Compréhension Adobe Analytics panneau d’attribution et intervalles de recherche en amont
Quand j'ai pensé à la panneau d’attribution et intervalle de recherche en amont, le concept de "" m'a immédiatement rappelé.voyage à temps' Et puis, bien sûr, on m'a aussi rappelé que notre réponse typique à de nombreux nouveaux outils comme ceux-ci est simplement de reporter l'utilisation, parce qu'ils ont l'air si compliqués.
Je veux dire, honnêtement, regardez toutes ces options, ces interrupteurs, ces panneaux, ces lectures, et ces boutons. Et sérieusement, parlons de ces lumières clignotantes compliquées, des tuyaux, des jauges… WAIT!! Ce n'est pas le moment de se laisser distraire en parlant de machines à remonter le temps, nous n'avons tout simplement pas le temps… ou est-ce que nous en avons ?
J'admettrai que panneau d’attribution est un outil assez complexe ; cependant, notre travail typique d'analyste, jour après jour, consiste à utiliser un autre de nos outils favoris et très complexes pour également examiner ce qui s'est passé dans le passé. Cet outil s'appelle Adobe Analytics! Donc oui, pour répondre à notre question très pertinente, je crois que ces deux choses disent que nous avons beaucoup de temps.
Par conséquent, pourquoi devrions-nous laisser quelque chose comme une petite peur se mettre en travers de ces outils incroyables, sophistiqués et puissants comme ceux-ci qui nous permettent littéralement de regarder backward dans le temps, chaque jour ?
Après tout - c'est le TIME VOYAGE, les gars!! Nous parlons de ce genre de choses. Right???!!
Alors, qu'attendons-nous - une voiture en métal brillant, une boîte de police, ou une cabine téléphonique vintage utilisant le câblage d'un vieux parapluie comme antenne pour apparaître sur le pas de notre porte ?
Non! Nous avons quelque chose d'encore mieux, alors raccrochons-nous !
Eh bien… vous avez l'idée.
Maintenant que nous sommes tous excités par les voyages dans le temps, prenons une profonde inspiration, recuchons un peu, établissons ce que la panneau d’attribution vraiment est et décomposez un peu les éléments suivants :
Figure 1 - Nombre affiché en ligne avec le texte plus bas
Dans attribution, il vous suffit d’examiner la manière dont les événements/actions peuvent être causés par un individu, plusieurs individus ou l’un des nombreux événements différents au fil du temps.
Selon Adobe, attribution permet aux analystes de personnaliser la manière dont Dimension les éléments reçoivent un crédit pour événements de succès.
En fait, rarement un parcours client donné est vraiment linéaire et encore moins prévisible. De plus, chaque client procédera à son propre rythme ; il peut souvent doubler, bloquer, abandonner ou adopter un autre comportement non linéaire. Ces actions organiques rendent difficile ou pratiquement impossible de connaître l’impact des efforts marketing sur le parcours client. Cela complique également les efforts visant à relier plusieurs canaux de données.
C'est vrai. Laissez vos analogies de "domino" à la porte et ouvrez vos esprits à des concepts plus proches de l'effet papillon et de la théorie des cordes - mais comme tout le reste, nous devons commencer par quelques principes de base.
Modèles d’attribution
Lorsque nous utilisons la variable panneau d’attribution, nous pouvons commencer à observer plusieurs choses différentes. Par exemple, la variable modèles d’attribution Nous montrons comment notre conversions (c’est-à-dire ❶ mesures de succès) peut être réparti entre les accès dans un groupe donné.
Autrement dit, si 10 personnes appuyez sur BOUTON GRAND ROUGE pour passer par une porte, notre modèles d’attribution vont nous dire lequel de ceux-là 10 personnes nous voulons attribuer un "crédit" - ou mieux encore dire, comment many "crédit" que nous voulons leur attribuer - pour appuyer sur ce bouton.
En gardant cela à l’esprit, voici quelques exemples de la ❸ modèles d’attribution peuvent affecter les 10 personnes:
-
Première touche: ce modèle fonctionne exactement comme s’il était activé en donnant Crédit à 100 % à la fonction first qui passa par la porte. Les marketeurs sont plus susceptibles d’utiliser cette approche pour des tactiques telles que médias sociaux ou display Il s’agit toutefois d’une excellente tactique à utiliser souvent pour optimiser l’efficacité des recommandations de produits sur site.
-
Dernière touche: Cette tactique fonctionne aussi exactement comme elle semble, mais à la place, donne Crédit à 100 % à la DERNIÈRE personne qui traversa la porte. Ce modèle est généralement utilisé pour analyser des éléments comme recherche naturelle (organique) et autres court terme campagnes de cycle marketing.
-
Linéaire: ce modèle distribue un crédit égal à CHAQUE PERSONNE qui a franchi la porte.
note caution CAUTION Il est toutefois conseillé de faire attention, car vous avez la possibilité de diffuser vos résultats très rapidement lorsque vous appliquez cette tactique, en tenant compte du temps d’exécution et de l’audience plus grande qu’elle atteint. -
En forme de U: cette approche affecte 40 % du crédit à la variable première personne à la porte, des planches 20 % de l’ensemble du crédit tout le monde entre, puis donne 40 % à la fonction last one par . Ce modèle est le plus souvent utilisé dans les situations où vous avez une cycle de conversion/vente long contain plusieurs points de contact en chemin. Dans ce cas, votre objectif est de mettre principalement en évidence la variable first et last tactiques marketing qui ont contribué à la conversion des clients.
