アトリビューションパネル attribution-panel

アトリビューション ​パネルを使用すると、各種アトリビューションモデルの比較分析を簡単に作成できます。このパネルには、アトリビューションモデルを使用および比較するための専用のワークスペースが用意されています。

Customer Journey Analytics を使用すると、以下が可能になるので、アトリビューションを強化できます。

  • 有料メディア以外でアトリビューションを定義:マーケティングキャンペーンだけでなく、任意のディメンション、指標、チャネルまたはイベントをモデル(内部検索など)に適用できます。
  • アトリビューションモデルの無制限の比較を使用:必要な数のモデルを動的に比較します。
  • 実装の変更を避ける:レポート時の処理とコンテキスト対応セッションを使用すると、カスタマージャーニーコンテキストを組み込み、実行時に適用できます。
  • アトリビューションシナリオに最適なセッションの作成。
  • アトリビューションのフィルター別分類:すべての重要なフィルターについてマーケティングチャネルのパフォーマンスを容易に比較できます(例:新規顧客とリピート顧客、製品 X と製品 Y、ロイヤルティレベル、CLV など)。
  • チャネルのクロスオーバー分析およびマルチタッチ分析の調査:ベン図やヒストグラムを使用でき、アトリビューション結果のトレンドを追跡できます。
  • 主要なマーケティングシーケンスの視覚的分析:コンバージョンにつながったパスをマルチノードのフローおよびフォールアウトビジュアライゼーションで視覚的に調査できます。
  • 計算指標の構築:任意の数のアトリビューション割り当て方法を使用できます。

用途

アトリビューション パネルを使用するには:

  1. アトリビューション パネルを作成します。 パネルの作成方法について詳しくは、 パネルの作成を参照してください。

  2. パネルの 入力を指定します。

  3. パネルの output を確認します。

パネル入力

次の入力設定を使用して、アトリビューションパネルを設定できます。

  1. 属性を設定する 成功指標 とディメンション チャネル を追加します。 例としては、マーケティングチャネルや、内部プロモーションなどのカスタムディメンションがあります。

    選択した複数のディメンションと指標を表示するアトリビューションパネルウィンドウ

  2. 比較に使用する 1 つ以上の アトリビューションモデル含まれるモデル から選択し、 ルックバックウィンドウルックバックウィンドウ から選択します。

  3. ビルド」を選択して、パネル内のビジュアライゼーションを作成します。

パネル出力

アトリビューション パネルは、選択したディメンションと指標のアトリビューションを比較する豊富なデータとビジュアライゼーションのセットを返します。

選択した指標とディメンションを比較するアトリビューションパネルのビジュアライゼーション

アトリビューションのビジュアライゼーション

次のビジュアライゼーションは、パネル出力の一部です。

  • 合計指標:選択したディメンションに起因する、レポート時間枠で発生したコンバージョンの合計数。
  • アトリビューション比較バー:選択したディメンションの各ディメンションアイテム間で、アトリビューションされたコンバージョンを視覚的に比較します。各棒の色は、個別のアトリビューションモデルを表します。
  • アトリビューション比較テーブル:棒グラフと同じデータを表形式で表示します。この表で異なる列または行を選択すると、棒グラフに加えて、パネル内の他のビジュアライゼーションの一部がフィルターされます。このテーブルは、Workspaceの他のフリーフォームテーブルと同様に機能し、指標、フィルター、分類などのコンポーネントを追加できます。
  • 重なり図:上位 3 つのディメンション項目と、それらが共同でコンバージョンに参加する頻度を示すベン ビジュアライゼーション。 例えば、バブルの重複のサイズは、人物が両方のディメンション項目にさらされたときにコンバージョンが発生した頻度を示します。 隣接したフリーフォームテーブルで他の行を選択すると、その選択を反映するようにビジュアライゼーションが更新されます。
  • パフォーマンスの詳細:最大 3 つのアトリビューションモデルを視覚的に比較する散布図ビジュアライゼーション。
  • トレンドパフォーマンス:最上位ディメンション項目の属性コンバージョンのトレンドを表示します。 隣接したフリーフォームテーブルで他の行を選択すると、その選択を反映するようにビジュアライゼーションが更新されます。
  • フロー:ユーザーのジャーニー全体を通して、どのチャネルが最もよく使用されているか、およびその順番を確認できます。

