UET标签：数据采集的起点
UET（Universal Event Tracking）标签是整套系统的基石。它本质上是一段JavaScript代码，广告主将其嵌入网站的所有页面。当用户访问页面时，UET标签会向微软的服务器发送一个“事件”信号。这个信号可以记录多种行为：页面浏览、加入购物车、下载文件，甚至自定义的按钮点击。关键在于，UET标签会在用户浏览器中写入一个匿名标识符（Cookie），这个标识符就像一张临时身份证，让系统能够将同一用户在不同页面上的行为串联起来。例如，用户先访问了产品页，再进入结算页，UET标签会记录下这两次事件，并关联到同一个标识符。
从点击到转化：数据如何匹配
当用户点击Bing广告时，广告链接中会附带一个名为“msclkid”的参数。这个参数被写入用户浏览器的Cookie中。随后，当用户触发UET标签记录的转化事件（如购买完成），系统会同时读取两个信息：当前用户的匿名标识符，以及之前存储的msclkid。通过比对，系统就能判断：这个转化行为是否源自那次Bing广告点击。这种匹配机制依赖于Cookie的持久性，通常有效期为90天。如果用户清除了Cookie或使用了不同设备，匹配就会失败——这也是跨设备追踪成为难题的原因。
归因模型：谁该获得功劳？
一个用户可能在转化前点击了多次Bing广告，或同时接触了自然搜索、社交媒体等多个渠道。归因模型就是用来分配“功劳”的规则。Bing广告默认采用“终点击”模型：转化功劳全部归于后一次点击的广告。但广告主也可以选择“线性归因”（平均分配）、“时间衰减归因”（越接近转化的点击权重越高）等模型。例如，某用户周一点击了品牌词广告，周三点击了产品词广告，周五完成购买。在终点击模型下，周三的产品词广告获得全部功劳；在线性模型下，两次点击各得50%。不同模型会显著影响广告效果的评估，因此选择时需结合业务目标。
技术挑战与演进
随着隐私法规趋严和浏览器限制第三方Cookie，传统追踪方式正面临挑战。微软已推出“转化API”作为补充方案，允许广告主从服务器端直接发送转化数据，减少对浏览器Cookie的依赖。同时，机器学习模型被用于填补数据缺口，通过分析用户行为模式来推断转化路径。这些演进让转化追踪在保护隐私的同时，依然能为广告优化提供可靠依据。
从UET标签的毫秒级信号采集，到归因模型的数学分配，Bing广告的转化追踪是一套融合了前端代码、数据匹配与统计逻辑的系统工程。理解其原理，不仅能帮助广告主更科学地评估效果，也能让普通用户意识到：每一次点击背后，都有一场关于数据与隐私的精密舞蹈。
