Spalteneinstellungen

Mithilfe der Spalteneinstellungen können Sie die Spaltenformatierung konfigurieren. Einige davon sind bedingt.

recommendation-more-help

Unter VideoCheckedOut Zeilen- und Spalteneinstellungen in einer Freiformtabelle finden Sie ein Demovideo.

In diesem Video wird die Funktionalität von Adobe Analytics veranschaulicht. Die Funktionalität ist jedoch in ähnlicher Weise in Customer Journey Analytics verfügbar. Achten Sie auf die terminologischen Unterschiede zwischen Adobe Analytics und Customer Journey Analytics (z. B. Besuche und Sitzungen).

Um auf Spalteneinstellungen zuzugreifen, wählen Sie Spalteneinstellungen in der Spaltenüberschrift aus.

Spalteneinstellungen

Sie können Einstellungen für mehrere Spalten gleichzeitig bearbeiten. Wählen Sie mehrere Spalten und dann Setting in einer der ausgewählten Spalten aus. Sämtliche Änderungen, die Sie vornehmen, werden auf die markierten Zellen aller Spalten angewendet.

Option
Beschreibung
Summen anzeigen
Zeigt eine Client-seitige Summe der Spalte an. Bei dieser Summe werden Metriken wie Sitzungen oder Personen nicht dedupliziert.
Gesamtsumme anzeigen
Zeigt eine Server-seitige Summe der Spalte an. Bei dieser Gesamtsumme werden Metriken wie Sitzungen oder Personen dedupliziert.
Sparkline zeigen
Zeigt ein Liniendiagramm in der Spaltenüberschrift an.
Nummer
Bestimmt, ob in einer Zelle der numerische Wert der Metrik ein-/ausgeblendet wird. Ist die Metrik beispielsweise „Seitenansichten“, ist der numerische Wert die Anzahl an Seitenansichten für dieses Zeilenelement.
Prozent
Bestimmt, ob in einer Zelle der Prozentwert der Metrik ein-/ausgeblendet wird. Ist die Metrik beispielsweise „Seitenansichten“, ist der Prozentwert die Anzahl an Seitenansichten für dieses Zeilenelement geteilt durch die Gesamtanzahl der Seitenansichten für diese Spalte. Hinweis: Prozentsätze über 100 % sind möglich, um Genauigkeit sicherzustellen. Die Obergrenze kann auf 1.000 % verschoben werden, um zu verhindern, dass die Spaltenbreite zu groß wird.
Anomalien zeigen
Bestimmen Sie, ob die Anomalieerkennung für die Werte dieser Spalte ausgeführt wird.
Prognose anzeigen
Bestimmen Sie, ob Prognosewerte in dieser Spalte angezeigt werden.
Kopfzeilentext umbrechen
Lassen Sie den Kopfzeilentext in Freiformtabellen umbrechen, damit Kopfzeilen besser lesbar und Tabellen einfacher freizugeben sind. Ein Umbruch ist beim PDF-Rendern und für Metriken mit langen Namen nützlich. Standardmäßig aktiviert.
Null nicht als Wert interpretieren
Bestimmen Sie, ob in Zellen mit 0-Wert eine 0 oder eine leere Zelle angezeigt wird. Diese Interpretation ist nützlich, wenn Sie die Daten für einzelne Tage eines Monats anzeigen und einige Tage noch in der Zukunft liegen. Statt für in der Zukunft liegende Daten eine 0 anzuzeigen, werden stattdessen leere Zellen angezeigt. Diagramme berücksichtigen diese Einstellung ebenfalls (die Diagramme zeigen also keine Linie bzw. keinen Balken mit 0-Werten an).
Hintergrund
Bestimmen Sie, ob in einer Zelle alle Zellformatierungen ein-/ausgeblendet werden, einschließlich Balkendiagramm und bedingter Formatierung
Balkendiagramm
Zeigte ein horizontales Balkendiagramm mit dem Zellenwert in Relation zum Gesamtwert der Spalte an.
Bedingte Formatierung
Verwendet eine bedingte Formatierung. Weitere Informationen dazu finden Sie im unten stehenden Abschnitt.
Vorschau der Tabellenzelle
Zeigt die jeweiligen Zellen mit allen ausgewählten Formatierungsoptionen in einer Vorschau an.
Nicht standardmäßiges Attributionsmodell verwenden
Zum Verwenden eines nicht standardmäßigen Attributionsmodells. Weitere Informationen dazu finden Sie im unten stehenden Abschnitt.

