阅读有关Data Workbench 生命周期终止公告.
统计关联测量有意义的关系,以便通过高级数据挖掘发现商机。
采用 皮尔逊关联系数,关联矩阵会为您提供相关信息,以便更好地识别营销活动中的后续步骤、改进网站设计,或继续深入分析客户以获取其他关联依赖关系。
关联矩阵可以对计数或非计数维度的量度进行比较。矩阵随后可以进行修改,以便通过颜色选取在可视化中突出显示关联,或将其呈现为文本图和/或热图。
打开关联矩阵。
右键单击 Visualization > Predictive Analytics > Correlation Matrix. 维度表将打开。
选择维度,例如 Time > Day of the Week 菜单中。 关联表将打开,在矩阵角落标识维度,并在行和列中显示相关量度。对于“星期”维度, Visits 是关联的量度。
关联为 1.000,因为您是将一个量度与自身相比较(这样得到一个完美但无用的关联。)
更改其中一个量度。
右键单击并选择 Change Metric 更改行或列中的量度。 这会在两个量度值之间建立关联。
在本例中,请更改 Visits 量度 Internal Searches. 右键单击并选择 Metric > Custom Events > Custom Event 1-10 > Internal Searches.
向“关联矩阵”中添加更多量度。
右键单击量度列或行。例如,从“量度”菜单中,添加 Metric > Custom Events > Custom Event 1-10 > Sign in Error.
新量度将出现在列中并具有关联系数。您可以添加其他量度,例如 Email Signups,以构建表。
或向行添加量度,以与列中的量度做比较。
(可选)通过添加维度元素约束量度。
在工作区中右键单击并选择 Table. 从打开的维度表中,按 Ctrl + Alt 并将元素拖放到列或行中的量度上。该元素将显示在相应量度旁边的括号内。
例如,对于 Visits 量度时,您可以通过选择 Country as New Zealand.
注意:当您选择一个维度元素时,基于所选维度元素的所有量度的关联会发生改变。当维度窗口关闭以后,仅“访问次数”量度会受到“新西兰”的约束。
如果更改具有维度约束的量度(通过右键单击并选择 Change Metric),约束量度的维度元素将丢失。 您需要重新添加维度元素。
创建一个二进制过滤器,以进一步约束量度。右键单击表中的量度,然后从菜单中选择二进制过滤器。
以下是构建关联矩阵的一般目标。
针对特定维度,识别两个量度之间的关系。在此示例中,围绕核心维度“星期”构建了矩阵,并将量度“访问次数”、“电子邮件注册”和“登录错误”与“内部搜索”、“登录”和“显示的调查”量度事件进行了比较。
提出假设以进行专门分析。运行关联分析后,下一步便是探寻量度之间的依赖关系和关联性。例如,了解到内部搜索对电子邮件注册具有一定影响,这提供了一种途径来预测两者的关系,并据此修改营销活动或网站导航设计。
识别量度以包含更多高级数据挖掘算法。在大多数情况下,关键量度会因被发现对多个关联有影响而被识别出来。现在,您可以获得这些关键量度,并将它们应用到其他数据挖掘分析,以便获得更深见解。
在表格中过滤和选择维度元素比较的是类值。例如,使用“星期”维度,然后单击该核心维度的一个元素(例如单击“星期”维度表格中的某一特定日期),将会显示 100% 的一对一匹配度,这不会提供任何有用关联。由于根维度是“星期”,因此在“星期”维度表格中进行的任何选择都会将矩阵更改为一对一关联。
但是,仅在该特定日期时才会是一对一关联(一次选择所有元素时)。如果您选择多个元素,则不一定会保持一对一关联,而且无论选择一周中的一天还是多天,始终都不会产生 100% 匹配。
统计关联不等于关联的数据模型(Adobe Analytics 产品的历史参考)。Data Workbench 中的统计关联基于皮尔逊关联模型。
在散点图中显示关联。右键单击散点图上的标题并选择 Display Correlation 从 Visualization 菜单。 关联值将显示在散点图的右上部分。
如果应用程序无法运行皮尔逊关联计算,则散点图和皮尔逊矩阵将显示“计算错误”。 这通常是由于数据不足,从而可能造成方程式的除数为零。