Configuración de columna

La configuración de columna le permite configurar el formato de la columna, aunque algunas opciones de formato pueden ser condicionales.

Consulte Configuración de fila y columna en una tabla de forma libre para ver un vídeo de demostración.

En este vídeo se demuestra la funcionalidad utilizando Adobe Analytics. Sin embargo, la funcionalidad también está disponible en Customer Journey Analytics. Tenga en cuenta las diferencias de terminología entre Adobe Analytics y Customer Journey Analytics (por ejemplo, visitas frente a sesiones).

Para obtener acceso a Configuración de columna, seleccione en el encabezado de la columna.

Puede editar la configuración de varias columnas a la vez. Seleccione varias columnas y seleccione en cualquiera de las columnas seleccionadas. Los cambios que realice se aplicarán a todas las columnas que tengan celdas seleccionadas.

Formato condicional conditional-formatting

El formato condicional aplica formato que puede definir a los límites superior, medio e inferior. La aplicación de formato condicional en tablas de forma libre también está activada automáticamente en los desgloses, a menos que los límites Personalizados estén seleccionados.

Uso de modelos de atribución no predeterminados use-non-default-attribution-model

Puede anular el modelo de atribución predeterminado configurado en Vistas de datos.

Para utilizar un modelo de atribución no predeterminado para una métrica en una Analysis Workspace:

Modelos de atribución

Un modelo de atribución determina qué elementos de dimensión obtienen crédito por una métrica cuando se ven varios valores dentro de la ventana de retrospección de una métrica. Los modelos de atribución solo se aplican cuando hay varios elementos de dimensión establecidos dentro de la ventana de retrospección. Si solo se establece un elemento de dimensión, ese elemento de dimensión obtiene un 100 % de crédito, independientemente del modelo de atribución utilizado.

Icono

Modelo de atribución

Definición

Último contacto

Otorga un 100 % de crédito al punto de contacto que se produce más recientemente antes de la conversión. Este modelo de atribución suele ser el valor predeterminado para cualquier métrica en la que no se especifique lo contrario en un modelo de atribución. Las organizaciones suelen utilizar este modelo en el que el tiempo de conversión es relativamente corto, como en el caso del análisis de palabras clave de búsqueda interna.

Primer contacto

Otorga un 100 % de crédito al punto de contacto que se ve por primera vez en la ventana de retrospección de la atribución. Las organizaciones suelen utilizar este modelo para comprender la imagen de marca o la adquisición de clientes.

Lineal

Otorga el mismo crédito a cada uno de los puntos de contacto que se ven hasta llegar a una conversión. Resulta útil cuando los ciclos de conversión son más largos o requieren una participación del cliente más frecuente. Las organizaciones suelen utilizar este modelo de atribución para medir la efectividad de las notificaciones en aplicaciones móviles o con productos por suscripción.

Participación

Otorga un 100% de crédito a todos los puntos de contacto únicos. Dado que cada punto de contacto recibe un 100 % de crédito, los datos de métricas suelen sumar más del 100 %. Si un elemento de dimensión aparece varias veces por separado hasta llegar a una conversión, los valores se deduplican al 100 %. Este modelo de atribución es ideal en situaciones en las que desea comprender a qué puntos de contacto están más expuestos los clientes. Las organizaciones de medios suelen utilizar este modelo para calcular la velocidad de contenido. Los organizaciones minoristas suelen utilizar este modelo para comprender qué partes de sus sitios son esenciales para la conversión.

Mismo contacto

Otorga un 100 % de crédito al mismo evento donde se realizó la conversión. Si un punto de contacto no sucede en el mismo evento que una conversión, se agrupa bajo “Ninguno”. Este modelo de atribución a veces se equipara a no tener ningún modelo de atribución. Resulta útil en situaciones en las que no desea valores de otros eventos que afecten a cómo una métrica da crédito a los elementos de dimensión. Los equipos de producto o diseño a menudo pueden utilizar este modelo para tener acceso a la efectividad de una página en la que tiene lugar la conversión.

Forma de U

Otorga un 40% de crédito a la primera interacción, un 40% de crédito a la última interacción y divide el 20% restante en cualquier punto de contacto intermedio. Para las conversiones con un solo punto de contacto, se otorga un 100% de crédito. Para las conversiones con dos puntos de contacto, se otorga un 50 % de crédito a ambos. Este modelo de atribución se utiliza mejor en situaciones en las que se valora más la primera y la última interacción, pero no se desea descartar por completo las interacciones adicionales intermedias.

