Impostazioni dei componenti di attribuzione

Attribution consente di personalizzare il modo in cui gli elementi dimensionali ricevono credito per gli eventi di successo.

Finestra Visualizzazioni dati che evidenzia l’opzione Imposta attribuzione

Ad esempio:

  1. Una persona sul tuo sito fa clic su un collegamento di ricerca a pagamento per accedere a una delle tue pagine di prodotti. Aggiunge il prodotto al carrello, ma non lo acquista.
  2. Il giorno dopo, vedono un post di un loro amico sui social media. Fa clic sul collegamento, quindi completa l’acquisto.

In alcuni rapporti, potresti desiderare che l’ordine sia attribuito a Ricerca a pagamento. In altri rapporti, potresti desiderare che l’ordine sia attribuito a Social. Attribution ti consente di controllare questo aspetto del reporting.

Impostare il modello di attribuzione predefinito di un componente

Puoi impostare un modello di attribuzione predefinito per una data metrica aggiornando l’impostazione della metrica nella visualizzazione dati. In questo modo si sostituisce il modello di attribuzione della metrica ogni volta che viene utilizzato in Analysis Workspace.

NOTE
Quando abiliti l’attribuzione su una metrica, tieni presente quanto segue:
  • Quando si utilizza il componente in un rapporto con una singola dimensione: L’attribuzione del componente ignora il modello di allocazione quando viene utilizzato un modello di attribuzione non predefinito.

  • Quando si utilizza il componente in un rapporto con dimensioni multiple: L’attribuzione del componente mantiene il modello di allocazione quando viene utilizzato un modello di attribuzione non predefinito.

    Più dimensioni sono disponibili solo quando esportazione di dati nel cloud.

Per ulteriori informazioni sull’allocazione, consulta Impostazioni dei componenti di persistenza.

Per aggiornare il modello di attribuzione predefinito di un componente:

  1. Vai alla visualizzazione dati che contiene il componente di cui desideri aggiornare il modello di attribuzione predefinito.

  2. Seleziona il componente, quindi espandi la sezione Attribuzione sul lato destro della schermata.

    Finestra Visualizzazioni dati che evidenzia l’opzione Imposta attribuzione

  3. Seleziona Imposta attribuzione, quindi seleziona il modello di attribuzione in Modello di attribuzione menu a discesa.

    Consulta Modelli di attribuzione per scoprire ogni modello di attribuzione.

  4. Seleziona Salva e continua.

TIP
Se l’organizzazione richiede che una metrica abbia più impostazioni di attribuzione, puoi effettuare una delle seguenti operazioni:
  • Copia la metrica nella visualizzazione dati con ogni impostazione di attribuzione desiderata. Puoi includere la stessa metrica più volte in una visualizzazione dati, assegnando a ciascuna metrica un’impostazione diversa. Assicurati di etichettare correttamente ogni metrica in modo che gli analisti possano capire la differenza tra queste metriche durante la generazione dei rapporti.

  • Sostituisci la metrica in Analysis Workspace. In una metrica di Impostazioni colonna, seleziona Use non-default attribution model per modificare il modello di attribuzione e l’intervallo di lookback della metrica per quel rapporto specifico.

Modelli di attribuzione

Un modello di attribuzione determina quali elementi dimensionali ricevono credito per una metrica quando vengono visualizzati più valori nell’intervallo di lookback di una metrica. I modelli di attribuzione si applicano solo quando nell’intervallo di lookback sono impostati più elementi dimensionali. Se è impostato un solo elemento dimensionale, a tale elemento viene assegnato un credito del 100% indipendentemente dal modello di attribuzione utilizzato.

