DDA归因模型

最近设置过转化的小伙伴有没有发现谷歌广告后台多了一个Data Driven归因模型。

找谷歌的客户经理了解了一下，目前AC广告还是Last Click比较多，如果是网站或者电商这类的客户，网页转化事件会用到Data Driven Attribution，也就是DDA归因的比较多。

（来自谷歌广告后台）

在了解DDA模型之前，咱们先回顾一下最后点击归因模型，也就是咱们AC广告最常用的Last Click归因。最后点击归因模型的是指在归因周期内，如果一个用户先后看了A，B，C三个地方的广告下载了产品，那平台将会把功劳分配给C平台，因为C平台是用户下载之前的最后点击行为发生的地方，这个归因逻辑就是最后点击归因。

与之类似的还有一个First Click Attribution，即首次点击归因，将转化的全部功劳归于首次点击的广告内容。

比如说作为资深手机用户，我前天打开微博，看了微博的开屏某游戏广告，视而不见；昨天看了抖音，刷到了同款游戏广告，我还点开看了下游戏细节，但是我也没下；然后我今天去B站，在B站也看到了，好吧我想看看这个游戏究竟有多好玩，我下载了。

如果是最后点击归因的平台，会认为我是B站带来的用户，这个功劳是B站的；但如果是首次点击归因的平台，这个功劳就是抖音的，为什么不是微博呢，因为微博上我没点击，我的第一次点击发生在抖音平台。

这个例子就很形象的解释首次点击归因和最后点击归因的不同之处了，然后咱们看一下什么是DDA模型。

谷歌广告解释DDA模型是以数据为依据的归因模型，该模型会运用广告帐号中的数据，确定哪些关键字、广告和广告系列对业务目标影响最大。

目前谷歌采用这个数据归因模型是有数据量级要求的：需要在30天内从受DDA归因支持的广告版位中至少有300次转化和3000次的广告互动。如果数据无法满足这个量级要求，那么DDA转化模型无法使用，需要调整为其他归因模型。

还是之前那个逛了微博，抖音和B站的例子，在DDA模型中，3个平台皆有功劳，只是对最终转化的促进程度不同，所以根据算法分配功劳的占比有所不同。

而且由于DDA是使用账户中的转化数据来计算每次广告互动在转化路径中的实际功劳，所以不同产品不同转化设置下的DDA模型都不是完全相同的。

DDA作为基于算法机器学习的归因模型，将会使用所有可用的路径数据 ，包括路径长度，曝光顺序和 广告素材。

算法归因学习中，一般比较常用的分类算法有马尔科夫链、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。沙普利值会通过考虑各个广告做出的贡献，公平的分配合作收益。（这块想要看沙普利值解释的可以自行百度谷歌）

除了以上的归因模型之外，还有线性归因模型，根据位置归因，时间衰减归因模型等，感兴趣的也可以去谷歌一下。