Bedingte Formatierung conditional-formatting

Die bedingte Formatierung gilt für Obergrenzen, Mittelwerte und Untergrenzen, die Sie definieren können. Das Anwenden bedingter Formatierung (Farben usw.) in Freiformtabellen ist bei Aufschlüsselungen ebenfalls automatisch aktiviert, sofern keine benutzerdefinierten Beschränkungen ausgewählt sind.

Bedingte Formatierung

Optionen der bedingten Formatierung
Beschreibung
Prozentuale Limits verwenden
Ändert das Limit so, dass es auf Prozentsätzen basiert anstatt auf absoluten Werten. Ein Bereich prozentualer Limits funktioniert bei Metriken, die rein prozentbasiert sind (beispielweise Absprungrate) und eine Anzahl sowie einen Prozentsatz aufweisen (beispielsweise Seitenansichten).
Automatisch erstellt
Obere/mittlere/untere Limits automatisch auf Basis der Daten berechnen. Die Obergrenze entspricht dem höchsten Wert in dieser Spalte. Die Untergrenze entspricht dem niedrigsten Wert und der Mittelpunkt ist der Durchschnittswert der Ober- und der Untergrenze.
Benutzerspezifisch
Weisen Sie Oberes Limit, Mittel und Unteres Limit manuell zu. Mit Limits können Sie flexibel bestimmen, ob der Wert einer Spalte als gut, durchschnittlich oder schlecht angesehen wird.
Bedingte Formatierungspalette
Wendet einen vorkonfigurierten Farbsatz auf Zellen an. Je nachdem, welches der vier ausgewählten Farbschemata verwendet wird, werden hohen, mittleren und niedrigen Werten unterschiedliche Farben zugewiesen.
Wenn Sie eine Dimension in der Tabelle ersetzen, werden die Grenzwerte für die bedingte Formatierung zurückgesetzt. Wenn Sie eine Metrik ersetzen, werden die Grenzwerte für diese Spalte zurückgesetzt (dabei wird eine Metrik auf der x-Achse und eine Dimension auf der y-Achse dargestellt).

Verwenden eines nicht standardmäßigen Attributionsmodells use-non-default-attribution-model

Sie können das standardmäßige Attributionsmodell überschreiben, das in "" konfiguriert.

NOTE
Beachten Sie Folgendes, wenn Sie die Attribution einer Komponente auf ein nicht standardmäßiges Attributionsmodell aktualisieren:
  • 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 verwenden Sie ein nicht standardmäßiges Attributionsmodell für eine Metrik in einer Analysis Workspace:

  1. Wählen Sie Nicht standardmäßiges Zuordnungsmodell verwenden aus. Wenn die Option ausgewählt ist, verwenden Sie Bearbeiten, um das Attributionsmodell zu bearbeiten. Um zum standardmäßigen Attributionsmodell zurückzukehren, haben Sie die Auswahl auf.

    Spalteneinstellungsoptionen mit aktivierter Option „Dateneinstellungen“: Nicht standardmäßiges Zuordnungsmodell verwenden

  2. Wählen Sie unter Attributionsmodell mit Spalten ein Modell und ein Lookback-Fenster aus. Das Lookback-Fenster bestimmt das Fenster der Datenattribution, das für jede Konversion angewendet wird.

    „Attributionsmodell mit Spalten“ mit ausgewählter Option „Linear“

Attributionsmodelle

Ein Attributionsmodell bestimmt, welchen Dimensionselementen eine Metrik zugeschrieben 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, werden diesem Dimensionselement unabhängig vom verwendeten Attributionsmodell 100 % zugeschrieben.

