속성 구성 요소 설정 attribution-component-settings
속성을 사용하면 차원 항목이 성공 이벤트에 대한 크레딧을 받는 방법을 사용자 정의할 수 있습니다.
예:
- 사이트의 사용자가 제품 페이지 중 하나에 대한 유료 검색 링크를 클릭합니다. 장바구니에 제품을 추가하지만 구매하지 않습니다.
- 다음날, 그들은 그들의 친구 중 한 명으로부터 온 소셜 미디어 게시물을 본다. 링크를 클릭한 다음 구매를 완료합니다.
일부 보고서에서는 유료 검색으로 인한 주문을 원할 수 있습니다. 다른 보고서에서는 Social에 속하는 순서를 원할 수도 있습니다. 속성을 사용하면 보고의 이러한 측면을 제어할 수 있습니다.
구성 요소의 기본 속성 모델 설정
데이터 보기에서 지표 설정을 업데이트하여 주어진 지표에 대한 기본 속성 모델을 설정할 수 있습니다. 이렇게 하면 Analysis Workspace에서 지표를 사용할 때마다 지표의 속성 모델이 무시됩니다.
-
보고서에서 단일 차원과 함께 구성 요소를 사용하는 경우: 구성 요소의 속성은 기본이 아닌 속성 모델을 사용하는 경우 할당 모델을 무시합니다.
-
보고서에서 구성 요소를 여러 차원과 함께 사용하는 경우: 구성 요소의 속성은 기본이 아닌 속성 모델을 사용하는 경우 할당 모델을 유지합니다.
구성 요소의 기본 속성 모델을 업데이트하려면:
-
기본 속성 모델을 업데이트하려는 구성 요소가 포함된 데이터 보기로 이동합니다.
-
구성 요소를 선택한 다음, 화면 오른쪽의 속성 섹션을 확장합니다.
-
속성 설정 을 선택한 다음 속성 모델 드롭다운 메뉴에서 속성 모델을 선택합니다.
각 속성 모델에 대해 알아보려면 속성 모델을 참조하세요.
-
저장 후 계속 을 선택합니다.
-
원하는 각 속성 설정을 사용하여 데이터 보기에서 지표를 복사합니다. 데이터 보기에서 동일한 지표를 여러 번 포함하여 각 지표에 서로 다른 설정을 지정할 수 있습니다. 보고서를 생성할 때 분석가가 이러한 지표 간의 차이점을 이해할 수 있도록 각 지표에 레이블을 적절하게 지정해야 합니다.
-
Analysis Workspace에서 지표를 재정의합니다. 지표의 열 설정에서 기본값이 아닌 속성 모델 사용 을 선택하여 해당 특정 보고서에 대한 지표의 속성 모델 및 전환 확인 기간을 변경합니다.
속성 모델 attribution-models
속성 모델은 지표의 전환 확인 기간 내에 여러 값이 표시되면 지표에 대한 크레딧을 받는 차원 항목을 결정합니다. 속성 모델은 전환 확인 기간 내에 여러 차원 항목이 설정된 경우에만 적용됩니다. 단일 차원 항목만 설정된 경우 사용된 속성 모델에 관계없이 해당 차원 항목이 100% 크레딧을 받습니다.
2^(-t/halflife)이고, 여기서 t는 터치 포인트와 전환 사이의 시간입니다. 그런 다음 모든 터치 포인트가 100%로 표준화됩니다. 특정 중요 이벤트에 대한 속성을 측정하려는 시나리오에 이상적입니다. 이 이벤트 후 전환이 일어나기까지 시간이 오래 걸릴수록 크레딧은 적게 제공됩니다.
높은 수준에서 기여도 분석은 잉여금이 균등하게 분배되어야 하는 플레이어의 연합으로 계산됩니다. 각 연합의 잉여금은 각 하위 연합(또는 이전에 참가한 차원 항목)에 의해 이전에 생성된 잉여금에 따라 재귀적으로 결정됩니다. 자세한 내용은 John Harsanyi 및 Lloyd Shapley의 원본 논문:
Shapley, Lloyd S. (1953)을 참조하십시오. 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.
전환 확인 기간
전환 확인 기간은 터치 포인트를 포함하도록 전환에서 다시 확인해야 하는 시간의 양입니다. 차원 항목이 전환 확인 기간 외부에서 설정된 경우 이 값은 속성 계산에 포함되지 않습니다.
- 14일: 전환이 발생한 시점부터 최대 14일까지 되돌아봅니다.
- 30일: 전환이 발생한 시점부터 최대 30일까지 되돌아봅니다.
- 60일: 전환이 발생한 시점부터 최대 60일까지 되돌아봅니다.
- 90일: 전환이 발생한 시점부터 최대 90일까지 되돌아봅니다.
