时间衰减模型
Posted: Sun Mar 02, 2025 4:27 am
如果您以前读过归因模型，那么您可能已经知道默认模型的问题所在。如果您还没有读过，我建议您阅读Avinash 的这篇文章，其中概述了归因模型的工作原理。
简而言之，它们都是基于对人们如何使用互联网的任意且过于简单化的假设。
时间衰减模型可能是最合理的模型，它假设 哥斯达黎加电话数据 我访问您的网站后，首次访问对我再次访问机会的影响每隔 X 天就会减半。下图显示了这种关系与默认的七天半衰期的关系。它绘制了“自访问以来的天数”与“此次访问将导致更多访问的机会”的关系。如果重复访问需要七天才能完成，则首次访问的信用额度减半至 25%。如果重复访问需要 14 天才能完成，则首次访问的信用额度再次减半至 12.5%。请注意，该图是阶梯式的 - 我假设它使用 GA 的“自上次访问以来的天数”维度，该维度四舍五入为整数天数。这意味着，例如，如果两次访问都在转化当天，则不会打折，并且两次访问都会获得相同的信用额度。
可能有一些网站和用户群认为这个模型是准确的，但作为起始假设，它太过大胆。作为一个整体模型，它非常简单——我们当然不会真的相信除了访问发生的时间之外，没有其他因素与之前的访问有关？例如，如果之前的访问被退回，我们可能会认为它与此有关。这就是为什么自定义模型是 Google Analytics 中归因建模的唯一合理方法——简单的一刀切模型永远不会适合您的业务或客户，正是因为它们是简单的一刀切模型。
简而言之，它们都是基于对人们如何使用互联网的任意且过于简单化的假设。
时间衰减模型可能是最合理的模型，它假设 哥斯达黎加电话数据 我访问您的网站后，首次访问对我再次访问机会的影响每隔 X 天就会减半。下图显示了这种关系与默认的七天半衰期的关系。它绘制了“自访问以来的天数”与“此次访问将导致更多访问的机会”的关系。如果重复访问需要七天才能完成，则首次访问的信用额度减半至 25%。如果重复访问需要 14 天才能完成，则首次访问的信用额度再次减半至 12.5%。请注意，该图是阶梯式的 - 我假设它使用 GA 的“自上次访问以来的天数”维度，该维度四舍五入为整数天数。这意味着，例如，如果两次访问都在转化当天，则不会打折，并且两次访问都会获得相同的信用额度。
可能有一些网站和用户群认为这个模型是准确的，但作为起始假设，它太过大胆。作为一个整体模型，它非常简单——我们当然不会真的相信除了访问发生的时间之外，没有其他因素与之前的访问有关？例如，如果之前的访问被退回，我们可能会认为它与此有关。这就是为什么自定义模型是 Google Analytics 中归因建模的唯一合理方法——简单的一刀切模型永远不会适合您的业务或客户，正是因为它们是简单的一刀切模型。