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. Organisationen verwenden dieses Modell in der Regel, wenn die Konversionszeit relativ kurz ist, z. B. bei der Analyse interner Suchbegriffe.
Erstkontakt
Erstkontakt
100 % werden dem Touchpoint zugeschrieben, der zuerst im Attributions-Lookback-Fenster angezeigt wird. Organisationen verwenden dieses Modell in der Regel, um Markenwahrnehmung oder Kundenakquise zu verstehen.
Linear
Linear
Ermöglicht dieselbe Gewichtung für jeden Touchpoint, der vor einer Konversion erfolgte. Dies ist nützlich, wenn die Konversionszyklen länger sind oder häufiger Kundeninteraktionen erfordern. Organisationen verwenden dieses Attributionsmodell in der Regel zur Messung der Effektivität von App-Benachrichtigungen oder mit abonnementbasierten Produkten.
Beitrag
Beitrag
100 % Gewichtung für alle eindeutigen Touchpoints. Da jedem Touchpoint zu 100 % Gewichtung zugeschrieben werden, 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, welchen Touchpoints Kundinnen und Kunden am meisten ausgesetzt sind. Medienunternehmen verwenden dieses Modell in der Regel zur Berechnung der Inhaltsgeschwindigkeit. Einzelhandelsunternehmen verwenden dieses Modell in der Regel, um zu verstehen, welche Teile ihrer Site für die Konversion von entscheidender Bedeutung sind.
Selber Kontakt
Selber Kontakt
100 % werden demselben Ereignis zugeschrieben, bei dem die Konversion erfolgte. Wenn ein Touchpoint nicht bei demselben Ereignis erfolgt wie eine Konversion, wird er unter „Keine“ zusammengefasst. Dieses Attributionsmodell wird manchmal damit gleichgesetzt, dass gar kein Attributionsmodell vorhanden ist. Dies ist nützlich in Szenarien, in denen Werte von anderen Ereignissen nicht beeinflussen sollen, wie eine Metrik Dimensionselementen eine Gewichtung zuschreibt. Produkt- oder Design-Teams können dieses Modell verwenden, um die Effektivität einer Seite zu bewerten, auf der die Konversion auftritt.
U-Form
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 jedem 50 % zugeschrieben. Dieses Attributionsmodell eignet sich am besten für Szenarien, in denen Sie der ersten und letzten Interaktion den höchsten Wert zuweisen, 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 % zugeschrieben und der ersten 25 %. Ähnlich wie „U-Form“ begünstigt dieses Attributionsmodell die erste und die letzte Interaktion, wobei die letzte Interaktion stark bevorzugt wird.
Umgekehrtes 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 % zugeschrieben und der letzten 25 %. Ähnlich wie „J-Form“ begünstigt dieses Attributionsmodell die erste und die letzte Interaktion, wobei die erste Interaktion stark bevorzugt wird.
Zeitverfall
Zeitverfall
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 Touchpoints werden dann auf 100 % normalisiert. Ideal für Szenarien, in denen die Attribution anhand eines bestimmten und bedeutenden Ereignisses gemessen werden soll. Je später eine Konversion nach einem Marketing-Ereignis erfolgt, desto geringer ist die zugeschriebene Gewichtung.
Benutzerspezifisch
Anpassen
Ermöglicht Ihnen die Angabe der Gewichtungen, die Sie für den ersten Touchpoint, den letzten Touchpoint und dazwischen liegende Touchpoints festlegen 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. Die ersten und letzten Touchpoints werden dann auf 100 % normalisiert und die Gewichtung wird entsprechend zugeschrieben. Dieses Modell ist ideal für Analystinnen und Analysten, die eine vollständige Kontrolle über ihr Attributionsmodell wünschen und spezielle Bedürfnisse haben, die andere Zuordnungsmodelle nicht erfüllen.
Algorithmisch
Algorithmisch
Verwendet statistische Verfahren, um die optimale Zuordnung 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 Spielenden berechnet, an die ein Überschuss gerecht verteilt werden muss. Die Überschusshöhe jeder Koalition wird nach dem Überschuss bestimmt, der zuvor von jeder Unterkoalition (oder zuvor teilnehmenden Dimensionselementen) rekursiv erzeugt wurde. Weitere Informationen 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.

Container

Ein Attributions-Container definiert den gewünschten Umfang für die Attribution. Mögliche Optionen sind:

  • Sitzung: Blickt bis zum Beginn einer Sitzung zurück, in der eine Konversion stattgefunden hat. Sitzungs-Lookback-Fenster berücksichtigen das geänderte Sitzungs-Timeout in einer Datenansicht.
  • Person: Untersucht Konversionen ausgehend vom Umfang des Personen-Containers.
  • Globales Konto [B2B Edition]{class="badge informative"}: Untersucht Konversionen ausgehend vom Umfang des Containers für globale Konten.
  • Konten [B2B Edition]{class="badge informative"}: Untersucht Konversionen ausgehend vom Umfang des Personen-Containers.
  • Opportunity [B2B Edition]{class="badge informative"}: Untersucht Konversionen ausgehend vom Umfang des Opportunity-Containers.
  • Käufergruppe [B2B Edition]{class="badge informative"}: Untersucht Konversionen ausgehend vom Umfang des Käufergruppen-Containers.