アトリビューションモデル

アトリビューションモデルは、指標のルックバックウィンドウ内に複数の値が表示された場合に、指標のクレジットを取得するディメンション項目を決定します。 アトリビューションモデルは、ルックバックウィンドウ内に複数のディメンション項目が設定されている場合にのみ適用されます。 単一のディメンション項目のみが設定されている場合、そのディメンション項目は、使用される属性モデルに関係なく、100% のクレジットを受け取ります。

アイコン
アトリビューションモデル
定義
ラストタッチ
ラストタッチ
コンバージョンの直前に発生したタッチポイントに 100% のクレジットを与えます。 このアトリビューションモデルは、通常、アトリビューションモデルが特に指定されていない指標のデフォルト値です。 内部検索キーワードの分析など、コンバージョンまでの時間が比較的短い組織では、通常、このモデルを使用します。
ファーストタッチ
ファーストタッチ
アトリビューションのルックバックウィンドウ内で最初に確認されたタッチポイントに 100% のクレジットを与えます。 通常、組織はこのモデルを使用して、ブランド認知度や顧客獲得について理解します。
線形
線形
コンバージョンにつながるすべてのタッチポイントに対して、同等のクレジットを付与します。 これは、コンバージョンサイクルが長い場合や、より頻繁な顧客エンゲージメントが必要な場合に役立ちます。 組織は通常、モバイルアプリの通知の有効性を測定したり、購読ベースの製品で、このアトリビューションモデルを使用します。
パーティシペーション
パーティシペーション
一意のタッチポイントすべてに 100%のクレジットが与えられます。すべてのタッチポイントが 100% のクレジットを受け取るので、指標データは通常、100% を超える合計になります。 コンバージョンに至るまで、ディメンション項目が複数回別々に表示される場合、値は 100% まで重複排除されます。 このアトリビューションモデルは、顧客が最もさらされるタッチポイントを理解したい状況に最適です。 メディア組織は、通常、このモデルを使用してコンテンツベロシティを計算します。 小売組織は通常、このモデルを使用して、サイトのどの部分がコンバージョンに不可欠かを把握します。
同じタッチ
同じタッチ
コンバージョンが発生した同じイベントに 100% のクレジットを与えます。 コンバージョンと同じイベントでタッチポイントが発生しない場合は、「なし」の下にバケット化されます。 このアトリビューションモデルは、アトリビューションモデルがまったくない場合と同等に扱われることがあります。 これは、指標がディメンション項目にクレジットを与える方法に他のイベントの値が影響を与えることを望まないシナリオで役立ちます。 製品チームまたは設計チームは、このモデルを使用して、コンバージョンが発生するページの効果を評価できます。
U字型
U 字型
最初のインタラクションに 40%のクレジット、最後のインタラクションに 40%のクレジットが与えられ、残りの 20%がその間のタッチポイントに割り振られます。タッチポイントが 1 つのコンバージョンの場合、100%のクレジットが与えられます。2 つのタッチポイントを持つコンバージョンの場合、両方に 50% のクレジットが与えられます。 このアトリビューションモデルは、最初と最後のインタラクションを最も重視するが、その間の追加のインタラクションを完全に却下したくないシナリオで最適に使用されます。
J カーブ
J カーブ
最後のインタラクションに 60%のクレジット、最初のインタラクションに 20%のクレジットが与えられ、残りの 20%がその間のタッチポイントに割り振られます。タッチポイントが 1 つのコンバージョンの場合、100%のクレジットが与えられます。2 つのタッチポイントがあるコンバージョンの場合、最後のインタラクションに 75% のクレジットが与えられ、最初のインタラクションに 25% のクレジットが与えられます。 U字型と同様に、このアトリビューションモデルは最初と最後のインタラクションを優先しますが、最後のインタラクションの方が大幅に優先されます。
逆 J
逆 J 形
最初のタッチポイントに 60%のクレジット、最後のタッチポイントに 20%のクレジットが与えられ、残りの 20%がその間のタッチポイントに割り振られます。タッチポイントが 1 つのコンバージョンの場合、100%のクレジットが与えられます。2 つのタッチポイントがあるコンバージョンの場合、最初のインタラクションに 75% のクレジットが与えられ、最後のインタラクションに 25% のクレジットが与えられます。 J字型と同様に、このアトリビューションモデルは最初と最後のインタラクションを優先しますが、最初のインタラクションの方が大幅に優先されます。
タイムディケイ
タイムディケイ
カスタムの半減期パラメーター(デフォルトは 7 日)で指定される指数関数的減衰に従います。各チャネルの重みは、タッチポイントの開始から最終的なコンバージョンまでの経過時間によって異なります。クレジットの決定に使用される式は 2^(-t/halflife) です。ここで、t は、タッチポイントからコンバージョンまでの時間を表します。すべてのタッチポイントは、100% に正規化されます。 特定の重要なイベントに対してアトリビューションを測定するシナリオに最適です。 このイベントの後にコンバージョンが発生する時間が長いほど、与えられるクレジットは少なくなります。
カスタム
カスタム
ファーストタッチポイント、ラストタッチポイントおよびその間のタッチポイントに与える重みを指定できます。 指定された値は、入力したカスタムの数値の合計が 100 にならなくても、100%に正規化されます。タッチポイントが 1 つのコンバージョンの場合、100%のクレジットが与えられます。タッチポイントが 2 つのインタラクションの場合、中間のパラメーターは無視されます。その後、ファーストタッチポイントとラストタッチポイントが 100% に正規化され、それに応じてクレジットが割り当てられます。 このモデルは、アトリビューションモデルを完全に制御したいアナリストや、他のアトリビューションモデルでは実現できない特定のニーズを持つアナリストに最適です。
アルゴリズム
アルゴリズム
統計的手法を使用して、選択した指標に対するクレジットの最適な配分を動的に決定します。 アトリビューションに使用されるアルゴリズムは、協同ゲーム理論のハルサニ配当に基づきます。ハルサニ配当は、結果への貢献度が等しくないゲーム内のプレーヤー間でクレジットを分配するためのシャープレイ値ソリューション(ノーベル賞受賞者のエコノミスト、ロイドシャープレイにちなんで名付けられました)の一般化です。
高いレベルでは、アトリビューションは、剰余金を公平に分配する必要があるプレーヤーの連合として計算されます。 各連合体の余剰分布は、各連合体(または以前に参加したディメンション項目)が再帰的に作成した余剰に応じて決定される。 詳しくは、John Harsanii's と Lloyd Shapley's original papers:
Shapley, Lloyd S を参照。(1953)。 n 人用ゲームの値​ Contributions to the Theory of Games, 2(28), 307-317.
ジョン・C・ハルサーニー(1963)。 n 人用協力ゲームのシンプル版安価モデル。International Economic Review 4(2), 194-220.

