Paramètres des colonnes

Les paramètres de colonne vous permettent de configurer le formatage des colonnes, dont certains peuvent être conditionnels.

Pour accéder aux paramètres de colonne, sélectionnez dans l’en-tête de colonne.

Vous pouvez modifier les paramètres de plusieurs colonnes à la fois. Sélectionnez plusieurs colonnes et sélectionnez dans l’une des colonnes sélectionnées. Toute modification que vous apportez s’applique à toutes les colonnes comportant des cellules sélectionnées.

Mise en forme conditionnelle conditional-formatting

La mise en forme conditionnelle applique la mise en forme aux limites supérieure, moyenne et inférieure que vous pouvez définir. L’application d’une mise en forme conditionnelle dans les tableaux à structure libre est également activée automatiquement sur les ventilations, sauf si des limites personnalisées sont sélectionnées.

Utilisation d’un modèle d’attribution différent du modèle par défaut use-non-default-attribution-model

Vous pouvez remplacer le modèle d’attribution par défaut configuré dans Vues de données.

Pour utiliser un modèle d’attribution autre que celui par défaut pour une mesure dans Analysis Workspace :

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, celui-ci obtient un crédit de 100 %, quel que soit le modèle d’attribution utilisé.

Icône

Modèle d’attribution

Définition

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 d’une 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, comme lors de l’analyse des mots-clés de recherche interne.

Première touche

Attribue un crédit de 100 % au point de contact affiché pour la première fois dans l’intervalle de recherche en amont des attributions. Les entreprises utilisent généralement ce modèle pour comprendre la notoriété de la marque ou l’acquisition de clients.

Linéaire

Attribue le même crédit à chaque point de contact affiché menant à une conversion. Elle s’avère utile lorsque les cycles de conversion sont plus longs ou nécessitent un engagement plus fréquent de la part des clients. Les entreprises utilisent généralement ce modèle d’attribution qui mesure l’efficacité des notifications d’applications mobiles ou avec des produits par abonnement.

Participation

Attribue un crédit de 100 % à tous les points de contact uniques. Chaque point de contact recevant un crédit de 100 %, les données de mesure s’élèvent généralement à plus de 100 %. Si un élément de dimension apparaît plusieurs fois, ce qui entraîne une conversion, les valeurs sont dédupliquées à 100 %. Ce modèle d’attribution est idéal lorsque vous souhaitez identifier les points de contact les plus exposés. Les organisations multimédias utilisent généralement ce modèle pour calculer la vitesse du contenu. Les entreprises de vente au détail utilisent généralement ce modèle pour déterminer les parties de leur site qui sont essentielles à la conversion.

Même touche

Attribue un crédit de 100 % au même événement que 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 placé sous "Aucun". Ce modèle d’attribution est parfois assimilé à l’absence de modèle d’attribution. Elle s’avère utile dans les cas où vous ne souhaitez pas que les valeurs d’autres événements affectent la manière dont une mesure accorde du crédit aux éléments de dimension. Les équipes produit ou de conception peuvent utiliser ce modèle pour évaluer l’efficacité d’une page où une conversion se produit.

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, un crédit de 50 % est attribué aux deux. Ce modèle d’attribution est mieux utilisé dans les scénarios où vous évaluez le plus les premières et les dernières interactions, mais ne souhaitez pas entièrement ignorer les interactions supplémentaires entre les deux.

Courbe en 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, un crédit de 75 % est attribué à la dernière interaction et 25 % à la première. Tout comme en forme de U, ce modèle d’attribution favorise la première et la dernière interactions, mais favorise plus fortement la dernière interaction.

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, un crédit de 75 % est attribué à la première interaction et 25 % à la dernière. Tout comme en forme de J, ce modèle d’attribution favorise la première et la dernière interactions, mais favorise plus fortement la première interaction.

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 où 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 attribué.

Personnalisé

Permet de spécifier les pondérations à attribuer 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 premiers et derniers points de contact sont ensuite normalisés à 100 % et le crédit est attribué en conséquence. Ce modèle est idéal pour les analystes qui souhaitent un contrôle total sur leur modèle d’attribution et qui ont des besoins spécifiques que d’autres modèles d’attribution ne remplissent pas.

Algorithmique

Utilise des techniques statistiques pour déterminer de manière dynamique la distribution 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 un haut niveau, l’attribution est calculée en tant que coalition de joueurs auxquels un excédent doit être réparti équitablement. La répartition de l'excédent de chaque coalition est déterminée en fonction de l'excédent précédemment créé par chaque sous-coalition (ou des éléments de dimension ayant participé précédemment) de manière récurrente. 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.