Google Analytics数据驱动归因模型是什么？

自2005年成立以来，已有超过288亿个网站使用 Google Analytics。就数据驱动归因模型本身而言，许多人试图寻找一个“一刀切”的方法。
虽然这种模型本身的强大功能令人钦佩，但与此同时，它也违背了Google Analytics的本质。既然该服务的USP能够根据顾客的要求来定制报告，那么导致该归因模型的特殊之处的因素又是什么呢？
什么是归因？
在进行更加深入的研究之前，我们给出了关于归因的定义。在Google Analytics中，归因这个术语可能意味着很多种行为，并且归因功能主要用于信息的转化和网络会话。比如，从网站的访问到特定行为的完成，以及从网络广告营销到未知信息发源等。
数据驱动归因
目前的归因模型可以以各种形式存在，并且最近非常火爆的一个模型就是数据驱动归因模型。这种由算法生成的模型并不是一种传统模型，而是为Google Analytics 360的客户专门设计，能够为客户提供一种简单的方式使其获得个性化体验的创新模型。此外，使用该模型的用户需要在28天内满足以下两个参数：
每种类型需要400次转换，且每次转化至少需要两次互动。
每个用户可以创建许多导航路径。如果网站上有10,000条路径，那么就类似于有10,000个网站用户。但是，单个用户可以创建多个导航路径。

数据驱动归因模型的突出特点是它在转换过程开始之前就考虑了如何处理用户的接触点。该模型浏览器工具 通过报告这些接触点，然后进行数据的审查。
数据驱动的归因模型可作为Google Analytics中的基准模型，使用户能够创建新的个性化归因模型。在个性化定制的信用规则实施之前，创建新的数据驱动归因模型能够实现在转化路径上与多个接触点共享转化信用。
使用数据驱动的归因模型来分析非转化和转化路径信息。前者的数据是从转换的网站收集的，而后者的数据是从未被用户的网站转换的访问者收集的。此外，数据驱动归因模型的一个独特之处是它每周都会改变。
为什么数据驱动归因模型可以运作？
可以通过了解他们在转换过程中所起的作用来了解这个模型。在转换过程中，它主要为各种接触点或营销渠道的转换提供信用。无论是初始接触，中间接触还是最后接触，提供最多帮助的接触点或营销渠道都会被认为是转化过程中发挥最大效用的功能。其余的接触或渠道则根据它们在转换过程中所发挥效用的大小来获得信用。
由于分配转换信用的机制取决于最新的信息转换过程而不是接触点位置，因此归因模型就会变为数据驱动模型。这不仅突破了随机给众多触摸点或通道转换信用分配的需要，而且恰当地解释了为什么整个模型会被称为数据驱动的归因模型。
需要注意的是数据驱动归因模型有一定的时效性，因为模型会随着转换信息的变化而发生相应的变化。