ルックバックウィンドウ

ルックバックウィンドウは、タッチポイントを含めるようにコンバージョンをルックバックする期間です。ディメンション項目がルックバックウィンドウ外で設定された場合、その値はアトリビューションの計算に含まれません。

  • 14 日:コンバージョンが発生した時点から最大 14 日後を遡ります。
  • 30 日:コンバージョンが発生した時点から最大 30 日後を遡ります。
  • 60 日:コンバージョンが発生した時点から最大 60 日遡ります。
  • 90 日:コンバージョンが発生した時点から最大 90 日後を遡ります。
  • セッション:コンバージョンが発生したセッションの先頭まで遡ります。 セッションルックバックウィンドウは、データビューの変更された セッションタイムアウトを尊重します。
  • 個人(レポートウィンドウ):現在の日付範囲の月の最初までのすべての訪問を調べます。 例えば、レポートの日付範囲が 9 月 15 日~9 月 30 日の場合、人物ルックバックの日付範囲は 9 月 1 日~9 月 30 日を含みます。 このルックバックウィンドウを使用すると、ディメンション項目がレポートウィンドウ外の日付に関連付けられていることがあります。
  • カスタム時間: コンバージョンが発生した時点からのカスタムルックバックウィンドウを設定できます。 分、時間、日、週、月、四半期の数を指定できます。 例えば、コンバージョンが 2 月 20 日に発生した場合、5 日間のルックバックウィンドウでは、アトリビューションモデルの 2 月 15 日から 2 月 20 日までのすべてのディメンションタッチポイントが評価されます。
recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79