Metriktyp und Attribution

Sie können den Metriktyp und Attributionsmodell) fürMetrik in einer Definition einer berechneten Metrik konfigurieren.

  1. Wählen Einstellung in der Metrikkomponente aus.

  2. Im Popup-Dialogfeld:

    Metriktyp und Attribution

    • Geben Sie den Metriktyp an:

      table 0-row-2 1-row-2 2-row-2
      Metriktyp Definition
      Standard

      Wenn eine Formel aus einer einzelnen Standardmetrik besteht, zeigt sie identische Daten für das nicht berechnete Metrik-Gegenstück an. Standardmetriken sind nützlich, um für jeden einzelnen Zeileneintrag spezifische berechnete Metriken zu erstellen.

      Beispielsweise nimmt Ereignis Bestellungen Teilen Ereignis Sitzungen die Bestellungen für diesen bestimmten Zeileneintrag und teilt ihn durch die Anzahl der Sitzungen für diesen bestimmten Zeileneintrag.

      Gesamtsumme

      Verwenden Sie Gesamtsumme für den Berichtszeitraum in jedem Zeileneintrag. Wenn eine Formel aus einer einzelnen Gesamtsummenmetrik besteht, zeigt die berechnete Metrik dieselbe Gesamtsummenzahl für jeden Zeileneintrag an. Gesamtmetriken sind nützlich, wenn Sie berechnete Metriken erstellen möchten, die mit den Gesamtdaten verglichen werden.

      Zum Beispiel zeigt Ereignis Bestellungen Teilen Ereignis Total Sessions den Anteil der Bestellungen an allen Sitzungen, nicht nur an den Sitzungen für den bestimmten Zeileneintrag. In diesem Beispiel geben Sie Gesamtsumme für die Metrik Ereignis Sitzungen in Ihrer berechneten Metrik an, wodurch sie automatisch in Ereignis Gesamtsitzungen umgewandelt wird.

    • Geben Sie Attribution an.

      1. Sie haben folgende Möglichkeiten:

        • Deaktivieren Sie Nicht-standardmäßiges Attributionsmodell verwenden, um das standardmäßige Spalten-Attributionsmodell „Letztkontakt“ mit einem Lookback-Fenster von 30 Tagen zu verwenden.

        • Aktivieren Nicht-standardmäßiges Attributionsmodell verwenden. Im Dialogfeld Spalten-Attributionsmodell

          • Wählen Sie Attributionsmodelle Modell“ aus.
          • Wählen Sie ein Lookback-Fenster aus. Wenn Sie Benutzerdefinierte Zeit auswählen, können Sie den Zeitraum in Minute(n) bis zu Quartal(en) definieren. Weitere Informationen finden unterLookback-Fenster)
      2. Wählen Anwenden, um das nicht standardmäßige Attributionsmodell anzuwenden. Wählen Sie Abbrechen aus, um abzubrechen.

      Wenn Sie bereits ein nicht standardmäßiges Attributionsmodell definiert haben, wählen Sie Bearbeiten aus, um die Auswahl zu ändern.

Ein fürVerwendung eines Attributionsmodells und eines Lookback-Fensters finden Sie unter „Beispiel“.

Attribution attribution

Ein Attributionsmodell bestimmt, welchen Dimensionselementen eine Metrik gutgeschrieben wird, wenn im Lookback-Fenster einer Metrik mehrere Werte angezeigt werden. Attributionsmodelle werden nur angewendet, wenn im Lookback-Fenster mehrere Dimensionselemente festgelegt sind. Wenn nur ein einzelnes Dimensionselement festgelegt ist, erhält dieses Dimensionselement unabhängig vom verwendeten Attributionsmodell eine 100%ige Gutschrift.

