Paramètres des colonnes

Paramètres des colonnes vous permet de configurer le formatage des colonnes, qui peut parfois être conditionnel.

Voir Paramètres de ligne et de colonne dans un tableau à structure libre pour une vidéo de démonstration.

Cette vidéo présente les fonctionnalités de à l’aide d’Adobe Analytics. Toutefois, cette fonctionnalité est également disponible dans Customer Journey Analytics. Gardez à l’esprit les différences terminologiques entre Adobe Analytics et Customer Journey Analytics (par exemple, les segments par rapport aux filtres ou les visites par rapport aux sessions).

Pour accéder à Paramètres des colonnes, 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 contenant 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 répartitions, 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 une 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, il est crédité à 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 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

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

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

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

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 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.

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.

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

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

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

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.