下列其中一種歸因模式採用機器學習演算法，為不同接觸點發生的轉換分配功勞。請問這種歸因模式是什麼？

「以數據為準」歸因模式（Data-Driven Attribution, DDA）是唯一一種利用機器學習演算法分析您帳戶的轉換路徑數據，以動態分配功勞給不同接觸點的歸因模式。它會根據每個接觸點對轉換的實際增量影響來分配功勞，因此是最精確且客觀的選擇。 其他選項的歸因模式都是基於預設規則： 「最終點擊」將所有功勞歸因於轉換前的最後一個點擊。 「最初點擊」將所有功勞歸因於轉換路徑中的第一個點擊。 「時間衰減」則會將較接近轉換時間的接觸點分配較多功勞，但這些都是固定規則，而非透過機器學習動態調整。