Symbol
Attributionsmodell
Definition
Letztkontakt
Letztkontakt
100 % werden dem Touchpoint zugeschrieben, der zuletzt vor der Konversion aufgetreten ist. Dieses Attributionsmodell ist in der Regel der Standardwert für jede Metrik, bei der kein anderes Attributionsmodell angegeben ist. Unternehmen verwenden dieses Modell in der Regel, wenn die Konversionszeit relativ kurz ist, z. B. bei der Analyse interner Suchbegriffe.
Erstkontakt
Erstkontakt
Gibt dem Touchpoint, der zuerst im Attributions-Lookback-Fenster angezeigt wird, eine 100%ige Gewichtung. Unternehmen verwenden dieses Modell in der Regel, um Markenwahrnehmung oder Kundenakquise zu verstehen.
Linear
Linear
Gibt jedem Touchpoint vor der Konversion dieselbe Gewichtung. Dies ist besonders dann nützlich, wenn die Konversionszyklen länger sind oder häufiger Kundeninteraktionen erfordern. Unternehmen verwenden in der Regel dieses Attributionsmodell zur Messung der Effektivität von Mobile-App-Benachrichtigungen oder mit abonnementbasierten Produkten.
Beitrag
Beitrag
100 % Gewichtung für alle eindeutigen Touchpoints. Da jeder Touchpoint zu 100 % angerechnet wird, summieren sich die Daten von Metriken in der Regel auf mehr als 100 %. Wenn ein Dimensionselement mehrmals separat angezeigt wird, was zu einer Konversion führt, werden die Werte auf 100 % dedupliziert. Dieses Attributionsmodell ist ideal in Situationen, in denen Sie verstehen möchten, welche Touchpoints Kundinnen und Kunden am meisten ausgesetzt sind. Medienunternehmen verwenden dieses Modell normalerweise zur Berechnung der Inhaltsgeschwindigkeit. Einzelhandelsorganisationen verwenden dieses Modell in der Regel, um zu verstehen, welche Teile ihrer Site für die Konversion wichtig sind.
Selber Kontakt
Selber Kontakt
Gibt dem Ereignis, bei dem die Konversion stattgefunden hat, eine 100%ige Gutschrift. Wenn ein Touchpoint nicht im selben Ereignis wie eine Konversion auftritt, wird er in Buckets unter „None“ („Keine„) erfasst. Dieses Attributionsmodell wird manchmal damit gleichgesetzt, dass es gar kein Attributionsmodell hat. Dies ist nützlich in Szenarien, in denen Sie keine Werte von anderen Ereignissen wünschen, die beeinflussen, wie eine Metrik Dimensionselementen zuordnet. Produkt- oder Design-Teams können dieses Modell verwenden, um die Effektivität einer Seite zu bewerten, auf der Konversionen stattfinden.
U-förmig
U-Form
Der ersten Interaktion werden 40 % zugeschrieben, der letzten Interaktion 40 %. Die verbleibenden 20 % werden auf alle dazwischen liegenden Touchpoints aufgeteilt. Bei Konversionen mit einem einzigen Touchpoint werden diesem 100 % zugeschrieben. Bei Konversionen mit zwei Touchpoints werden beide mit 50 % angerechnet. Dieses Attributionsmodell eignet sich am besten für Szenarien, in denen Sie die erste und letzte Interaktion am meisten schätzen, aber zusätzliche Interaktionen dazwischen nicht völlig ausschließen möchten.
J-Kurve
J-Kurve
Der letzten Interaktion werden 60 % zugeschrieben, der ersten Interaktion werden 20 % zugeschrieben. Die restlichen 20 % werden auf alle dazwischen liegenden Touchpoints aufgeteilt. Bei Konversionen mit einem einzigen Touchpoint werden diesem 100 % zugeschrieben. Bei Konversionen mit zwei Touchpoints werden der letzten Interaktion 75 % und der ersten 25 % zugeschrieben. Ähnlich wie U-förmig begünstigt dieses Attributionsmodell die erste und die letzte Interaktion, stärker jedoch die letzte Interaktion.
Umgekehrt J
Umgekehrtes J
Der ersten Interaktion werden 60 % zugeschrieben, der letzten Interaktion 20 %. Die verbleibenden 20 % werden auf alle dazwischen liegenden Touchpoints aufgeteilt. Bei Konversionen mit einem einzigen Touchpoint werden diesem 100 % zugeschrieben. Bei Konversionen mit zwei Touchpoints werden der ersten Interaktion 75 % und der letzten Interaktion 25 % zugeschrieben. Ähnlich wie J-förmig bevorzugt dieses Attributionsmodell die erste und die letzte Interaktion, stärker jedoch die erste Interaktion.
Zeitverfall
Zeitabfall
Folgt einem exponentiellen Abfall mit einem benutzerdefinierten Parameter für die Halbwertszeit, wobei der Standardwert 7 Tage ist. Die Gewichtung der einzelnen Kanäle hängt von der Zeit ab, die zwischen dem Beginn des Touchpoints und der letztendlichen Konversion verstrichen ist. Die Formel, die zur Bestimmung der Gewichtung verwendet wird, lautet 2^(-t/halflife), wobei t die Zeit zwischen einem Touchpoint und einer Konversion ist. Alle Berührungspunkte werden dann auf 100 % normalisiert. Ideal für Szenarien, in denen Sie die Attribution anhand eines bestimmten und signifikanten Ereignisses messen möchten. Je länger nach diesem Ereignis eine Konversion stattfindet, desto weniger Anerkennung wird erhalten.
Benutzerspezifisch
Anpassen
Hier können Sie die Gewichtungen angeben, die Sie dem ersten Touchpoint, dem letzten Touchpoint und allen dazwischen liegenden Touchpoints zuweisen möchten. Die angegebenen Werte werden auf 100 % normalisiert, selbst wenn die eingegebenen benutzerdefinierten Zahlen zusammen nicht 100 ergeben. Bei Konversionen mit einem einzigen Touchpoint werden diesem 100 % zugeschrieben. Bei Interaktionen mit zwei Touchpoints wird der mittlere Parameter ignoriert. Der erste und der letzte Berührungspunkt werden dann auf 100 % normalisiert und die Gutschrift wird entsprechend zugewiesen. Dieses Modell eignet sich ideal für Analysten, die die volle Kontrolle über ihr Attributionsmodell haben möchten und spezifische Anforderungen haben, die andere Attributionsmodelle nicht erfüllen.
Algorithmisch
Algorithmisch
Verwendet statistische Verfahren, um die optimale Zuordnung von Gutschriften für die ausgewählte Metrik dynamisch zu bestimmen. Der für die Zuordnung verwendete Algorithmus basiert auf der Harsanyi-Dividende aus der kooperativen Spieltheorie. Die Harsanyi-Dividende ist eine Verallgemeinerung der Shapley-Wertlösung (die nach Lloyd Shapley, einem Nobelpreisträger für Ökonomie, benannt wurde) zur Verteilung von Gutschriften unter den Spielern in einem Spiel mit ungleichen Beiträgen zum Ergebnis.
Auf hoher Ebene wird die Attribution als eine Koalition von Akteuren berechnet, an die ein Überschuss gerecht verteilt werden muss. Die Überschussverteilung jeder Koalition wird anhand des Überschusses bestimmt, der zuvor von jeder Subkoalition (oder zuvor teilnehmenden Dimensionselementen) rekursiv erzeugt wurde. Weitere Einzelheiten finden Sie in John Harsanyis und Lloyd Shapleys Originaldokumenten:
Shapley, Lloyd S. (1953). A value for n-person games. Contributions to the Theory of Games, 2(28), 307-317.
Harsanyi, John C. (1963). A simplified bargaining model for the n-person cooperative game. International Economic Review 4(2), 194-220.

