
Source 推出面向 AI 代理的归因数据层,用于追踪营销管道来源
来源标题:Show HN: Source – The attribution data layer for agents to drive pipeline
Source 发布了一套归因数据层,让 AI 代理接入站点后自动追踪从广告曝光到成交的完整买家路径。它能记录未点击广告带来的浏览归因,并与点击归因并列对比,同时抓取 UTM、来源及 Google Search Console 的自然搜索查询。Source 已上架 OpenAI 市场,也可通过 MCP 接入 Cursor 和 Claude。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
你的 agent 把 Source 代码片段加到你的网站上,并确认 session 已到位。 把预算转移到那些访问能转化为 pipeline 的渠道。 从出现在成交旅程中的页面里挑选 AEO 和 SEO 主题。 按计划向团队发布按渠道划分的归因结果。 把 https://api.source.app/mcp 添加为自定义连接器,然后登录 Source。 Source 已列入 OpenAI marketplace,你可以直接从那里把它添加到 ChatGPT。 在 Source 中打开 Settings,然后进入 API keys,从 Connect an AI client 复制 Cursor 配置。 用你的 API key 运行 claude mcp add。完整命令在 Connect an AI client 下面。 每个买家一条路径,从第一次广告曝光一直到成交。 当买家后来预约会议或成交时,Source 会把买家看到但从未点击的那条广告计入功劳。浏览归因和点击归因并排显示在同一条路径上,方便你对比两者。 Source 会记录每次访问的 UTM 和 referrer,因此你外呼序列里的带标签链接会和广告、内容落在同一条路径上。把通话和会议作为线下触点添加进去,然后就能追问哪些序列带来了 pipeline。 Source 从 Google Search Console 拉取自然搜索 query,并估算每个联系人是被哪个 query 带来的,同时给出置信度分数。看看哪些搜索最终转化成了会议和成交。 每个触点都会按六种模型各带一个权重:first touch、last touch、linear、position based,以及 linear 和 exponential time decay。切换模型就能看到功劳如何在渠道之间转移。 你的 agent 会找到相关表、执行查询,并展示它的工作过程。每个答案都附带背后的 SQL,方便你核对每个数字是怎么算出来的。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。