-
J-En forme et En forme de J inversé:
-
Réfléchissez à En forme de U, mais à la place, ce modèle affecte 60 % à la variable dernière personne passer par la porte, 20 % à la fonction first, puis divides le reste 20 % cross everyone au milieu. En forme de J inversé fait exactement le contraire.
L’objectif ici est de mettre l’accent sur l’ début ou le end de votre campagne ; toutefois, vous souhaitez tout de même attribuer un certain crédit à l’élément de contribution à l’autre bout tout en reconnaissant les "petits gars" en cours de route.
-
-
Décroissance temporelle: Maintenant, je manquerais si je ne partagais pas celui-ci. Ce modèle a littéralement une demi-vie qui diminue exponentiellement - au fil du temps ! Dans ce cas, la variable default le paramètre de la demi-vie de ce modèle est 7 jours. Cela fonctionne de la manière suivante : poids à chaque canal marketing, en fonction de la durée qui passe après la point de contact initial et lorsque le client effectue la conversion.
Décroissance temporelle et Modèles d’attribution en forme de U sont généralement utilisés pour mesurer les campagnes à plus long terme, mais comme vous pouvez le voir, ils ont des objectifs légèrement différents, en fonction de la manière dont ils sont finalement utilisés. poids la valeur du résultat.
-
Personnalisé: vous choisissez qui va recevoir le crédit. C'est votre campagne !
Pour plus d’informations sur ces modèles d’attribution et d’autres, cliquez ici
Pour rendre cela encore plus intéressant, parlons de revenir en arrière !
Intervalles de recherche en amont
Il est maintenant temps de commencer à penser à un autre niveau. C'est là que nous ajoutons littéralement l'élément voyage dans le temps à notre analyse - et là encore, nous commençons avec les bases.
Adobe définit ❹ intervalles de recherche en amont comme "durée pendant laquelle une conversion doit revenir en arrière pour inclure des points de contact. Les modèles d’attribution qui accordent plus de crédit aux premières interactions voient des différences plus importantes lors de l’affichage de différents intervalles de recherche en amont."
En d'autres termes, intervalles de recherche en amont déterminer la période pendant laquelle conversions sont considérés et fournissent contexte à l’analyse d’attribution. Adobe Analytics offre trois types de intervalles de recherche en amont:
-
Intervalle de recherche en amont des visites : Revient au début d’une visite lorsqu’une conversion s’est produite, fournissant des informations sur les interactions immédiates menant aux conversions.
N’oubliez pas que c’est généralement le plus court intervalle de recherche en amont à utiliser.
-
Intervalle de recherche en amont des visiteurs : Recherche tout visites jusqu’au premier du mois dans la période, offrant une vue beaucoup plus large des interactions du client et permettant d’identifier les schémas au fil du temps.
-
Intervalle de recherche en amont personnalisé : Permet de développer la variable fenêtre d’attribution au-delà du reporting période jusqu’à un maximum de 90 jours. Il fournit flexibilité lors de la capture des points de contact qui se sont produits external la sélection période, en assurant une analyse complète.
En ajustant une donnée intervalle de recherche en amont, les analystes peuvent alors examiner l’impact d’un ou de plusieurs points de contact au cours de périodes spécifiques et obtenir des informations plus approfondies sur la manière dont les différentes durées affectent les résultats d’attribution.
Rassembler tout cela
Qu'est-ce que tout cela signifie pour nous en tant qu'analystes ?
La variable panneau d’attribution et intervalle de recherche en amont nous donner le pouvoir de regarder au-delà des données ordinaires et superficielles, et de creuser plus profondément le parcours client. En identifiant les points de contact qui ont eu le plus d’impact sur conversions, nous pouvons prendre des décisions éclairées sur nos stratégies marketing et allouer les ressources plus efficacement.
Souvenez-vous, après avoir pris votre modèles d’attribution et intervalles de recherche en amont sélectionné, vous pouvez continuer à manipuler vos données en les filtrant avec un ❺ segment, ou tout autre composant que vous souhaitez à ce stade. De plus, une fois le panneau rendu, vous disposez de toutes les fonctionnalités d’un espace de travail classique.
Finalement la mettre en pratique
Maintenant que vous avez les concepts, imaginez que vous exécutez une campagne marketing et que vous essayez de déterminer quel canal est la le plus efficace pour générer des conversions. Avec l’aide de panneau d’attribution, vous pouvez non seulement voir la variable Dernière touche, mais également la variable Première touche, même touche, etc. model vous choisissez de déterminer laquelle channels sont les variables le plus efficace en conduisant votre conversions. Ces informations peuvent ensuite être utilisées pour optimize vos campagnes et améliorez les performances globales simplement en revenant en arrière avec la fonction intervalle de recherche en amont de votre choix !
Maintenant que vous avez vu ce qu’il peut faire, ne soyez pas dupé ou intimidé par les fonctionnalités apparemment complexes du panneau d’attribution. Rendez-vous compte. Embrasser c'est le cas. Comprendre c'est le cas.
MAIS LA PLUPART - Utilisez-le à votre avantage. La variable panneau d’attribution et intervalle de recherche en amont sont les clés d’une meilleure compréhension de vos clients et de leur parcours avec votre marque.
Maintenant, nous pouvons voyager "Retour dans le temps" en toute confiance et en utilisant la puissance de notre machine à remonter le temps fiable (alias Adobe Analytics) pour prendre des décisions basées sur les données.
Auteur
Ce document a été rédigé par :
Jeff Bloomer, Manager, Digital Analytics à Kroger Personal Finance
Adobe Analytics Champion