DokumentationCustomer Journey AnalyticsHandbuch zu Customer Journey Analytics

Attributions-Komponenteneinstellungen attribution-component-settings

Last update: Tue Jan 14 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Erstellt für:

  • Admin

Mit Attribution können Sie anpassen, wie Dimensionselemente für Erfolgsereignisse angerechnet werden.

Datenansichtsfenster mit hervorgehobener Option „Attribution festlegen“

z. B.:

  1. Eine Person auf Ihrer Site klickt auf einen Paid Search-Link, um eine Ihrer Produktseiten aufzurufen. Er fügt das Produkt zum Warenkorb hinzu, kauft es jedoch nicht.
  2. Am nächsten Tag sehen sie einen Social-Media-Beitrag von einem ihrer Freunde. Er klickt auf den Link und schließt den Kauf ab.

In einigen Berichten möchten Sie die Bestellung eventuell Paid Search zuordnen. In anderen Berichten möchten Sie die Bestellung eventuell Social Media zuordnen. Mithilfe von Attribution können Sie diesen Aspekt der Berichterstattung steuern.

Festlegen des standardmäßigen Attributionsmodells einer Komponente

Sie können ein standardmäßiges Attributionsmodell für eine bestimmte Metrik festlegen, indem Sie die Einstellung der Metrik in der Datenansicht aktualisieren. Dadurch wird das Attributionsmodell der Metrik bei jeder Verwendung in Analysis Workspace überschrieben.

NOTE
Beachten Sie beim Aktivieren der Attribution für eine Metrik Folgendes:

  • Bei Verwendung der Komponente in einem Bericht mit einer einzelnen Dimension: Die Attribution der Komponente ignoriert das Zuordnungsmodell, wenn ein nicht standardmäßiges Attributionsmodell verwendet wird.

  • Bei Verwendung der Komponente in einem Bericht mit mehreren Dimensionen: Die Attribution der Komponente behält das Zuordnungsmodell bei, wenn ein nicht standardmäßiges Attributionsmodell verwendet wird.

Mehrere Dimensionen sind nur beim Exportieren von Daten in die Cloud verfügbar.
Weitere Informationen zur Zuordnung finden Sie unter Persistenz - Komponenteneinstellungen.

So aktualisieren Sie das standardmäßige Attributionsmodell einer Komponente:

  1. Wechseln Sie zur Datenansicht, die die Komponente enthält, deren standardmäßiges Attributionsmodell Sie aktualisieren möchten.

  2. Wählen Sie die Komponente aus und erweitern Sie dann den Abschnitt Attribution auf der rechten Seite des Bildschirms.

    Datenansichtsfenster mit hervorgehobener Option „Attribution festlegen“

  3. Wählen Attribution festlegen und wählen Sie dann das Attributionsmodell Dropdown-Menü Attributionsmodell aus.

    Unter Attributionsmodelle erfahren Sie mehr über die einzelnen Attributionsmodelle.

  4. Wählen Sie Speichern und fortfahren aus.

TIP
Wenn Ihr Unternehmen verlangt, dass eine Metrik über mehrere Attributionseinstellungen verfügt, können Sie einen der folgenden Schritte ausführen:

  • Kopieren Sie die Metrik in die Datenansicht mit jeder gewünschten Attributionseinstellung. Sie können dieselbe Metrik mehrmals in eine Datenansicht einbeziehen, sodass jede Metrik eine andere Einstellung erhält. Achten Sie darauf, jede Metrik entsprechend zu kennzeichnen, damit Analysten bei der Berichterstellung den Unterschied zwischen diesen Metriken verstehen.

  • Überschreiben Sie die Metrik in Analysis Workspace. Wählen Sie in den Spalteneinstellungen einer Metrik Nicht-Standard-Attributionsmodell verwenden um das Attributionsmodell und das Lookback-Fenster der Metrik für diesen spezifischen Bericht zu ändern.

Attributionsmodelle attribution-models

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

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