例如，第一次从搜索切换后，用户浏览了 10 个页面，然后从上下文广告切换到 YAN – 5 页，第三次从重新定位切换并进行了转换，但只浏览了 2 个页面。可以假设，他认识该站点的最重要部分是在他从搜索切换到网站时发生的。基于此，我们为每个广告渠道分配一个值，并可以计算渠道对最终转化的贡献。

为了衡量用户活动，我们选择了“点击”指标。它包括页面访问和 Google Analytics 中的所有事件。

我们设定的任务是通过客户 ID 联合用户，消除重复调用，并在建模归因时考虑网站上人们的行为。这将使您能够为所有广告活动编制一份摘要报告。它可以显示给客户并用于优化广告。同时，我们会在选择归因模型时有明确的理由，客户也会对我们的工作质量充满信心。

执行
1.客户端ID

您需要将客户端 ID 添加到 Google Analytics

这是数据收敛和归因模型构建的主要参数。在所有客户端 ID 安装说明中，我们选择了Simo Ahava 方法。经过几个月的客户ID统计，我们收到数据进行分析。

2.大分析数据

要通过 API 从 Google Analytics 下载数据，我们选择了 Big Analytics Data 工具。它免费、方便，并允许您定期更 奥地利手机号码清单 新数据。此外，它还显示数据采样并允许您绕过它。作为 Google SpreadSheets 的附加组件，安装方式相同：

报告配置如下所示。ga:dimension1 参数是自定义客户端 ID 参数。带有数字 4 和 5 的目标是网站上的表格。

处理完数据后我们得到了一张表

3.API请求调用跟踪

除了来自 Google Analytics 的数据外，还需 cz 列表 要呼叫跟踪数据。在研究了呼叫跟踪 API 帮助之后，我们编写了一个请求：

转换数据后，我们得到了一张类似于上面的表格，但是通过调用：

4. 合并表格：分析和呼叫跟踪

我们将板连接成一个整体：

我们添加应用程序和调用，得到一个单独的列 – appeals (app)。按 client_id、日期、来源、渠道和活动汇总数据：

结果，我们得到了一个包含客户 ID、来源、渠道和活动、点击率和点击率的表格。现在您可以构建归因模型。