您需要这些数据进行分析并最

鉴于数据量，为此使用诸如 之类的系统很有用。然后，终将数据上传到 。 也是您将收集的数据组件之一。 中的此参数允许您识别某人来自哪个广告以及访问者的类型（用户 ）。其他数据也可能很重要，例如最后一次销售的时间。例如，它看起来像这样： 谷歌智能购物 通过跟踪 并将其链接到特定订单，您可以稍后将正确的转化价值分配给特定的广告点击。 最容易通过 跟踪代码管理器 和订单表单中的隐藏字段进行设置。

将您的数据库划分为目

标组 将数据库中的网站访问者和买家分组。您这样做是为了更正 算法的选择效果。不同的目标群体对选择效果有不同 马其顿电话号码表 的影响（我将在步骤 中进一步解释）。 您可以通过以下方式组织和表征组： 新访客 回头客 新客户 忠实客户 所以上面只是一个例子。您分配给组的特征因人而异。例如： 新访问者 以前从未访问过您的网站 回访者 之前访问过您的网站，但尚未订购任何东西 新客户 第一次订购。

忠实客户 多次订

购 如果这很有趣，您还可以进一步拆分最后一组。例如，使用 （新近度、频率、货币价值）模型。然而，这是下一步。 确定每个组和每个接触点的转化价值 下一步有点复杂，需要专家的专业知识（具有数据科学背景）。除非您想根据假 AERO 领先 设或可能的基准数据来执行此操作。 确定合适的多渠道归因模型。多渠道归因模型是一种直观表示的模型，可将价值分配给客户旅程中的不同接触点。