营销归因

多个基于规则和算法的归因方法可提供强大的客户行为分析功能，从而根据客户的实际交互模式为每个渠道提供最适合的模型。

营销归因可以帮助您了解客户所需并制定出更明智的支出决策。归因可以帮助您了解不同的交互如何影响客户旅程运动，从而使您能够轻松优先处理相应的内容和渠道。

Adobe Analytics 提供多种日常分析中易于使用的归因模型。从最初和最后点击到参与及时间衰减等（包括由高级机器学习提供支持的算法归因），我们的归因模型可以让您清楚地了解发生有意义营销接触的位置、您的信息是如何跨渠道推送给用户的以及如何在这些渠道内实现最优预算分配。

我们的模型包括初次点击和最后点击、线性、参与、U 形、J 曲线和逆向 J、最后非直接点击、时间衰减和算法模型。

对因在客户旅程下游实现收益或预测而获得功劳的交互进行资格认定。

将访客档案与相同访客 ID 变量相关联之后，合并访客档案，使归因不会更改历史数据集。

详细了解 Adobe Analytics 中的营销归因。

详细了解 Analysis Workspace 中的营销归因的工作原理。

在“帮助”页面中深入了解算法归因，包括如何建模。

借助 Analysis Workspace 功能，您如同获得一个强大而灵活的平台，可用于构建自定义分析项目。将任意数量的数据表、可视化和组件（渠道、维度、指标、细分和时间粒度）拖放至项目中。

我们可以为数据仓库中的粒度级别客户数据提供延期存储、数据再处理和报告功能。我们的数据源可以按照每日或每小时交付计划提供批量原始数据。

发掘数据中隐藏的模式，以解释统计异常并识别受众细分中的异常客户行为、异常值、指标突增或骤降背后的相关性。