Matriz de correlación

Las correlaciones estadísticas miden las relaciones significativas para identificar oportunidades a través de la extracción avanzada de datos.

Uso de la variable Coeficiente de correlación de Pearson, la matriz de correlación le proporciona información relevante para identificar mejor los pasos siguientes de una campaña de marketing, para mejorar el diseño del sitio o para continuar el análisis detallado del cliente para dependencias de correlación adicionales.

Creación de una matriz de correlación

La matriz de correlación compara las métricas con respecto a una dimensión contable o no contable. A continuación, se puede modificar la matriz para resaltar las correlaciones dentro de la visualización mediante la selección de colores o para representarla como un mapa de texto, un mapa de calor o ambos.

1. Abra una matriz de correlación.

   Clic con el botón derecho Visualization > Predictive Analytics > Correlation Matrix. Se abrirá la tabla de dimensiones.

   

   Seleccione una dimensión como, por ejemplo, Time > Day of the Week en este menú. La tabla de correlación se abrirá con la dimensión identificada en la esquina de la matriz y su métrica asociada colocada en la fila y columna. Para la dimensión Día de la semana , Visits es la métrica asociada.

   

   La correlación es 1000 porque está comparando una métrica con ella misma (que refleja una correlación perfecta, pero no utilizable).

2. Cambie una de las métricas.

   Haga clic con el botón derecho y seleccione Change Metric para cambiar una métrica en la fila o columna. Esto configura una correlación entre dos métricas de valor.

   Para este ejemplo, cambie la variable Visits en la columna para Internal Searches. Haga clic con el botón derecho y seleccione Metric > Custom Events > Custom Event 1-10 > Internal Searches.

   

3. Agregue más métricas a la matriz de correlación.

   Haga clic con el botón derecho en una columna o fila de métrica. Por ejemplo, en el menú Métrica , agregue Metric > Custom Events > Custom Event 1-10 > Sign in Error.

   

   La nueva métrica aparecerá en una columna con un número de correlación. Puede agregar otras métricas, como Email Signups, para crear la tabla.

   

   O bien, agregue métricas a filas para compararlas con métricas en columnas.

   

4. (opcional) Restringir una métrica añadiendo un elemento de dimensión.

   Haga clic con el botón derecho en el espacio de trabajo y seleccione Table. En la tabla de dimensiones abiertas, pulse Ctrl + Alt y arrastre el elemento sobre una métrica en una columna o fila. El elemento aparecerá junto a la métrica entre corchetes.

   Por ejemplo, para la variable Visits , puede restringirla seleccionando la Country como New Zealand.

   

   Tenga en cuenta que cuando selecciona un elemento de dimensión, la correlación cambia en todas las métricas en función del elemento de dimensión seleccionado. Solo la métrica Visita se restringirá para "Nueva Zelanda" una vez que se cierre la ventana de dimensión.

   NOTA

   Si se cambia una métrica con una restricción de dimensión (haciendo clic con el botón derecho y seleccionando Change Metric), se perderá el elemento de dimensión que limita la métrica. Deberá añadir de nuevo el elemento de dimensión.

5. Cree un Filtro binario para restringir aún más la métrica. Haga clic con el botón derecho en la métrica de la tabla y seleccione Filtro binario en el menú.

Objetivos de análisis y planificación de correlaciones

Los siguientes son objetivos generales para crear una matriz de correlación.

Identificar la relación entre dos métricas y una dimensión específica. En el ejemplo, la matriz se creó en torno a la dimensión principal, Día de la semana, con las métricas Visita, Inicios de sesión por correo electrónico y Errores de inicio de sesión comparadas con los eventos de métricas Búsquedas internas, Inicio de sesión y Encuesta mostrada.

Desarrollar hipótesis para centrar el análisis. Después de ejecutar un análisis de correlación, el siguiente paso es buscar dependencias y correlación de las métricas. Por ejemplo, comprender que las búsquedas internas tienen un efecto en los registros por correo electrónico proporciona una ruta para predecir esa relación y para modificar las campañas de marketing o el diseño de navegación del sitio web.

Identificar métricas para incluir algoritmos de minería de datos más avanzados. En la mayoría de los casos, las métricas clave se identificarán porque se verán afectando a varias correlaciones. Ahora puede tomar esas métricas clave y aplicarlas a análisis adicionales de minería de datos para obtener una perspectiva más profunda.

Notas de funciones de la matriz de correlación

El filtrado y la selección de elementos de dimensión dentro de una tabla se comparan con valores. Por ejemplo, si se utiliza la dimensión Día de la semana y se hace clic en un elemento de esa dimensión principal, como hacer clic en un día específico de la tabla de dimensión Día de la semana, se procesa una coincidencia de uno a uno en el 100 % que no proporciona una correlación utilizable. Dado que la dimensión raíz era Día de la semana, cualquier selección dentro de la tabla de dimensión Día de la semana modificará la matriz para que sea una correlación uno a uno.

Sin embargo, la correlación de 1 a 1 (cuando se realiza una sola selección de todos los elementos) solo se realiza en ese día específico. Si realiza varias selecciones, no necesariamente seguirá siendo una correlación de 1 a 1 y no siempre arrojará una coincidencia de 100 por ciento, independientemente de seleccionar uno o más días de la semana.

Las correlaciones estadísticas no son iguales al modelo de datos correlacionado, la referencia histórica de los productos de Adobe Analytics. La correlación estadística en Data Workbench se basa en la variable Modelo de correlación de Pearson.

Mostrar correlación en un diagrama de puntos. Haga clic con el botón derecho en el título de un diagrama de puntos y elija Display Correlation de la variable Visualization para abrir el Navegador. El valor de correlación se muestra en la sección superior derecha del diagrama de puntos.

Recursos de Business.Adobe.com

Flow Analysis Lookalike Modeling Audience Targeting Data Ingestion Audience Segmentation Ad Hoc Analysis