Icona
Modello di attribuzione
Definizione
Ultimo contatto
Ultimo contatto
Attribuisce un credito del 100% al punto di contatto che si verifica più di recente prima della conversione. Questo modello di attribuzione è in genere il valore predefinito per qualsiasi metrica in cui un modello di attribuzione non è specificato altrimenti. In genere, le organizzazioni utilizzano questo modello quando il tempo di conversione è relativamente breve, ad esempio con l’analisi delle parole chiave di ricerca interne.
Primo contatto
Primo contatto
Attribuisce un credito del 100% al punto di contatto visualizzato per la prima volta nell’intervallo di lookback dell’attribuzione. In genere, le organizzazioni utilizzano questo modello per comprendere la consapevolezza del brand o l’acquisizione dei clienti.
Lineare
Lineare
Attribuisce lo stesso credito a ogni punto di contatto che porta a una conversione. È utile quando i cicli di conversione sono più lunghi o richiedono un coinvolgimento più frequente dei clienti. In genere le organizzazioni utilizzano questo modello di attribuzione per misurare l’efficacia delle notifiche delle app mobili o con prodotti basati su abbonamento.
Partecipazione
Partecipazione
Assegna il 100% di credito a tutti i punti di contatto univoci. Poiché ogni punto di contatto riceve un credito del 100%, i dati delle metriche in genere superano il 100%. Se un elemento dimensionale appare più volte separatamente, portando a una conversione, i valori vengono deduplicati al 100%. Questo modello di attribuzione è ideale nelle situazioni in cui desideri comprendere a quali punti di contatto i clienti sono più esposti. Le organizzazioni di media in genere utilizzano questo modello per calcolare la velocità dei contenuti. Le organizzazioni di vendita al dettaglio in genere utilizzano questo modello per comprendere quali parti del sito sono fondamentali per la conversione.
Stesso contatto
Stesso contatto
Attribuisce un credito del 100% allo stesso evento in cui si è verificata la conversione. Se un punto di contatto non si verifica nello stesso evento di una conversione, viene inserito in "None". A volte questo modello di attribuzione viene equiparato all’assenza totale di un modello di attribuzione. È utile negli scenari in cui non desideri valori da altri eventi che influiscono sul modo in cui una metrica attribuisce credito agli elementi dimensionali. I team di prodotto o di progettazione possono utilizzare questo modello per valutare l’efficacia di una pagina in cui si verifica una conversione.
A forma di U
A forma di U
Attribuisce il 40% di credito alla prima interazione, il 40% di credito all’ultima interazione e divide il restante 20% in qualsiasi punto di contatto intermedio. Per le conversioni con un singolo punto di contatto, viene assegnato un credito del 100%. Per le conversioni con due punti di contatto, viene assegnato un credito del 50% a entrambi. Questo modello di attribuzione è meglio utilizzato in scenari in cui si attribuisce il maggior valore alla prima e all’ultima interazione, ma non si desidera escludere completamente ulteriori interazioni intermedie.
Curva J
Curva J
Attribuisce il 60% di credito all’ultima interazione, il 20% di credito alla prima interazione e divide il restante 20% in qualsiasi punto di contatto intermedio. Per le conversioni con un singolo punto di contatto, viene assegnato un credito del 100%. Per le conversioni con due punti di contatto, viene assegnato il 75% di credito all’ultima interazione e il 25% di credito alla prima. Simile al modello a forma di U, questo modello di attribuzione favorisce la prima e l’ultima interazione, ma favorisce in modo più significativo l’ultima interazione.
J inversa
J inversa
Attribuisce un credito del 60% al primo punto di contatto, un credito del 20% all’ultimo punto di contatto e divide il restante 20% in qualsiasi punto di contatto intermedio. Per le conversioni con un singolo punto di contatto, viene assegnato un credito del 100%. Per le conversioni con due punti di contatto, viene assegnato il 75% di credito alla prima interazione e il 25% di credito all’ultima. Simile al modello a forma di J, questo modello di attribuzione favorisce la prima e l’ultima interazione, ma favorisce in modo più significativo la prima interazione.
Decadimento nel tempo
Decadimento nel tempo
Segue un decadimento esponenziale con un parametro di mezza durata personalizzato, dove il valore predefinito è 7 giorni. Il valore di ciascun canale dipende dalla quantità di tempo trascorsa tra l’avvio del punto di contatto e l’eventuale conversione. La formula utilizzata per determinare il credito è 2^(-t/halflife), dove t è il tempo tra un punto di contatto e una conversione. Tutti i punti di contatto vengono quindi normalizzati al 100%. Ideale per scenari in cui desideri misurare l’attribuzione rispetto a un evento specifico e significativo. Più si verifica una conversione dopo questo evento, meno credito viene assegnato.
Personalizzato
Personalizzato
Consente di specificare i valori da assegnare al primo punto di contatto, all'ultimo punto di contatto e a eventuali punti di contatto intermedi. I valori specificati vengono normalizzati al 100% anche se la somma dei numeri personalizzati immessi è inferiore a 100. Per le conversioni con un singolo punto di contatto, viene assegnato un credito del 100%. Per le interazioni con due punti di contatto, il parametro intermedio viene ignorato. Il primo e l’ultimo punto di contatto vengono quindi normalizzati al 100% e il credito viene assegnato di conseguenza. Questo modello è ideale per gli analisti che desiderano un controllo completo sul proprio modello di attribuzione e hanno esigenze specifiche che altri modelli di attribuzione non soddisfano.
Algoritmica
Algoritmica
Utilizza tecniche statistiche per determinare in modo dinamico l’allocazione ottimale del credito per la metrica selezionata. L’algoritmo utilizzato per l’attribuzione è basato sul dividendo Harsanyi dalla teoria del gioco cooperativo. Il dividendo Harsanyi è una generalizzazione della soluzione del valore di Shapley (che prende il nome da Lloyd Shapley, un economista premio Nobel) per la distribuzione del credito tra i giocatori in un gioco con contributi disuguali al risultato.
Ad alto livello, l'attribuzione è calcolata come una coalizione di giocatori a cui un surplus deve essere equamente distribuito. La distribuzione del surplus di ciascuna coalizione è determinata in base al surplus creato in precedenza da ogni subcoalizione (o dagli elementi dimensionali partecipanti in precedenza) in modo ricorsivo. Per maggiori dettagli, consulta gli articoli originali di John Harsanyi e Lloyd Shapley:
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.

Intervallo di lookback

Per intervallo di lookback si intende la quantità di tempo che una conversione deve recuperare nel passato per includere i punti di contatto. Se un elemento dimensione è impostato all’esterno dell’intervallo di lookback, il valore non viene incluso in alcun calcolo di attribuzione.

