Panneau d’attribution attribution-panel

recommendation-more-help

Cet article présente le panneau Attribution dans CustomerJourneyAnalytics Customer Journey Analytics.
Voir Panneau d’attribution pour la version Adobe Analytics Adobe Analytics de cet article.

Le panneau Attribution vous permet de créer facilement une analyse comparant différents modèles d’attribution. Le panneau vous fournit un espace de travail dédié à l’utilisation et à la comparaison des modèles d’attribution.

Customer Journey Analytics améliore l’attribution en vous permettant de :

  • Définissez l’attribution au-delà des médias achetés : toute dimension, mesure, canal ou événement peut être appliqué aux modèles (par exemple, la recherche interne), et pas seulement aux campagnes marketing.
  • Utiliser la comparaison de modèles d’attribution illimitée : comparez dynamiquement autant de modèles que vous le souhaitez.
  • Évitez les modifications d’implémentation : grâce au traitement de la période de rapport et aux sessions contextuelles, le contexte du parcours client peut être intégré et appliqué au moment de l’exécution.
  • construire la session qui correspond le mieux à votre scénario d’attribution ;
  • Ventilez l’attribution par filtres : comparez facilement les performances de vos canaux marketing sur n’importe quel filtre important (par exemple, les nouveaux clients par rapport aux clients réguliers, le produit X par rapport au produit Y, le niveau de fidélité ou la valeur vie client (CLV)).
  • inspecter le croisement des canaux et l’analyse multi-touch : utilisation des histogrammes et diagrammes de Venn ainsi que des résultats de l’attribution des tendances ;
  • analyser visuellement des séquences marketing importantes : explorez les chemins d’accès qui ont mené à la conversion sur le plan visuel par le biais de visualisations à plusieurs nœuds de flux et d’abandons ;
  • créer des mesures calculées : utilisez n’importe quel nombre de méthodes d’attribution.

Utilisation

Pour utiliser un panneau Attribution :

  1. Créez un panneau Attribution. Pour plus d’informations sur la création d’un panneau, consultez Créer un panneau.

  2. Spécifiez l’entrée du panneau.

  3. Observez la sortie du panneau.

Entrée du panneau

Vous pouvez configurer le panneau Attribution à l’aide des paramètres d’entrée suivants :

  1. Ajoutez une mesure de succès et une dimension du canal à laquelle vous souhaitez affecter des attributs. Par exemple, les canaux marketing ou les dimensions personnalisées, telles que les promotions internes.

    Fenêtre du panneau Attribution présentant plusieurs dimensions et mesures sélectionnées.

  2. Sélectionnez un ou plusieurs modèles d’attribution parmi Modèles inclus et un intervalle de recherche en amont parmi les intervalles de recherche en amont que vous souhaitez utiliser à des fins de comparaison.

  3. Sélectionnez Créer pour créer les visualisations dans le panneau.

Sortie du panneau

Le panneau Attribution renvoie un riche ensemble de données et de visualisations qui comparent l’attribution pour la dimension et la mesure sélectionnées.

Visualisations du panneau Attribution qui comparent les mesures et dimensions sélectionnées.

Visualisations d’attribution

Les visualisations suivantes font partie de la sortie du panneau.

  • Mesure totale : nombre total de conversions qui se sont produites au cours de la période de création des rapports et qui sont attribuées à la dimension que vous avez sélectionnée.
  • Barres de comparaison d’attribution : compare visuellement les conversions attribuées à chacun des éléments de dimension de la dimension sélectionnée. Chaque couleur de barre représente un modèle d’attribution distinct.
  • Tableau de comparaison d’attribution : affiche, sous forme de tableau, les mêmes données que le graphique à barres. La sélection de différentes colonnes ou lignes dans ce tableau permet de filtrer le graphique à barres ainsi que plusieurs autres visualisations du panneau. Ce tableau fonctionne de la même manière que tout autre tableau à structure libre de Workspace. Il vous permet d’ajouter des composants tels que des mesures, des filtres ou des répartitions.
  • Diagramme de chevauchement : visualisation de Venn présentant les trois principaux éléments de dimension et la fréquence à laquelle ils participent conjointement à une conversion. Par exemple, la taille du chevauchement des bulles indique la fréquence des conversions lorsqu’une personne a été exposée aux deux éléments de dimension. La sélection d’autres lignes dans le tableau à structure libre adjacent met à jour la visualisation pour refléter votre sélection.
  • Détails sur les performances : visualisation en nuage de points pour comparer visuellement jusqu’à trois modèles d’attribution.
  • Performance de tendance : affiche la tendance des conversions attribuées pour le principal élément de dimension. La sélection d’autres lignes dans le tableau à structure libre adjacent met à jour la visualisation pour refléter votre sélection.
  • Flux : vous permet de voir avec quels canaux les personnes interagissent le plus souvent lors de leur parcours, et dans quel ordre.

