Información general de la detección de anomalías

Puede ver y analizar las anomalías de datos en contexto, dentro de Analysis Workspace. El análisis de contribución funciona junto con la detección de anomalías para identificar qué ha contribuido a la anomalía.

Consulte Detección de anomalías para ver un vídeo de demostración.

Detección de anomalías

La Detección de anomalías constituye un método estadístico para determinar el cambio experimentado en una métrica determinada respecto a los datos anteriores.

La detección de anomalías permite separar las “señales verdaderas” del “ruido” y así identificar los posibles factores que contribuyeron a hacer saltar estas señales o anomalías. En otras palabras, le permite identificar las fluctuaciones estadísticas que son importantes y las que no lo son. A continuación, podrá identificar la causa raíz de una anomalía real. Además, se pueden consultar predicciones de métricas (KPI) fiables.

Algunos ejemplos de anomalías que puede investigar son:

Tanto la detección de anomalías como el análisis de contribución son flujos de trabajo principales en Analysis Workspace. Puede ejecutar el análisis de contribución para cualquier anomalía diaria e incrustar el resultado en su proyecto de Analysis Workspace.

El algoritmo de Detección de anomalías de Analysis Workspace incluye:

Análisis de contribución

El análisis de contribución descubre patrones ocultos en sus datos para explicar las anomalías estadísticas e identificar correlaciones subyacentes

para métricas seleccionadas en segmentos de público convergentes.

Consulte Análisis de contribución para ver un vídeo de demostración.

Ha ocurrido algo. ¿Por qué? Su informe Detección de anomalías muestra un pico inusual en los pedidos y desea saber por qué. ¿Qué ha pasado fuera de lo común? ¿Quién está respondiendo a qué campaña o referencia? ¿Algo se ha hecho viral? ¿Qué factores específicos han contribuido a esta anomalía? Y quizá lo más importante: ¿cómo puedo capturar información importante acerca de mi cliente y repetir este comportamiento? (O, si hay una caída en una métrica o una subida en una métrica negativa, ¿cómo puedo evitarla en el futuro?)

Análisis de contribución le ayuda a evaluar los datos inmediatamente para saber por qué se ha producido una anomalía. Desglosa las contribuciones a una anomalía en segundos cuando antes solía tardar semanas, proporcionando patrones para segmentos de público y ayudándole a desarrollar una narrativa para las interacciones con los clientes. Puede utilizar el análisis de contribución de forma estratégica para identificar y capturar asociaciones significativas. A continuación, utilice estas asociaciones de forma estratégica para desarrollar nuevos segmentos de público o de forma táctica para identificar actividades fraudulentas o que sobrepasan el límite y que activen una alerta.

Detección de anomalías identifica picos de datos y caídas estadísticas pronunciadas basándose en métricas y segmentos de público concretos. La detección de anomalías establece una norma histórica basada en un período de prueba y, a continuación, representa desplazamientos extremos correlacionados con eventos específicos. La detección de anomalías puede reportar un aumento abrupto en una métrica positiva de pedidos o un aumento en una métrica negativa de devoluciones, o caídas en ambas, capturando puntos de datos estadísticamente relevantes para ser evaluados por un análisis de contribución. Una vez identificada una anomalía estadística, el análisis de contribución permite explorar en profundidad y evaluar variables de marketing y campaña relevantes en todos los puntos de datos anómalos. Ejecuta algoritmos avanzados y procesos de aprendizaje automático para evaluar asociaciones que hayan contribuido a un pico o caída significativos. Estos cálculos aparecen en visualizaciones interactivas diseñadas para ofrecerle distintas perspectivas que le ayuden a entender por qué se ha producido algún evento y qué hacer al respecto.

El análisis de contribución le ayuda a desarrollar una narrativa para describir por qué se produjo una anomalía. Y cómo responder a anomalías, capturando métricas relevantes e identificando puntos ocultos que le proporcionan una razón general para las interacciones de público y las tendencias de interés de los clientes. En ocasiones, una anomalía es fácil de detectar y corregir, como un pedido erróneo de 2.000 kayaks. Por el contrario, otras veces es difícil, como identificar una tendencia emergente a lo largo de un período de tiempo en una región que solo reacciona a una determinada campaña con objetivo. La agrupación de elementos de contribución en métricas de varias dimensiones y sus asociaciones le ofrece una idea general de las interacciones de público y le ayuda a proporcionar contexto para puntos de datos anómalos.

Estos son algunos casos de uso:

Después del análisis completo de una anomalía, se genera un resumen de contribución para los elementos principales ordenados según el número total de ocurrencias y el porcentaje del elemento de los valores de contribución. Una puntuación de contribución normalizada le permite comprar, contrastar y asociar fácilmente otros elementos de dimensión significativos.

Tokens de análisis de contribución

Todos los clientes con derecho de análisis de contribución pueden ejecutar dicho análisis de forma completa un número limitado de veces al mes en Analysis Workspace. El análisis de contribución excluye clientes de productos específicos (SiteCatalyst 15), clientes de Analytics Foundation y de Analytics Select, que no tienen derecho al análisis de contribución.

El número de ejecuciones por empresa está limitado por tokens mensuales que se conceden en función del producto de Adobe Analytics que haya adquirido su empresa. El número de ejecuciones por empresa incluye la capacidad de restringir el acceso a Análisis de contribución para evitar el uso indebido de tokens.

Preguntas frecuentes

Derechos de Detección de anomalías y Análisis de contribución

A continuación encontrará una lista detallada de los derechos de Detección de anomalías y Análisis de contribución en Analysis Workspace.