Lookback-Fenster lookback-window

Ein Lookback-Fenster ist der Zeitraum, der für eine Konversion rückblickend bei der Erfassung von Touchpoints berücksichtigt werden sollte. Wenn ein Dimensionselement außerhalb des Lookback-Fensters festgelegt wird, wird der Wert in keine Attributionsberechnungen einbezogen.

  • 14 Tage: Schaut bis zu 14 Tage nach dem Zeitpunkt zurück, an dem die Konvertierung stattgefunden hat.
  • 30 Tage: Sieht bis zu 30 Tage nach dem Zeitpunkt der Konvertierung zurück.
  • 60 Tage: Sieht bis zu 60 Tage nach dem Zeitpunkt der Konvertierung zurück.
  • 90 Tage: Sieht bis zu 90 Tage nach dem Zeitpunkt der Konvertierung zurück.
  • Sitzung: Schaut zurück auf den Anfang der Sitzung, in der eine Konversion stattgefunden hat. Sitzungs-Lookback-Fenster berücksichtigen das Sitzungs-Timeout in einer Datenansicht.
  • Person (Reporting-Fenster): Zeigt alle Besuche bis zum ersten des Monats des aktuellen Datumsbereichs an. Wenn der Datumsbereich des Berichts beispielsweise der 15. September bis zum 30. September ist, umfasst der Datumsbereich des Personen-Lookback den 1. September bis zum 30. September. Wenn Sie dieses Lookback-Fenster verwenden, können Sie gelegentlich sehen, dass Dimensionselemente Datumsangaben außerhalb Ihres Reporting-Fensters zugeordnet werden.
  • Benutzerdefinierte Zeit: Ermöglicht es Ihnen, ein benutzerdefiniertes Lookback-Fenster festzulegen, das anzeigt, wann eine Konversion stattgefunden hat. Sie können die Anzahl der Minuten, Stunden, Tage, Wochen, Monate oder Quartale angeben. Wenn beispielsweise am 20. Februar eine Konversion stattgefunden hat, würden in einem Lookback-Fenster von fünf Tagen alle Dimensions-Touchpoints vom 15. bis 20. Februar im Attributionsmodell ausgewertet.