Modèles d’attribution

Un modèle d’attribution détermine les éléments de dimension qui reçoivent du crédit pour une mesure lorsque plusieurs valeurs sont affichées dans l’intervalle de recherche en amont d’une mesure. Les modèles d’attribution ne s’appliquent que lorsque plusieurs éléments de dimension sont définis dans l’intervalle de recherche en amont. Si un seul élément de dimension est défini, il est crédité à 100 %, quel que soit le modèle d’attribution utilisé.

Icône
Modèle d’attribution
Définition
Dernière touche
Dernière touche
Attribue un crédit de 100 % au point de contact le plus récent avant la conversion. Ce modèle d’attribution est généralement la valeur par défaut pour toute mesure pour laquelle aucun modèle d’attribution n’est spécifié autrement. Les entreprises utilisent généralement ce modèle lorsque le temps de conversion est relativement court, par exemple lors de l’analyse de mots-clés de recherche interne.
Première touche
Première touche
Attribue un crédit de 100 % au point de contact affiché pour la première fois dans l’intervalle de recherche en amont d’attribution. Les entreprises utilisent généralement ce modèle pour comprendre la notoriété de la marque ou l’acquisition de clients.
Linéaire
Linéaire
Accorde le même crédit à chaque point de contact visible menant à une conversion. Cela s’avère utile lorsque les cycles de conversion sont plus longs ou nécessitent un engagement client plus fréquent. Les entreprises utilisent généralement ce modèle d’attribution pour mesurer l’efficacité des notifications des applications mobiles ou avec des produits basés sur les abonnements.
Participation
Participation
Attribue un crédit de 100 % à tous les points de contact uniques. Comme chaque point de contact reçoit un crédit de 100 %, les données de mesure s’additionnent généralement à plus de 100 %. Si un élément de dimension apparaît plusieurs fois distinct menant à une conversion, les valeurs sont dédupliquées à 100 %. Ce modèle d’attribution est idéal dans les situations où vous souhaitez comprendre les points de contact auxquels les clients sont le plus exposés. Les entreprises de médias utilisent généralement ce modèle pour calculer la vitesse du contenu. Les organisations de vente au détail utilisent généralement ce modèle pour comprendre les parties de leur site qui sont essentielles à la conversion.
Même touche
Même touche
Attribue un crédit de 100 % à l’événement correspondant à celui où la conversion a eu lieu. Si un point de contact ne se produit pas sur le même événement qu’une conversion, il est regroupé sous « Aucun ». Ce modèle d’attribution équivaut parfois à n’avoir aucun modèle d’attribution. Elle s’avère utile dans les scénarios où vous ne souhaitez pas que les valeurs d’autres événements affectent la manière dont une mesure crédite les éléments de dimension. Les équipes de produit ou de conception peuvent utiliser ce modèle pour évaluer l’efficacité d’une page sur laquelle une conversion a lieu.
En U
En forme de U
Attribue 40 % de crédit à la première interaction, 40 % à la dernière interaction et divise les 20 % restants entre les autres points de contact. Pour les conversions avec un point de contact unique, un crédit de 100 % est attribué. Pour les conversions avec deux points de contact, 50 % de crédit est attribué aux deux. Ce modèle d’attribution est idéal dans les scénarios où vous attribuez la plus grande valeur aux première et dernière interactions, mais où vous ne souhaitez pas ignorer entièrement les interactions supplémentaires entre les deux.
Courbe J
En forme de J
Attribue un crédit de 60 % à la dernière interaction, de 20 % à la première interaction et divise les 20 % restants entre les autres points de contact. Pour les conversions avec un point de contact unique, un crédit de 100 % est attribué. Pour les conversions avec deux points de contact, 75 % de crédit est attribué à la dernière interaction et 25 % à la première. Semblable à la forme en U, ce modèle d’attribution favorise la première et la dernière interaction, mais privilégie plus fortement la dernière interaction.
Inverse J
En forme de J inversé
Attribue un crédit de 60 % au premier point de contact, de 20 % au dernier point de contact et divise les 20 % restants entre les autres points de contact. Pour les conversions avec un point de contact unique, un crédit de 100 % est attribué. Pour les conversions avec deux points de contact, 75 % de crédit est attribué à la première interaction et 25 % à la dernière. Semblable à la forme en J, ce modèle d’attribution favorise la première et la dernière interactions, mais favorise plus fortement la première interaction.
Décroissance temporelle
Décroissance temporelle
Suit une atténuation exponentielle avec un paramètre de demi-vie personnalisé, où la valeur par défaut est de sept jours. La pondération de chaque canal dépend de la durée écoulée entre l’initiation du point de contact et la conversion éventuelle. La formule utilisée pour déterminer le crédit est 2^(-t/halflife), où t correspond à la durée entre un point de contact et une conversion. Tous les points de contact sont ensuite normalisés à 100 %. Idéal pour les scénarios dans lesquels vous souhaitez mesurer l’attribution par rapport à un événement spécifique et significatif. Plus une conversion se produit après cet événement, moins le crédit est accordé.
Personnalisé
Personnalisé
Vous permet de spécifier le poids que vous souhaitez donner au premier point de contact, au dernier point de contact et aux points de contact intermédiaires. Les valeurs spécifiées sont normalisées à 100 %, même si les nombres personnalisés saisis ne totalisent pas 100. Pour les conversions avec un point de contact unique, un crédit de 100 % est attribué. Pour les interactions avec deux points de contact, le paramètre du milieu est ignoré. Les premier et dernier points de contact sont ensuite normalisés à 100 % et le crédit est attribué en conséquence. Ce modèle est idéal pour les analystes qui souhaitent exercer un contrôle total sur leur modèle d’attribution et qui ont des besoins spécifiques que d’autres modèles d’attribution ne répondent pas.
Algorithmique
Algorithmique
Utilise des techniques statistiques pour déterminer de manière dynamique l’attribution optimale du crédit pour la mesure sélectionnée. L’algorithme utilisé pour l’attribution est basé sur le dividende d’Harsanyi de la théorie du jeu coopératif. Le dividende d’Harsanyi est une généralisation de la solution de valeur de Shapley (nommée en honneur de Lloyd Shapley, un lauréat du prix Nobel d’économie) pour distribuer le crédit entre les participants d’un jeu dont les contributions au résultat sont inégales.
À haut niveau, l’attribution se calcule comme une coalition d’acteurs à laquelle un excédent doit être équitablement réparti. La distribution des excédents de chaque coalition est déterminée en fonction de l'excédent qui a été précédemment créé par chaque sous-coalition (ou les éléments de dimension précédemment participants) de manière récursive. Pour plus de détails, voir les documents originaux de John Harsanyi et de 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.

