来源｜AdExchanger

作者｜Dmitri Kazanski

编译｜Jiarui

为了向广告商提供更好的服务，谷歌更改了它默认的用户行为归因模型。

谷歌AdWords上支持六种用户行为归因模型。之前谷歌默认使用的，是只统计最后一次点击（Last Click）行为的归因模型。这也是平台进行用户行为分析最常使用的模型，这种模型简单容易操作，但它的缺点也是显而易见的。

比如，美国的消费者可能在一段时间内并未点击过Geico的广告。但当消费者需要购买汽车保险时，依旧有选择Geico的消费倾向。这样看来，仅统计用户的最后一次点击行为，可能还不够全面。

事实上，用户在平台的操作路径受到多个因素的影响，其中包括看到的，听到的，甚至是用户并未实际点击的界面或者链接。如果仅仅将所有的功劳都归结于最后一次点击的链接显然是不现实的。对此，早在2019年时，阿迪达斯就在一篇反省自己将大量预算投入效果广告，进一步忽略品牌广告的文章中就又提到这点。

在过去很长时间里，人们对于这种归因模式的讨论也从未停止。到了现在，谷歌换上了一种更复杂的归因模型——DDA（data-driven attrition）。意指以数据为驱动的归因模型，不过，鉴于所有的归因模型都是以数据为驱动，它更准确的称呼可能是“电力驱动”的归因模式（“electricity-powered” attribution model）。

有关DDA模型的工作原理和运作方式我们还知之甚少。笔者猜测，谷歌也许使用到了回归或神经网络相关的技术，或者也将网页的上下文语境和交互考虑到了其中。但无论如何，就目前的已知信息来看，这又是一个全新的黑盒模型。

对于用户没有点击的广告视图，谷歌并没有解释是否在新采用的归因模型中计入统计。很可能，谷歌也在使用它的校准模型给这类数据加以权重。

校准模型的建立来自于精准的实验把控：找到一定比例（比如10%）的目标受众作为对照，将让他们安置在不接触广告的环境中。之后，再比较实验对象和暴露在广告环境的人群的广告转化率。两组数据的差值就代表了真实的活动增量。

谷歌的此类用户转化实验很可能涉及侵犯和暴露消费者隐私的风险。当然，谷歌不会对每一次的广告转化情况进行统计分析。但只要这种校准实验进行，此类风险就一直存在。

DDA可以向广告商回答哪些动作促成最多转化率的问题，但它依旧没办法解释销售增量的相关问题，也没办法明确地告诉广告商哪些部分产生的转化率最高。但相比之前的默认转化归因模型，谷歌已经向前迈进了一步。