Lookback-Fenster

Ein Attributions-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: Blickt bis zu 14 Tage nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • 30 Tage: Blickt bis zu 30 Tage nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • 60 Tage: Blickt bis zu 60 Tage nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • 90 Tage: Blickt bis zu 90 Tage nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • 13 Monate [B2B Edition]{class="badge informative"}: Blickt bis zu 13 Monate nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • Benutzerdefinierte Zeit: Ermöglicht es Ihnen, ein benutzerdefiniertes Lookback-Fenster ab dem Zeitpunkt festzulegen, an dem eine Konversion stattgefunden hat. Sie können die Anzahl der Minuten, Stunden, Tage, Wochen, Monate oder Quartale angeben. Beispiel: Bei einer Konversion am 20. Februar würde ein Lookback-Fenster von fünf Tagen alle Touchpoints der Dimension vom 15. bis 20. Februar im Attributionsmodell auswerten.

Beispiel

Sehen Sie sich folgendes Beispiel an:

  1. Am 15. September gelangt eine Person über eine Paid Search-Anzeige zu Ihrer Site und verlässt sie dann.
  2. Am 18. September gelangt die Person über einen Link in sozialen Medien, den er von einer Freundin oder einem Freund erhalten hat, erneut auf Ihre Site. 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 Attributionsmodell erhalten Container und Kanäle unterschiedliche Gewichtungen. Beispiele finden Sie in der unten stehenden Tabelle:

Modell
Container
Lookback-Fenster
Erklärung
Erstkontakt
Sitzung
30 Tage
Die Attribution untersucht nur den dritten Besuch. E-Mail kam vor Display-Anzeige, sodass E-Mail 100 % des Kaufs in Höhe von 50 Euro zugeschrieben werden.
Erstkontakt
Person
30 Tage
Die Attribution untersucht alle drei Besuche. Paid Search kam zuerst, sodass Paid Search 100 % des Kaufs in Höhe von 50 Euro zugeschrieben werden.
Linear
Sitzung
30 Tage
Die Gewichtung wird zwischen E-Mail und Display-Anzeige aufgeteilt. Beiden Kanälen werden jeweils 25 Euro zugeschrieben.
Linear
Person
30 Tage
Die Gewichtung wird zwischen Paid Search, Social Media, E-Mail und Display-Anzeige aufgeteilt. Jedem Kanal werden für diesen Kauf 12,50 Euro zugeschrieben.
J-förmig
Person
30 Tage

Die Gewichtung wird zwischen Paid Search, Social Media, E-Mail und Display-Anzeige 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).
Zeitverfall
Person
30 Tage
  • Abstand von null Tagen zwischen Display-Touchpoint und Konversion. 2^(-0/7) = 1
  • Abstand von null Tagen zwischen E-Mail-Touchpoint und Konversion. 2^(-0/7) = 1
  • Abstand von sechs Tagen zwischen Social Media-Touchpoint und Konversion. 2^(-6/7) = 0.552
  • Abstand von 9 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 die Gewichtung mehr als einem Kanal zugeschrieben wird. Wenn beispielsweise zwei Kanäle mit einem linearen Attributionsmodell zu einer Bestellung beitragen, erhalten beide Kanäle 0,5 dieser Bestellung. Diese Teilmetriken werden über alle Personen summiert und dann zur Berichterstellung auf die nächste Ganzzahl gerundet.

[B2B Edition]{class="badge informative" title="Customer Journey Analytics B2B Edition"} Verwenden Sie bestimmte B2B-Container, z. B. „Konten“ oder „Opportunities“, und geeignetere Lookback-Fenster (bis zu 13 Monate), um die obigen Attributionsmodelle in typischen B2B-Szenarien anzuwenden.

080e5213-7aa2-40d6-9dba-18945e892f79