Intervalle de recherche en amont

Un intervalle de recherche en amont est la durée pendant laquelle une conversion doit faire une recherche en amont pour inclure des points de contact. Si un élément de dimension est défini en dehors de l’intervalle de recherche en amont, la valeur n’est incluse dans aucun calcul d’attribution.

  • 14 jours : recherche les 14 jours précédents à partir du moment où la conversion a eu lieu.
  • 30 jours : vérifie les 30 jours précédents à partir du moment où la conversion a eu lieu.
  • 60 jours : vérifie les 60 jours précédents à partir du moment où la conversion a eu lieu.
  • 90 jours : vérifie les 90 jours précédant la date de la conversion.
  • Session : recherche le début de la session au cours de laquelle une conversion a eu lieu. Les intervalles de recherche en amont de session respectent le délai d’expiration de session modifié dans une vue de données.
  • Personne (intervalle du compte rendu des performances) : examine toutes les visites jusqu’au premier du mois de la période actuelle. Par exemple, si la période du rapport s’étend du 15 au 30 septembre, la période de recherche en amont d’une personne inclut le 1er au 30 septembre. Si vous utilisez cet intervalle de recherche en amont, vous pouvez parfois voir que les éléments de dimension sont attribués à des dates en dehors de votre intervalle de compte rendu des performances.
  • Heure personnalisée : vous permet de définir un intervalle de recherche en amont personnalisé à partir du moment où une conversion s’est produite. Vous pouvez spécifier le nombre de minutes, heures, jours, semaines, mois ou trimestres. Par exemple, si une conversion a eu lieu le 20 février, un intervalle de recherche en amont de cinq jours évalue tous les points de contact de dimension entre le 15 et le 20 février dans le modèle d’attribution.
080e5213-7aa2-40d6-9dba-18945e892f79