속성 패널 attribution-panel

이 문서에서는 ​ Adobe Analytics ​의 속성 패널에 대해 설명합니다.
이 문서의 ​ Customer Journey Analytics 버전은 속성 패널을 참조하십시오.

속성 패널은 다양한 속성 모델을 비교하는 분석을 쉽게 구축할 수 있는 방법입니다. 패널은 속성 모델을 사용하고 비교할 수 있는 전용 작업 영역을 제공합니다.

Adobe Analytics는 다음을 통해 속성을 강화합니다.

사용

속성 패널 사용 방법:

패널 입력

다음 입력 설정을 사용하여 속성 패널을 구성할 수 있습니다.

패널 출력

속성 패널은 선택한 차원 및 지표에 대한 속성을 비교하는 풍부한 데이터 및 시각화를 반환합니다.

속성 시각화

다음 시각화는 패널 출력의 일부입니다.

속성 모델

속성 모델은 지표의 전환 확인 기간에 여러 값이 표시될 때 어떤 차원 항목이 지표에 대한 크레딧을 받는지 결정합니다. 속성 모델은 전환 확인 기간 내에 여러 차원 항목이 설정된 경우에만 적용됩니다. 단일 차원 항목만 설정된 경우, 사용된 속성 모델에 관계없이 해당 차원 항목은 100%의 크레딧을 받습니다.

아이콘

속성 모델

정의

마지막 터치

전환 전에 가장 최근에 발생하는 접점에 100% 크레딧을 제공합니다. 이 속성 모델은 일반적으로 속성 모델이 달리 지정되지 않은 모든 지표에 대한 기본값입니다. 조직에서는 일반적으로 내부 검색 키워드를 분석하는 등 변환 시간이 상대적으로 짧은 이 모델을 사용합니다.

첫 번째 터치

속성 전환 확인 기간 내 맨 먼저 표시된 접점에 100% 크레딧을 제공합니다. 조직에서는 일반적으로 브랜드 인지도나 고객 확보를 이해하기 위해 이 모델을 사용합니다.

선형

전환으로 이어지는 모든 표시되는 접점에 동일한 크레딧을 제공합니다. 전환 주기가 길거나 고객 참여가 더 자주 필요한 경우 유용합니다. 조직에서는 일반적으로 모바일 앱 알림 효과를 측정하거나 구독 기반 제품에 이 속성 모델을 사용합니다.

기여도

모든 고유한 접점에 100% 크레딧을 제공합니다. 모든 접점이 100% 크레딧을 받기 때문에 지표 데이터는 일반적으로 100% 이상이 됩니다. 차원 항목이 전환되기 전에 여러 번 개별적으로 나타나는 경우, 값은 100%로 중복 제거됩니다. 이 속성 모델은 고객이 가장 많이 노출되는 접점을 이해하고자 하는 상황에서 이상적입니다. 미디어 조직은 일반적으로 이 모델을 사용하여 콘텐츠 속도를 계산합니다. 소매 조직은 일반적으로 이 모델을 사용하여 사이트 내 전환에 중요한 부분을 파악합니다.

동일한 터치

전환이 발생한 이벤트에 100% 크레딧을 제공합니다. 접점이 전환과 동일한 이벤트에서 발생하지 않으면 “없음” 아래에 버킷으로 처리됩니다. 이 속성 모델은 때때로 속성 모델이 전혀 없는 것으로 간주되기도 합니다. 지표가 차원 항목에 크레딧을 부여하는 방식에 영향을 미치는 것을 다른 이벤트의 값이 원하지 않는 시나리오에서 유용합니다. 제품 또는 디자인 팀이 이 모델을 사용하여 전환이 발생하는 페이지의 효율성을 평가할 수 있습니다.

U자형

첫 번째 상호 작용에 40% 크레딧을 제공하고, 마지막 상호 작용에 40% 크레딧을 제공하며, 나머지 20%를 그 사이의 모든 접점에 나눠줍니다. 접점이 하나인 전환의 경우 100% 크레딧이 제공됩니다. 접점이 두 개인 전환의 경우 두 접점에 50% 크레딧이 제공됩니다. 이 속성 모델은 첫 번째와 마지막 상호 작용을 가장 중요하게 여기지만 그 사이에 추가적인 상호 작용을 완전히 무시하고 싶지 않은 시나리오에서 가장 적합합니다.

