对于电商平台而言，精准的识别每一份流量的效果是最重要的日常运营洞察之一。根据每一个流量入口的用户后续转化情况，是评价一个流量坑位的核心数据指标。那么该如何把每一份流量曝光点击加购转化正确的归因到对应的坑位？

需要先确定所有链的末端end ，即所有的加购事件。

再确定所有链的首端head，由于电商商品的入口可能在App的多个页面出现，所以选择所有的基础页面（可枚举）作为首端 。

用末端去左关联得到最近的首端，拿到每条链的区间范围。

用每个区间去筛选相对应的所有点击事件，去除掉无效事件，即得到每条链路的完整路径：【1，2，9，10，11】。

• 首次触点模型：多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为第一个「待归因事件」功劳为 100% 。
• 末次触点归因：多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为最后一个「待归因事件」功劳为 100% 。
• 线性归因：多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为每个「待归因事件」平均分配此次功劳。
• 位置归因：多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为第一个和最后一个「待归因事件」各占 40% 功劳，其余「待归因事件」平分剩余的 20% 功劳。
• 时间衰减归因：多个「待归因事件」对同一个「目标转化事件」作出贡献时，认为越靠近「目标转化事件」做出的贡献越大。