AI Skills
ads-attribution

ads-attribution

熱門

審查跨平台歸因、轉換定義、報表時間窗口（Reporting Windows）、GA4、AdServices 與 AdAttributionKit、MMP、瀏覽器及伺服器端事件、離線轉換，以及平台間的數據對帳。適用於歸因審查、歸因模型分析、轉換窗口評估、合併或加總 Meta 與 Google 轉換數的請求、不相容報表窗口的數據加總、GA4 歸因、MMP 審查、AppsFlyer、Adjust、Branch、Singular，或處理跨平台數據差異等場景。

7825星標
1158分支
更新於 2026/7/13
獲取技能源代碼

相關技能

spotify-player39萬gemini38萬homelab-network-readiness24萬
SKILL.md
唯讀
名稱
ads-attribution
描述

審查跨平台歸因、轉換定義、報表時間窗口（Reporting Windows）、GA4、AdServices 與 AdAttributionKit、MMP、瀏覽器及伺服器端事件、離線轉換，以及平台間的數據對帳。適用於歸因審查、歸因模型分析、轉換窗口評估、合併或加總 Meta 與 Google 轉換數的請求、不相容報表窗口的數據加總、GA4 歸因、MMP 審查、AppsFlyer、Adjust、Branch、Singular，或處理跨平台數據差異等場景。

Attribution Audit (歸因審查)

  1. 讀取主 ads 契約與正規化（normalized）的帳號快照。
  2. 宣告本歸因分析必須支援的商業轉換、價值、數據時間範圍、時區、貨幣與決策需求。
  3. 盤點所有瀏覽器、伺服器端、平台、分析工具、MMP、離線與 App 歸因來源，並明確記錄其識別碼、計算方式、去重機制與隱私規則。
  4. 對帳可比較的事件，並解釋因資格限制、瀏覽歸因（view-through）規則、使用者同意（consent）、建模數據（modeled data）、轉換延遲（conversion lag）、門檻值或評估範圍所導致的差異。
  5. 將成效衡量品質（measurement quality）與平台回報的成效表現（platform-reported performance）分開評估。
  6. 透過通用 JSON 契約回傳調查發現、數據矛盾之處、信心度、缺失證據以及成效衡量改善計畫。

切勿直接假設單一平台為唯一真實數據（ground truth）、切勿將不相容的報表數據直接相加，也不要在未掌握操作者決策脈絡的情況下逕行推薦歸因模型。

Comparability Gate (可比性閘門)

在各數據源共享相同的轉換事件與價值定義、歸因窗口、點擊/瀏覽範圍、計算方式、去重識別碼、時區、貨幣、歸因模型及建模數據處理方式（或已明確正規化至同一基準）之前，一律拒絕進行數據加總。在此之前，請將各項數值連同其定義並列呈報；切勿計算總和。

範例：Meta 的 7 天轉換數與 Google 的 30 天轉換數並不相容。請拒絕將兩者直接相加，先統一時間窗口與定義，僅對已具備可比性的新數據集進行彙整。