J 곡선

마지막 상호 작용에 60% 크레딧을 제공하고, 첫 번째 상호 작용에 20% 크레딧을 제공하며, 나머지 20%를 그 사이의 모든 접점에 나눠줍니다. 접점이 하나인 전환의 경우 100% 크레딧이 제공됩니다. 접점이 두 개인 전환의 경우 75% 크레딧이 마지막 상호 작용에 제공되며, 25% 크레딧이 첫 번째 상호 작용에 제공됩니다. U자형과 유사하게, 이 속성 모델은 첫 번째와 마지막 상호 작용을 선호하지만 마지막 상호 작용을 더 선호합니다.

J의 역

첫 번째 접점에 60% 크레딧을 제공하고, 마지막 접점에 20% 크레딧을 제공하며, 나머지 20%를 그 사이의 모든 접점에 나눠줍니다. 접점이 하나인 전환의 경우 100% 크레딧이 제공됩니다. 접점이 두 개인 전환의 경우 75% 크레딧이 첫 번째 상호 작용에 제공되며, 25% 크레딧이 마지막 상호 작용에 제공됩니다. J의 역과 유사하게, 이 속성 모델은 첫 번째와 마지막 상호 작용을 선호하지만 첫 번째 상호 작용을 더 선호합니다.

시간 감소

기본값이 7일인 사용자 정의 반감기 매개변수를 사용하는 기하급수적 감소가 따릅니다. 각 채널의 가중치는 접점 시작과 최종 전환 사이에 경과된 시간에 따라 달라집니다. 크레딧을 결정하는 데 사용되는 공식은 2^(-t/halflife)이고, 여기서 t는 접점과 전환 사이의 시간입니다. 그러면 모든 접점이 100%로 표준화됩니다. 중요한 특정 사건에 대한 속성을 측정하려는 시나리오에 이상적입니다. 이 이벤트 후 전환이 일어나기까지 시간이 오래 소요될수록 크레딧은 적게 제공됩니다.

사용자 정의

첫 번째 접점, 마지막 접점 및 그 사이에 있는 모든 접점에 제공할 가중치를 지정할 수 있습니다. 입력한 사용자 정의 숫자가 100에 추가되지 않는 경우에도 지정된 값이 100%로 표준화됩니다. 접점이 하나인 전환의 경우 100% 크레딧이 제공됩니다. 접점이 두 개인 상호 작용의 경우 중간 매개변수는 무시됩니다. 그런 다음 첫 번째 및 마지막 접점이 100%로 표준화되고 크레딧은 그에 따라 할당됩니다. 이 모델은 속성 모델을 완벽하게 제어하고 다른 속성 모델이 충족시키지 못하는 특정 요구 사항을 가진 분석가에게 이상적입니다.

알고리즘

통계 기법을 사용하여 선택한 지표에 대한 크레딧의 최적 할당을 동적으로 결정합니다. 속성에 사용되는 알고리즘은 협업 게임 이론의 Harsanyi 배당을 기반으로 합니다. Harsanyi 배당은 결과에 불평등한 기여와 함께 플레이어들 간의 크레딧을 분배하기 위해 Shapley 값 솔루션(노벨 경제학상 수상자인 Lloyd Shapley의 이름을 따서 이름이 지어짐)의 일반화입니다.
높은 수준에서 속성은 잉여금이 균등하게 분배되어야 하는 플레이어 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 논문을 참조하십시오.
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.

컨테이너

속성 컨테이너는 속성에 대해 원하는 범위를 정의합니다. 가능한 옵션은 다음과 같습니다.

전환 확인 기간

전환 확인 기간은 접점을 포함하도록 전환에서 다시 확인해야 하는 시간의 양입니다. 차원 항목이 전환 확인 기간 밖에 설정된 경우, 해당 값은 어떤 속성 계산에도 포함되지 않습니다.

예

다음 예를 생각해 보십시오.

기여도 분석 모델에 따라 컨테이너 및 채널은 서로 다른 크레딧을 받습니다. 예제는 아래 표를 참조하십시오.

크레딧이 여러 채널에 속하는 경우 일반적으로 정수가 있는 전환 이벤트는 분할됩니다. 예를 들어 두 채널이 선형 속성 모델을 사용하여 주문에 기여하는 경우 두 채널 모두 해당 주문의 0.5를 받습니다. 이러한 부분 지표는 모든 개인에게 집계된 다음 보고를 위해 가장 가까운 정수로 반올림됩니다.