  • 14 giorni: considera fino a 14 giorni dal momento in cui si è verificata la conversione.
  • 30 giorni: considera fino a 30 giorni da quando si è verificata la conversione.
  • 60 giorni: considera fino a 60 giorni da quando si è verificata la conversione.
  • 90 giorni: considera fino a 90 giorni da quando si è verificata la conversione.
  • Sessione: considera fino l’inizio della sessione in cui si è verificata una conversione. Gli intervalli di lookback della sessione rispettano il Timeout della sessione.
  • Persona (intervallo di reporting): considera tutte le visite fino al primo del mese dell’intervallo date corrente. Ad esempio, se l’intervallo di date del rapporto è dal 15 settembre al 30 settembre, l’intervallo di date del lookback a persona sarà dal 1° al 30 settembre. Se utilizzi questo intervallo di lookback, puoi notare occasionalmente che gli elementi dimensionali sono attribuiti a date al di fuori dell’intervallo di reporting.
  • Ora personalizzata: Consente di impostare un intervallo di lookback personalizzato da quando si è verificata una conversione. È possibile specificare il numero di minuti, ore, giorni, settimane, mesi o trimestri. Ad esempio, se si verificasse una conversione il 20 febbraio, un intervallo di lookback di cinque giorni valuterebbe tutti i punti di contatto delle dimensioni dal 15 febbraio al 20 febbraio nel modello di attribuzione.

Esempio

Prendi in considerazione l’esempio seguente:

  1. Il 15 settembre, una persona arriva sul tuo sito tramite un annuncio pubblicitario di ricerca a pagamento, poi se ne va.
  2. Il 18 settembre, la persona ritorna sul tuo sito tramite un collegamento social media ricevuto da un amico. Aggiunge diversi articoli al carrello, ma non acquista nulla.
  3. Il 24 settembre, il team marketing gli invia un’e-mail con un coupon da utilizzare su alcuni degli elementi nel carrello. Applica il coupon, ma visita diversi altri siti per vedere se sono disponibili altri coupon. Ne trova un altro tramite un annuncio pubblicitario, quindi completa un acquisto dal valore di 50 $.

A seconda dell’intervallo di lookback e del modello di attribuzione definiti, ai canali saranno assegnati crediti diversi. Di seguito sono riportati alcuni esempi significativi:

  • Utilizzo di primo contatto e un intervallo di lookback della sessione, l’attribuzione considera solo la terza visita. Tra e-mail e visualizzazione, e-mail è avvenuta prima, quindi e-mail ottiene 100% di credito per l’acquisto di 50 $.

  • Utilizzo di primo contatto e un intervallo di lookback su persona, l’attribuzione esamina tutte e tre le visite. La ricerca a pagamento è avvenuta prima, quindi ottiene il 100% di credito per l’acquisto di 50 $.

  • Utilizzo di lineare e un intervallo di lookback della sessione, il credito è diviso tra e-mail e visualizzazione. Entrambi questi canali ricevono un credito di 25 $.

  • Utilizzo di lineare e un intervallo di lookback su persona, il credito è diviso tra ricerca a pagamento, social, e-mail e visualizzazione. Ogni canale ottiene un credito di 12,50 $ per questo acquisto.

  • Utilizzo di A forma di J e un intervallo di lookback su persona, il credito è diviso tra ricerca a pagamento, social, e-mail e visualizzazione.

    • Il 60% di credito è assegnato alla visualizzazione, per un valore di 30 $.
    • Il 20% di credito è assegnato alla ricerca a pagamento, per un valore di 10 $.
    • Il restante 20% è suddiviso tra social e e-mail, ovvero 5 $ ciascuno.
  • Utilizzo di Decadimento nel tempo e un intervallo di lookback su persona, il credito è diviso tra ricerca a pagamento, social, e-mail e visualizzazione. Utilizzando la mezza durata predefinita di 7 giorni:

    • Intervallo di zero giorni tra il punto di contatto visualizzazione e la conversione. 2^(-0/7) = 1

    • Intervallo di zero giorni tra il punto di contatto e-mail e la conversione. 2^(-0/7) = 1

    • Intervallo di sei giorni tra il punto di contatto social e la conversione. 2^(-6/7) = 0.552

    • Intervallo di nove giorni tra il punto di contatto ricerca a pagamento e la conversione. 2^(-9/7) = 0.41

    • La normalizzazione di questi valori determina quanto segue:

      • Visualizzazione: 33,8%, ovvero 16,88 $
      • E-mail: 33,8% ovvero 16,88 $
      • Social: 18,6%, ovvero 9,32 $
      • Ricerca a pagamento: 13,8%, ovvero 6,92 $

Gli eventi di conversione che in genere hanno numeri interi vengono suddivisi se il credito appartiene a più di un canale. Ad esempio, se due canali contribuiscono a un ordine utilizzando un modello di attribuzione lineare, entrambi i canali ottengono 0,5 di tale ordine. Queste metriche parziali vengono sommate tra tutte le persone e quindi arrotondate al numero intero più vicino per il reporting.

recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79