更加客观的广告效果评估方式
长期以来，广告效果评估是一个重点，也是难点。主要原因在于用户从站外广告渠道进入网站/APP或应用后，不会立即下单，而是会经过多次甚至多个渠道的“重复”访问，才能完成下单过程。该过程在AIMDA和AISAS等决策周期模型中已经介绍。触脉提出的T-Attribution基于对广告渠道效果的评估理解，提出了可自定义计算维度、渠道、追溯期等灵活定义和计算方法，目标是满足客户多场景下定制化归因模型的计算。
card_travel
自定义归因维度
可基于cookieID（唯一访客）做客户主体识别，也可基于任意定义定义的唯一ID做识别，例如手机号、设备号、CRM ID、邮箱等。
trending_up
灵活的追溯周期
支持任意追溯期的定义，例如最短1天，最长以客户拥有的数据周期而定。
lightbulb_outline
支持多种归因计算方法
首次归因、最终归因、线性归因、平均归因、时间衰减归因、最终非直接归因、基于位置的归因等数十个方法，还可以根据客户需求新增。
使用原始数据
计算自定义归因，只需从客户的流量或用户行为采集系统导出原始数据即可，任何能具备原始数据级别的工具皆可，例如Adobe Analytics、Google Analytics等。这些数据可以来自于API、也可以是原始数据文件。
灵活定义计算过程
追溯周期可根据转化属性和周期灵活控制，归因目标除了订单转化还可以支持其他自定义目标，计算的去重逻辑主体可以是各种用户唯一识别ID，归因方法包含当前市场各种方法并可灵活定义，计算的维度除了广告渠道还可以计算设备、浏览器等，只有客户认为有价值的维度都能做归因计算。
灵活的部署方式
T-Attribution可在客户本地部署，所有的流程都可运行于客户私有云或本地环境下，方便客户做二次利用以及多系统的数据整合。当然，如果客户愿意，放到触脉的云服务器上也可以执行。
数据清洗过程控制
在数据采集过程中，可能由于各种原因导致数据采集时出现缺失、重复、错误等失真的情况。触脉的整个过程，允许可以将不同的清洗过程加入其中，满足对数据质量、过程的高标准的控制，以期得到更加可信的结果。
T-Attribution主要定义特性
T-Attribution可通过配置自定义归因的起止时间，归因维度以及转化目标，方便通过自定义的配置做自定义归因分析。
