中通过Client ID组合数据的主要方法是All Rows分组（All rows）。在它的帮助下，我们得到了一个包含 2 列的盘子——客户 ID 和所有其他数据：

第二列中的每个单元格都包含一个表，

现在我们需要计算每个Client ID的总点击数，以便以后我们可以找出每个来源的份额。

我们使用函数来统计命中总数（hits_sum）：

以类似的方式，我们计算命中总和 (app_sum)。结果，我们得到了两个新列：

然后通过单击列名称右侧的图标展开“所有行”列：

表格返回到之前的视图，但现在我们有命中总和以及每个 Client ID 的命中总和：

6.删除命中中的重复项

我们将每个客户 ID 的命中数减少为 1 或 0。如果客户没有申请 – 零，如果至少申请一次 – 一个：

7.点击次数的计算

我们计算流通中每次访问的价值（价值）。如果点击总数为零，我们假设用户立即离开了网站。如果至少有一次点击，我们计算特定访问中的点击次数与点击总数的比率：

结果，我们获得了转换链中每个会话的价值。它需要乘以客户 ID 的转化总数：

结果我们得到了每个会话的点击次数

8. 活动统计

我们汇总有关广告活动的数据，计算点击次数 (value_app)：

在这种计算方法中，我们不可避免地会得到分数值，因为转换的分布是根据网站上的用户操作集进行的。

9.广告活动的优化

我们加载成本，根据“用户活动”模型（CPA_active）为成本（costs）和通话成本构建图表。我们看到哪些活动需要优化：

从归因模型的对比图中可以看出，Last Click模型与其他模型是孤立的，不客观。

活动数据归因模型与线性模型非常相似，但我们发现它更有趣，因为它考虑了网站上的用户操作。

红色栏是根据“用户活动”归因模 保加利亚手机号码列表 型的通话费用。

黄色列是根据“首次点击”归因模型的调用成本。

紫色列 – 根据“最后点击”归因模型的通话费用

橙色列是根据线性归因模型的呼叫成本

我们按客户 ID 对用户进行分组，消除了重 cz 列表 复的请求和呼叫，考虑了用户的转化路径，并使用了有关人们在网站上的行为的数据。现在，您可以对广告活动进行更精确的优化，并向客户展示报告，并为选择归因模型提供明确的理由。由于所有数据都自动提取到一份报告中，您可以随时查看统计数据并决定进一步的行动。

不仅点击可以用作活动指标。一个更有趣的指标是主动访问的持续时间。为此，您需要一个循环脚本来记录用户活动。如果每 30 秒主动访问站点触发一个事件，则可以根据主动访问的持续时间分配该值。这是一个更准确的指标，因为它包括真实用户活动的时间：鼠标移动、滚动和点击元素。我不建议将 Google Analytics 的访问时间作为活动指标 – 根据我们的观察，数据不正确。