- 세션: 전환이 발생한 세션 시작 부분까지 되돌아봅니다. 세션 전환 확인 기간은 데이터 보기에서 수정된 세션 시간 초과를 따릅니다.
- 개인(보고 기간): 현재 날짜 범위 달의 1일까지의 모든 방문을 다시 봅니다. 예를 들어, 보고서 날짜 범위가 9월 15일 ~ 9월 30일인 경우, 개인 전환 확인 날짜 범위는 9월 1일 ~ 9월 30일이 됩니다. 이 전환 확인 기간을 사용하는 경우 차원 항목이 보고 기간 밖의 날짜에 기인한 것임을 알 수 있습니다.
- 사용자 지정 시간: 전환이 발생한 시점부터 사용자 지정 전환 확인 기간을 설정할 수 있습니다. 분, 시간, 일, 주, 월 또는 분기의 수를 지정할 수 있습니다. 예를 들어 전환이 2월 20일에 발생한 경우 5일의 전환 확인 창은 속성 모델에서 2월 15일부터 2월 20일까지 모든 차원 접촉점을 평가합니다.
속성 예 attribution-example
다음 예를 생각해 보십시오.
- 9월 15일, 한 사람이 유료 검색 광고를 통해 여러분의 사이트에 도착했다가 나갑니다.
- 9월 18일, 해당 사용자는 친구로부터 받은 소셜 미디어 링크를 통해 다시 귀하의 사이트에 도착합니다. 장바구니에 몇 개 항목을 추가하지만 구입하지는 않습니다.
- 9월 24일 마케팅 팀이 장바구니에 있는 일부 항목에 대한 쿠폰이 포함된 이메일을 보냅니다. 쿠폰은 적용하지만 다른 쿠폰이 있는지 확인하기 위해 다른 몇 개 사이트를 방문합니다. 디스플레이 광고를 통해 다른 항목을 찾은 다음 최종적으로 $50에 구매합니다.
전환 확인 기간과 속성 모델에 따라 채널은 서로 다른 크레딧을 받습니다. 다음은 몇 가지 예입니다.
-
첫 번째 터치 와 세션 전환 확인 기간 을 사용하는 속성은 세 번째 방문만 봅니다. 이메일과 디스플레이 사이에 이메일이 첫 번째였으며, 따라서 $50 구매에 대해 이메일이 100% 크레딧을 받습니다.
-
첫 번째 터치 와 개인 전환 확인 기간 을 사용하는 기여도 분석은 세 번의 방문을 모두 봅니다. 유료 검색이 첫 번째였으며, 따라서 $50 구매에 대해 유료 검색이 100% 크레딧을 받습니다.
-
선형 및 세션 전환 확인 기간 을 사용하면 크레딧이 전자 메일과 디스플레이 간에 나눠집니다. 이 두 채널 모두 각각 $25 크레딧을 받습니다.
선형 및 개인 전환 확인 기간 을 사용하면 크레딧이 유료 검색, 소셜, 전자 메일 및 디스플레이 간에 나눠집니다. 각 채널은 이 구매에 대해 $12.50 크레딧을 받습니다. -
J자형 과(와) 개인 전환 확인 기간 을(를) 사용하는 경우 크레딧은 유료 검색, 소셜, 이메일 및 디스플레이 간에 나눠집니다.
- $30인 60% 크레딧이 디스플레이에 제공됩니다.
- $10인 20% 크레딧이 유료 검색에 제공됩니다.
- 나머지 20%는 소셜과 이메일 간에 나누어져 각각 5달러가 제공됩니다.
-
시간 감소 와 개인 전환 확인 기간 을 사용하는 경우 크레딧은 유료 검색, 소셜, 이메일 및 디스플레이 간에 나눠집니다. 다음과 같이 기본 7일 반감기를 사용합니다.
-
디스플레이 터치 포인트와 전환 간 0일 간격.
2^(-0/7) = 1 -
이메일 터치 포인트와 전환 간 0일 간격.
2^(-0/7) = 1 -
소셜 터치 포인트와 전환 간 6일 간격.
2^(-6/7) = 0.552 -
유료 검색 터치 포인트와 전환 간 9일 간격.
2^(-9/7) = 0.41 -
이러한 값을 표준화하면 다음과 같은 결과가 나옵니다.
- 디스플레이: 33.8%, $16.88 받음
- 이메일: 33.8%, $16.88 받음
- 소셜: 18.6%, $9.32 받음
- 유료 검색: 13.8%, $6.92 받음
-
일반적으로 정수가 있는 전환 이벤트는 크레딧이 둘 이상의 채널에 속하는 경우 나누어집니다. 예를 들어 두 채널이 선형 기여도 분석 모델을 사용하여 주문에 기여하는 경우 두 채널 모두 해당 주문의 0.5를 받습니다. 이러한 부분 지표는 모든 사람에 대해 집계한 후 보고를 위해 가장 가까운 정수로 반올림됩니다.