속성을 사용하면 차원 항목이 성공 이벤트에 대한 크레딧을 받는 방법을 사용자 정의할 수 있습니다.
예:
일부 보고서에서는 유료 검색으로 인한 주문을 원할 수 있습니다. 다른 보고서에서는 Social에 속하는 순서를 원할 수도 있습니다. 속성을 사용하면 보고의 이러한 측면을 제어할 수 있습니다.
이 데이터 보기 구성 요소 설정을 사용하면 지표에 대한 기본 속성 모델을 설정할 수 있습니다. Analysis Workspace에서 작업하는 동안 특정 지표의 속성 모델을 재정의할 수 있습니다.
조직에 지표에 여러 속성 설정이 있어야 하는 경우 다음 중 하나를 수행할 수 있습니다.
속성 모델은 지표의 전환 확인 기간 내에 여러 값이 표시되면 지표에 대한 크레딧을 받는 차원 항목을 결정합니다. 속성 모델은 전환 확인 기간 내에 여러 차원 항목이 설정된 경우에만 적용됩니다. 단일 차원 항목만 설정된 경우 사용된 속성 모델에 관계없이 해당 차원 항목이 100% 크레딧을 받습니다.
아이콘 | 속성 모델 | 정의 |
---|---|---|
![]() |
마지막 터치 | 전환 전에 가장 최근에 발생하는 터치 포인트에 100% 크레딧을 제공합니다. 이 속성 모델은 일반적으로 속성 모델이 별도로 지정되지 않은 모든 지표의 기본값입니다. 조직은 일반적으로 내부 검색 키워드 분석과 같이 전환 시간이 상대적으로 짧은 이 모델을 사용합니다. |
![]() |
첫 번째 터치 | 속성 전환 확인 기간 내에 맨 먼저 표시된 터치 포인트에 100% 크레딧을 제공합니다. 조직은 일반적으로 이 모델을 사용하여 브랜드 인지도 또는 고객 확보를 이해합니다. |
![]() |
선형 | 전환으로 이어지는 모든 표시되는 터치 포인트에 동일한 크레딧을 제공합니다. 전환 주기가 더 길거나 빈번한 고객 참여가 필요한 경우에 유용합니다. 조직은 일반적으로 모바일 앱 알림 효율성 또는 구독 기반 제품을 측정하는 이 속성 모델을 사용합니다. |
![]() |
기여도 | 모든 고유한 터치 포인트에 100% 크레딧을 제공합니다. 모든 터치 포인트가 100% 크레딧을 받으므로 일반적으로 지표 데이터는 최대 100% 이상 추가됩니다. 차원 항목이 전환으로 이어지는 별도의 여러 번 나타나면 값이 100%로 중복 제거됩니다. 이 속성 모델은 고객이 가장 많이 노출되는 터치 포인트를 이해하려는 상황에서 이상적입니다. 미디어 조직은 일반적으로 이 모델을 사용하여 콘텐츠 속도를 계산합니다. 소매 조직은 일반적으로 이 모델을 사용하여 사이트 내에서 전환에 중요한 부분을 파악합니다. |
![]() |
동일한 터치 | 전환이 발생한 동일한 이벤트에 100% 크레딧을 제공합니다. 터치 포인트가 전환과 동일한 이벤트에서 발생하지 않으면 "없음" 아래에 버킷으로 처리됩니다. 이 속성 모델은 때로 속성 모델이 전혀 없는 것과 동일시됩니다. 지표가 차원 항목에 크레딧을 제공하는 방법에 영향을 주는 다른 이벤트의 값을 원하지 않는 시나리오에서 유용합니다. 제품 또는 디자인 팀은 이 모델을 사용하여 전환이 발생하는 페이지의 효율성을 평가할 수 있습니다. |
![]() |
U자형 | 첫 번째 상호 작용에 40% 크레딧을 제공하고, 마지막 상호 작용에 40% 크레딧을 제공하며, 나머지 20%를 그 사이의 모든 터치 포인트에 나눠줍니다. 터치 포인트가 하나인 전환의 경우 100% 크레딧이 제공됩니다. 터치 포인트가 두 개인 전환의 경우 두 터치 포인트에 50% 크레딧이 제공됩니다. 이 속성 모델은 첫 번째 및 마지막 상호 작용을 가장 많이 중요시하지만, 그 사이의 추가 상호 작용을 완전히 무시하지는 않으려는 시나리오에서 가장 잘 사용됩니다. |
![]() |
J 커브 | 마지막 상호 작용에 60% 크레딧을 제공하고, 첫 번째 상호 작용에 20% 크레딧을 제공하며, 나머지 20%를 그 사이의 모든 터치 포인트에 나눠줍니다. 터치 포인트가 하나인 전환의 경우 100% 크레딧이 제공됩니다. 터치 포인트가 두 개인 전환의 경우 75% 크레딧이 마지막 상호 작용에 제공되며, 25% 크레딧이 첫 번째 상호 작용에 제공됩니다. U자형 과 유사하게, 이 기여도 분석 모델은 첫 번째 상호 작용과 마지막 상호 작용을 선호하지만, 더 많이 마지막 상호 작용을 선호합니다. |
