恰恰相反。
首次互动或首次接触充分肯定了第一个带来潜在客户的渠道。
首次互动最适合用于漏斗顶部（ToFU）转化，例如用户获取。
最后一次非直接互动
与最终点击归因类似的模型是“最终非 手机号码数据 直接互动”。但主要区别在于，该模型将所有直接流量排除在计算之外，而是将全部转化功劳归于之前的 渠道。
例如，假设您发现有人因与其他通过 Facebook 广告访问您的网站，但并未购买。一周后，他们通过保存的书签直接访问您的网站并完成购买。您不应将转化归因于直接流量接触点（通过保存的书签进入您的网站），而是将其归因于之前的渠道。
在这种情况下，Facebook 广告会获得赞誉。
最后的非直接归因最适合用于 BoFu 转换。
线性
另一种常见的归因模型称为线性归因。在这种模型中，你将转化的功劳平均分配给每个接触点。
这意味着如果有人在 Google、TikTok 帖子、电子邮件和 Facebook 广告中点击您的博客文章，那么转化的功劳将在这些渠道之间平均分配。
该模型有助于观察 BoFu 和 ToFu 活动。
时间衰减
时间衰减是一种归因模型，它能够更准确 机器学习的关键概念 地计算不同接触点的转化。这意味着，某个渠道距离转化越近，其权重就越大。
时间衰减模型假设渠道越接近转化，该渠道对销售的影响就越大。
基于位置
基于位置的归因，也称为 U 型归因，是一种有趣的模型，它为转化提供多种渠道信用。
但它不会给予各个渠道同等因与其他的信用，也不会对最接近转化的渠道给予加权信用。
相反，它最看重的是第一次和最后一次互动。
换句话说，它强调将某人转化为潜在客户，并最终转化为客户。
它将 40% 的功劳归于第一次和最后一次互动，然后将剩余的 20% 分配给客户旅程中的其他接触点。
如果您不确定要使用哪种归因模型，您可以 不丹商业指南 使用 Matomo 对它们进行比较，以确定最符合您的目标并准确反映转化路径的模型。
发表回复