مدل انتساب
متوسط تلفظEN/ˌætrɪˈbjuːʃən ˈmɑːdəl/
مدل انتساب قاعدهای است که تعیین میکند از میان نقاط تماس پیش از یک تبدیل، کدامها اعتبار میگیرند و سهم هرکدام چقدر است.
مدلها دو خانواده دارند. مدلهای تکلمسی کل تبدیل را به یک تماس میدهند، یا نخستین یا آخرین؛ مدلهای چندلمسی همان تبدیل را میان چند تماس تقسیم میکنند، مساوی در حالت خطی، سنگینتر روی دو سر در حالت مبتنی بر موقعیت، و سنگینتر روی تماسهای نزدیک در حالت زوال زمانی. تغییر مدل هرگز واقعیت را عوض نمیکند و تنها شیوه تقسیم همان تبدیلها را عوض میکند، پس کانالی که با تعویض مدل سی درصد رشد نشان میدهد، هیچ بهبودی نداشته است. مدل بدون دو تنظیم همراهش هم خوانا نیست: پنجره بازگشت و اینکه تماسها با کوکی مرورگر به هم دوخته شدهاند یا با حساب کاربری.
پرسشهای پرتکرار
هیچکدام درست نیست؛ هر مدل یک فرض درباره نحوه تقسیم اعتبار است. کار عملی این است که یک مدل را مبنای گزارش ثابت نگه دارید و برای هر تصمیم، همان داده را با مدل دوم هم ببینید؛ کانالی که در دو مدل جایگاه کاملا متفاوتی دارد، همانجایی است که باید آزمایش کنید.
منابع:Google Analytics Help — About attribution and attribution modeling