在建立轉化操作時，有6種不同的歸因模型可以選擇，分別是“以資料為依據”“最終點選”“首次點選”“線性”“時間衰減”“根據位置”，如下圖
其中第一個“以資料為依據”的歸因模型不可選，該歸因模型需要賬戶30天內積累3000次互動資料，且轉化操作次數達到300次才能使用。如果30天內轉化次數少於要求值，則該轉化操作的歸因模型會被自動取消並使用“線性”的歸因模型。
以資料為依據的歸因模型在分配轉化功勞時，會運用我們帳號中的轉化資料，確定哪些關鍵字、廣告組和廣告系列對轉化的幫助最大，將最大的轉化功勞分配給貢獻最大的關鍵字、廣告組和廣告系列上。
舉個例子：
有一家位於紐約市的旅遊公司，他們使用轉化跟蹤功能來跟蹤客戶在他們網站上購票的時間。他們還特意設定了一項轉化操作來跟蹤布魯克林騎行遊的購買情況。客戶通常會先點選他們的多個廣告，然後才決定購票。
“以資料為依據”的歸因模型發現，先後點選“紐約騎行遊”廣告和“布魯克林海濱騎行遊”廣告的客戶比僅點選“布魯克林海濱騎行遊”的客戶更有可能購票。因此，該模型在重新分配功勞時，會偏重“紐約騎行遊”廣告及相關關鍵字、廣告組和廣告系列。
如果是自動出價，那麼出價策略會在這種歸因模式下幫助我們廣告尋找更多轉化。
我有一個感觸是，如果我們的賬戶透過最佳化爭取了這麼多的轉化次數，獲得這種以資料為依據的歸因模型設定資格，那麼將如虎添翼，進入良性迴圈，使賬戶的轉化資料越來越好。
