Dokumentation Analytics Werkzeugleitfaden

Spalteneinstellungen

Last update: Mon May 05 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Themen:

Erstellt für:

Benutzende
Admin

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

recommendation-more-help

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

style

shade-box

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

Spalteneinstellungen

Sie können Einstellungen für mehrere Spalten gleichzeitig bearbeiten. Wählen Sie mehrere Spalten und dann 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

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.

So verwenden Sie ein nicht standardmäßiges Attributionsmodell für eine Metrik in Analysis Workspace:

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.
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.

Attributionsmodelle

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

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

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

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

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

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-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

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.

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.

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.

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

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.
Besuch: Rückblick auf den Beginn des Besuchs, bei dem eine Konversion stattgefunden hat.
Besucher (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 Besucher-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.

Unter Dynamische Spalten finden Sie ein Demovideo.

style

shade-box

a83f8947-1ec6-4156-b2fc-94b5551b3efc