![]() |
J의 역 | 첫 번째 터치 포인트에 60% 크레딧을 제공하고, 마지막 터치 포인트에 20% 크레딧을 제공하며, 나머지 20%를 그 사이의 모든 터치 포인트에 나눠줍니다. 터치 포인트가 하나인 전환의 경우 100% 크레딧이 제공됩니다. 터치 포인트가 두 개인 전환의 경우 75% 크레딧이 첫 번째 상호 작용에 제공되며, 25% 크레딧이 마지막 상호 작용에 제공됩니다. J자형 과 유사하게, 이 기여도 분석 모델은 첫 번째 상호 작용과 마지막 상호 작용을 선호하지만, 더 심하게 첫 번째 상호 작용을 선호합니다. |
![]() |
시간 감소 | 기본값이 7일인 사용자 지정 반감기 매개 변수를 사용하는 기하급수적 감소가 따릅니다. 각 채널의 가중치는 터치 포인트 시작과 최종 전환 사이에 경과된 시간에 따라 달라집니다. 크레딧을 결정하는 데 사용되는 공식은 2^(-t/halflife) 이고, 여기서 t 는 터치 포인트와 전환 사이의 시간입니다. 그러면 모든 터치 포인트가 100%로 표준화됩니다. 특정 중요 이벤트에 대한 속성을 측정하려는 시나리오에 이상적입니다. 이 이벤트 후 전환이 일어나기까지 시간이 오래 걸릴수록 크레딧은 적게 제공됩니다. |
![]() |
사용자 정의 | 첫 번째 터치 포인트, 마지막 터치 포인트 및 그 사이에 있는 모든 터치 포인트에 제공할 가중치를 지정할 수 있습니다. 입력한 사용자 정의 숫자가 100에 추가되지 않는 경우에도 지정된 값이 100%로 표준화됩니다. 터치 포인트가 하나인 전환의 경우 100% 크레딧이 제공됩니다. 터치 포인트가 두 개인 상호 작용의 경우 중간 매개 변수는 무시됩니다. 그런 다음 첫 번째 및 마지막 터치 포인트가 100%로 표준화되고 크레딧은 그에 따라 할당됩니다. 이 모델은 속성 모델을 완벽하게 제어하고 다른 속성 모델이 충족시키지 못하는 특정 요구 사항을 가진 분석가에게 이상적입니다. |
![]() |
알고리즘 | 통계 기법을 사용하여 선택한 지표에 대한 크레딧의 최적 할당을 동적으로 결정합니다. 속성에 사용되는 알고리즘은 협업 게임 이론의 Harsanyi 배당을 기반으로 합니다. Harsanyi 배당은 결과에 불평등한 기여와 함께 플레이어들 간의 크레딧을 분배하기 위해 Shapley 값 솔루션(노벨 경제학상 수상자인 Lloyd Shapley의 이름을 따서 이름이 지어짐)의 일반화입니다. 높은 수준에서 기여도는 잉여금이 균등하게 분배되어야 하는 플레이어의 연합으로 계산된다. 각 연합의 잉여금은 각 하위 연합(또는 이전에 참가한 차원 항목)에 의해 이전에 생성된 잉여금에 따라 재귀적으로 결정됩니다. 자세한 내용은 John Harsanyi 및 Lloyd Shapley의 원본 논문을 참조하십시오. 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. |
전환 확인 기간은 터치 포인트를 포함하도록 전환에서 다시 확인해야 하는 시간의 양입니다. 차원 항목이 전환 확인 기간 외부에서 설정된 경우 이 값은 속성 계산에 포함되지 않습니다.
다음 예를 생각해 보십시오.
전환 확인 기간과 속성 모델에 따라 채널은 서로 다른 크레딧을 받습니다. 다음은 몇 가지 주목할 만한 예입니다.
2^(-0/7) = 1
2^(-0/7) = 1
2^(-6/7) = 0.552
2^(-9/7) = 0.41
일반적으로 정수가 있는 전환 이벤트는 크레딧이 둘 이상의 채널에 속하는 경우 나누어집니다. 예를 들어 두 채널이 선형 기여도 분석 모델을 사용하여 주문에 기여하는 경우 두 채널 모두 해당 주문의 0.5를 받습니다. 이러한 부분 지표는 모든 사람에 대해 집계한 후 보고를 위해 가장 가까운 정수로 반올림됩니다.