Curva J

Otorga un 60% de crédito a la última interacción, un 20% de crédito a la primera interacción y divide el 20% restante en cualquier punto de contacto intermedio. Para las conversiones con un solo punto de contacto, se otorga un 100% de crédito. Para las conversiones con dos puntos de contacto, se otorga un 75 % de crédito a la última interacción y un 25 % de crédito a la primera. Este modelo de atribución, que es similar a la Forma U, favorece la primera y la última interacción, pero favorece más intensamente la última interacción.

J inversa

Otorga un 60% de crédito al primer contacto, un 20% al último contacto y divide el 20% restante en cualquier punto de contacto intermedio. Para las conversiones con un solo punto de contacto, se otorga un 100% de crédito. Para las conversiones con dos puntos de contacto, se otorga un 75 % de crédito a la primera interacción y un 25 % de crédito a la última. Este modelo de atribución, que es similar a la Forma J, favorece la primera y la última interacción, pero favorece más intensamente la primera interacción.

Declive temporal

Sigue un declive exponencial con un parámetro de semivida personalizado, con un valor predeterminado de 7 días. El valor de cada canal depende de la cantidad de tiempo que transcurra entre el inicio del punto de contacto y la conversión final. La fórmula utilizada para determinar el crédito es 2^(-t/halflife), donde t es la cantidad de tiempo entre un punto de contacto y una conversión. A continuación, todos los puntos de contacto se normalizan al 100 %. Es ideal en las situaciones en las que desea medir la atribución con respecto a un evento específico e importante. Cuanto más tiempo tarde en suceder una conversión después de este evento, menos crédito se le atribuirá.

Personalizado

Le permite especificar los valores que desea asignar al primer punto de contacto, al último punto de contacto y a cualquier punto de contacto intermedio. Los valores especificados se normalizan al 100% incluso si los números introducidos no suman 100. Para las conversiones con un solo punto de contacto, se otorga un 100% de crédito. En el caso de interacciones con dos puntos de contacto, se omite el parámetro central. A continuación, los primeros y últimos puntos de contacto se normalizan al 100 % y se asigna el crédito correspondiente. Este modelo es perfecto para los analistas que quieren tener un control total sobre su modelo de atribución y tienen necesidades específicas que otros modelos de atribución no satisfacen.

Algorítmico

Utiliza técnicas estadísticas para determinar de manera dinámica la asignación óptima de crédito para la métrica seleccionada. El algoritmo utilizado para la atribución se basa en el dividendo de Harsanyi de la teoría de juegos cooperativa. El dividendo de Harsanyi es una generalización de la solución del valor de Shapley (llamada así por Lloyd Shapley, economista ganador del Premio Nobel) para distribuir crédito entre los jugadores en un juego con contribuciones desiguales al resultado.
En un nivel superior, la atribución se calcula como una coalición de actores a los que debe distribuirse equitativamente un excedente. La distribución del superávit de cada coalición se determina de acuerdo con el superávit creado previamente por cada subcoalición (o los elementos de dimensión que participaban antes) de manera recursiva. Para obtener más información, consulte los artículos originales de John Harsanyi y 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). Un modelo de negociación simplificado para un juego cooperativo de n personas. International Economic Review 4(2), 194-220.

Contenedor

Un contenedor de atribución define el ámbito deseado para la atribución. Las opciones posibles son las siguientes:

Ventana de retroactividad

El período de retroactividad de una atribución es la cantidad de tiempo que una conversión se debe remontar para incluir los puntos de contacto. Si un elemento de dimensión se establece fuera de la ventana de retrospección, el valor no se incluye en ningún cálculo de atribución.

Ejemplo

Consideremos el siguiente ejemplo:

Según el modelo de atribución, el contenedor y los canales reciben un crédito diferente. Consulte la siguiente tabla para ver ejemplos:

Los eventos de conversión que generalmente tienen números enteros se dividen si el crédito pertenece a más de un canal. Por ejemplo, si dos canales contribuyen a un pedido mediante un modelo de atribución lineal, ambos canales obtienen 0,5 de dicho pedido. Estas métricas parciales se suman entre todas las visitas y luego se redondean al entero más cercano para los informes.

[B2B Edition]{class="badge informative" title="Customer Journey Analytics B2B Edition"}: utilice contenedores B2B específicos, como cuentas u oportunidades, y períodos de retroactividad más adecuados (hasta 13 meses) para aplicar los modelos de atribución anteriores en escenarios de B2B típicos.