Attributionsbeispiel attribution-example

Siehe folgendes Beispiel:

  1. Am 15. September kommt eine Person über eine Paid-Search-Anzeige auf Ihre Website und verlässt sie.
  2. Am 18. September kommt die Person über einen Social-Media-Link, den sie von einem Freund erhalten hat, wieder auf Ihre Website. Er fügt mehrere Artikel zum Warenkorb hinzu, erwirbt aber nichts.
  3. Am 24. September sendet Ihr Marketing-Team eine E-Mail mit einem Coupon für einige der Artikel im Warenkorb. Der Coupon wird angewendet, der Besucher ruft aber mehrere andere Websites auf, um zu sehen, ob andere Coupons verfügbar sind. Er findet einen weiteren über eine Display-Anzeige und kauft dann letztendlich für 50 Euro ein.

Je nach Lookback-Fenster und Attributionsmodell erhalten Kanäle eine unterschiedliche Gewichtung. Im Folgenden finden Sie einige Beispiele:

  • Mit Erstkontakt und einem Sitzungs-Lookback-Fenster betrachtet die Attribution nur den dritten Besuch. E-Mail kam vor Display-Anzeige, sodass E-Mail 100 % des Kaufs von 50 Euro zugeschrieben werden.

  • Mit Erstkontakt und einem Personen-Lookback-Fenster untersucht die Attribution alle drei Besuche. Paid Search kam zuerst, sodass Paid Search 100 % des Kaufs von 50 Euro zugeschrieben werden.

  • Mit linear und einem Sitzungs-Lookback-Fenster wird die Gutschrift auf E-Mail und Anzeige aufgeteilt. Beide Kanäle erhalten jeweils einen Kredit von 25 Dollar.
    Bei Verwendung linear und eines Personen-Lookback-Fensters wird die Gutschrift auf Paid Search, Social, E-Mail und Display aufgeteilt. Jedem Kanal werden für diesen Kauf 12,50 Euro zugeschrieben.

  • Mithilfe J-förmigen und eines Personen-Lookback-Fensters wird die Gutschrift auf Paid Search, Social, E-Mail und Display aufgeteilt.

    • Der Display-Anzeige werden 60 %, also 30 Euro, zugeschrieben.
    • Paid Search werden 20 %, also 10 Euro, zugeschrieben.
    • Die restlichen 20 % werden zwischen Social Media und E-Mail aufgeteilt (jeweils 5 Euro).
  • Mithilfe Zeitverfalls und eines Personen-Lookback-Fensters wird die Gutschrift auf Paid Search, Social, E-Mail und Display aufgeteilt. Verwendung der standardmäßigen 7-Tage-Halbwertszeit:

    • Intervall von null Tagen zwischen Touchpoint-Display und Konversion. 2^(-0/7) = 1

    • Lücke von null Tagen zwischen E-Mail-Touchpoint und Konversion. 2^(-0/7) = 1

    • Lücke von sechs Tagen zwischen Social Touchpoint und Konversion. 2^(-6/7) = 0.552

    • Intervall von neun Tagen zwischen Paid Search-Touchpoint und Konversion. 2^(-9/7) = 0.41

    • Die Normalisierung dieser Werte führt zu Folgendem:

      • Display-Anzeige: 33,8 %, 16,88 Euro
      • E-Mail: 33,8 %, 16,88 Euro
      • Social Media: 18,6 %, 9,32 Euro
      • Paid Search: 13,8 %, 6,92 Euro

Konversionsereignisse, die in der Regel Ganzzahlen aufweisen, werden aufgeteilt, wenn das Guthaben zu mehr als einem Kanal gehört. Wenn beispielsweise zwei Kanäle zu einer Reihenfolge beitragen, die ein lineares Attributionsmodell verwendet, erhalten beide Kanäle 0,5 dieser Reihenfolge. Diese partiellen Metriken werden für alle Personen summiert und dann zur Berichterstellung auf die nächste Ganzzahl gerundet.

recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79