我的家园

https://support.google.com/adwords/answer/6259715?hl=zh-Hans

 最终点击：将促成转化的全部功劳都归于客户最后点击的广告和相应关键字。

 首次点击：将促成转化的全部功劳都归于客户首次点击的广告和相应关键字。

 线性：将促成转化的功劳平均分配给转化路径上的所有点击。

 时间衰减：点击越接近转化发生时间，分配的功劳就越多。点击每相隔七天，所分配的功劳就会相差一半。换言之，转化发生 8 天前的点击所获功劳是转化发生 1 天前的点击所获功劳的一半。

 根据位置：向用户首次和最终点击的广告及相应关键字分别分配 40% 的功劳，将其余 20% 的功劳平均分配给转化路径上的其他点击。

 以数据为依据：根据转化操作的历史数据来分配促成转化的功劳。（仅供数据充足的帐号使用）

示例

您在中国上海经营一家名为“宝恋”的酒店。一位客户在搜索了“虹口区酒店”、“上海市酒店”、“上海市 3 星级酒店”以及“上海市 3 星级宝恋酒店”这些内容后点击了您的 AdWords 广告，进入了您的网站。她在点击显示“上海市 3 星级宝恋酒店”的广告之后预定了房间。

• 若采用“最终点击”归因模型，最后一个关键字“上海市 3 星级宝恋酒店”将获得 100% 的转化功劳。
• 若采用“首次点击”归因模型，第一个关键字“虹口区酒店”将获得 100% 的转化功劳。
• 若采用“线性”归因模型，每个关键字将平分转化功劳（每个关键字均获得 25%）。
• 若采用“时间衰减”归因模型，关键字“上海市 3 星级宝恋酒店”将获得最多的功劳，因为该关键字最接近转化发生时间。“虹口酒店”将获得最少的功劳，因为其搜索时间最早。
• 若采用“根据位置”归因模型，“虹口区酒店”和“上海市 3 星级宝恋酒店”将分别获得 40% 的功劳，而“上海市酒店”和“上海市3星级酒店”将分别获得 10% 的功劳。
• 若采用“以数据为依据”的归因模型，每个关键字都将获得部分功劳，具体比例取决于关键字对促成转化的贡献程度。

Algorithms for Adobe Analytics Anomaly Detection 使用的算法是

• Holt Winters Multiplicative (Triple Exponential Smoothing)
• Holt Winters Additive (Triple Exponential Smoothing)
• Holts Trend Corrected (Double Exponential Smoothing)

这三种算法组成了季节指数平滑模型。

upper_bound	Upper level of the prediction interval. Values above this level are considered anomalous. Represents a 95% confidence that values will be below this level.
lower_bound	Lower level of the prediction interval. Values below this level are considered anomalous. Represents a 95% confidence that values will be above this level.
forecast	The predicted value based on the data analysis. This value is also the middle point between the upper and lower bounds.