暂时下降（考虑到交互的持续时间，时间衰减）

[bartubjot@neko2.net]

线性模型
与上述归因模型的根本区别在于，转化的价值在所有交互中平均分配。从我们的示例来看，Yandex.Direct、Google 搜索、社交网络、电子邮件和直接访问将分别获得 20%：

Google Analytics 和 Yandex.Metrica 中的归因模型：如何在营销和业务中正确使用

只有 Google Analytics 有线性模型；Yandex.Metrica 没有这样的归因。

看来，这终于是真正的正义了。然而，这个模型也是不完美的：所有渠道不太可能同等地影响转化。如果您从 Yandex.Direct 拿走 80% 的预算，您可能会遇到流量不足、转化次数和潜在客户数量下降的情况。

这种计算效率的原则适用于购买周期长、价格昂贵的商品、复杂的B2B服务；需要与观众持续接触的地方，接触点很多，竞争也很激烈。一个例子是内容营销服务。

该归因模型还考虑了所有互动，但为那些更接近转化的互动提供了更多价值。原理很简单，但很合乎逻辑。如果第一次转变如此有效，为什么要花这么多时间和其他接触点？这里的第一个转换接收最小值，最后一个转换接收最大值：

Google Analytics 和 Yandex.Metrica 中的归因模型：如何在营销和业务中正确使用

Google Analytics 中的默认计算周期（值减半所需的时间）为 7 天。默认情况下 波兰 whatsapp 资源 ，回顾性分析在 30 天内进行。这些指标可以根据您自己的方式进行调整，同时考虑到购买决策的持续时间。

一个相当通用的模型，几乎适用于任何主题。它可以让您特别好地评估短期促销（在我们的示例中，这是通过电子邮件渠道进行的）。