DDA歸因模型

最近設置過轉化的小伙伴有沒有發現谷歌廣告后臺多了一個Data Driven歸因模型。

找谷歌的客戶經理了解了一下，目前AC廣告還是Last Click比較多，如果是網站或者電商這類的客戶，網頁轉化事件會用到Data Driven Attribution，也就是DDA歸因的比較多。

（來自谷歌廣告后臺）

在了解DDA模型之前，咱們先回顧一下最后點擊歸因模型，也就是咱們AC廣告最常用的Last Click歸因。最后點擊歸因模型的是指在歸因周期內，如果一個用戶先后看了A，B，C三個地方的廣告下載了產品，那平臺將會把功勞分配給C平臺，因為C平臺是用戶下載之前的最后點擊行為發生的地方，這個歸因邏輯就是最后點擊歸因。

與之類似的還有一個First Click Attribution，即首次點擊歸因，將轉化的全部功勞歸于首次點擊的廣告內容。

比如說作為資深手機用戶，我前天打開微博，看了微博的開屏某游戲廣告，視而不見；昨天看了抖音，刷到了同款游戲廣告，我還點開看了下游戲細節，但是我也沒下；然后我今天去B站，在B站也看到了，好吧我想看看這個游戲究竟有多好玩，我下載了。

如果是最后點擊歸因的平臺，會認為我是B站帶來的用戶，這個功勞是B站的；但如果是首次點擊歸因的平臺，這個功勞就是抖音的，為什么不是微博呢，因為微博上我沒點擊，我的第一次點擊發生在抖音平臺。

這個例子就很形象的解釋首次點擊歸因和最后點擊歸因的不同之處了，然后咱們看一下什么是DDA模型。

谷歌廣告解釋DDA模型是以數據為依據的歸因模型，該模型會運用廣告帳號中的數據，確定哪些關鍵字、廣告和廣告系列對業務目標影響最大。

目前谷歌采用這個數據歸因模型是有數據量級要求的：需要在30天內從受DDA歸因支持的廣告版位中至少有300次轉化和3000次的廣告互動。如果數據無法滿足這個量級要求，那么DDA轉化模型無法使用，需要調整為其他歸因模型。

還是之前那個逛了微博，抖音和B站的例子，在DDA模型中，3個平臺皆有功勞，只是對最終轉化的促進程度不同，所以根據算法分配功勞的占比有所不同。

而且由于DDA是使用賬戶中的轉化數據來計算每次廣告互動在轉化路徑中的實際功勞，所以不同產品不同轉化設置下的DDA模型都不是完全相同的。

DDA作為基于算法機器學習的歸因模型，將會使用所有可用的路徑數據 ，包括路徑長度，曝光順序和 廣告素材。

算法歸因學習中，一般比較常用的分類算法有馬爾科夫鏈、沙普利值、生存分析和Harsanyi Dividend，而DDA模型中普遍使用的是沙普利值。沙普利值會通過考慮各個廣告做出的貢獻，公平的分配合作收益。（這塊想要看沙普利值解釋的可以自行百度谷歌）

除了以上的歸因模型之外，還有線性歸因模型，根據位置歸因，時間衰減歸因模型等，感興趣的也可以去谷歌一下。