Deelvenster Adobe Analytics-toewijzing en terugzoekvensters
Wanneer ik voor het eerst nadacht over de deelvenster voor kenmerken en lookback-venster Ik werd onmiddellijk herinnerd aan het begrip "tijdreis" En toen, natuurlijk, werd ik ook herinnerd aan onze typische reactie op vele nieuwe hulpmiddelen zoals deze is om eenvoudig het proberen uit te stellen om het te gebruiken, omdat zij zo ingewikkeld lijken.
Ik bedoel eerlijk gezegd, kijk gewoon naar al die opties, switches, deelvensters, lezingen en knoppen. En serieus, laten we het hebben over die gecompliceerde knipperende lichten, slangen, kooien… WACHT! Dit is niet het moment om afleiding te krijgen in het praten over tijdmachines, we hebben gewoon geen tijd… of doen we dat?
Ik geef toe deelvenster voor kenmerken Het is een vrij complex instrument, maar onze typische taak als analisten, dag in dag uit, is om een ander van onze favoriete en zeer complexe instrumenten te gebruiken om ook te kijken naar wat er in het verleden is gebeurd. Dat gereedschap heet Adobe Analytics! Dus ja, om onze zeer relevante vraag te beantwoorden, denk ik dat deze twee dingen zeggen dat we genoeg tijd hebben.
Daarom waarom zouden we iets als een beetje angst moeten toestaan om zo'n verbazingwekkende, gesofisticeerde en krachtige hulpmiddelen als deze die ons letterlijk in staat stellen om te kijken, in de weg te staan achterwaarts in de tijd , elke dag ?
Want dit is TIJDREIS, mensen! We hebben het allemaal over dat soort dingen. Juist??!
Dus, wat wachten we op - een glanzende metalen auto, een politiedoos, of een oude telefoontoestel met de bedrading van een oude paraplu als antenne om op onze deur te komen?
Nee! We hebben nog iets beters, dus laten we er maar aan vasthouden!
Nou… je krijgt het idee.
Nu we allemaal enthousiast zijn over tijdreizen, laten we een diepe adem nemen, een stap terug, bepalen wat de deelvenster voor kenmerken echt is, en onderbreek de dingen een beetje:
Afbeelding 1 - Getallen worden inline weergegeven met de onderstaande tekst
In toewijzing Overweeg eenvoudig hoe gebeurtenissen/acties kunnen worden veroorzaakt door een individu, meerdere personen of een van de verschillende gebeurtenissen in de loop van de tijd.
Volgens Adobe, toewijzing biedt analisten de mogelijkheid om aan te passen Dimension objecten ontvangen creditering voor succesgebeurtenissen.
In feite, is zelden om het even welke bepaalde klantenreis echt lineair en zelfs minder vaak voorspelbaar. Meer zo, zal elke klant bij hun eigen tempo te werk gaan; vaak, zouden zij terug kunnen verdubbelen, kunnen stagneren, wegvallen, of andere niet-lineair gedrag aangaan. Deze biologische acties maken het moeilijk of praktisch onmogelijk om de impact van marketinginspanningen op de hele reis van de klant te kennen. Ook wordt het hierdoor lastig om meerdere datakanalen aan elkaar te koppelen.
Dat klopt. Laat je 'domino'-analogieën bij de deur staan en open voor concepten die meer op de lijn liggen van het vlindereffect en de snaartheorie - maar net als alle andere dingen moeten we beginnen met een aantal basisprincipes.
Attributiemodellen
Als wij deelvenster voor kenmerken We kunnen echter verschillende dingen gaan zien. Bijvoorbeeld de toewijzingsmodellen laten zien hoe onze conversies (dat wil zeggen, ❶ succeswaarden) kan over treffers in een bepaalde groep.
Eenvoudig gezet, als 10 personen druk op GROTE RODE KNOP om door een deur te stappen, onze toewijzingsmodellen zullen ons vertellen welke van hen 10 personen wij willen " krediet " toekennen - of beter gezegd : hoe veel " verdienste " willen wij hen toewijzen - voor het drukken op de knop .
Met dit in gedachten zijn er een paar voorbeelden van hoe de ❸ toewijzingsmodellen kunnen gevolgen hebben voor 10 personen:
-
Eerste aanraking: Dit model werkt precies zoals het klinkt door 100% krediet aan de first persoon die door de deur liep. Marktdeelnemers gebruiken deze aanpak eerder voor tactieken zoals sociale media of display Het is echter ook een grote tactiek om vaak te gebruiken voor de doeltreffendheid van aanbevelingen ter plaatse voor producten.
-
Laatste aanraking: Deze tactiek werkt ook precies zoals het klinkt, maar geeft in plaats daarvan 100% krediet naar de LAST-persoon die door de deur liep. Dit model wordt doorgaans gebruikt voor het analyseren van zaken zoals natuurlijke ( organische ) zoekopdracht en andere op korte termijn marketingcycluscampagnes.
-
Lineair: Dit model verdeelt evenwaardig krediet over IEDERE ENKELE PERSOON die door de deur liep.
note caution CAUTION Hier wordt echter de nodige voorzichtigheid geboden, omdat u de resultaten zeer snel kunt verspreiden wanneer u deze tactiek toepast, rekening houdend met hoe langer de tactiek loopt en hoe groter het publiek dat deze bereikt. -
U-vorm: Deze aanpak wijst toe 40% van het krediet aan de eerste persoon in de deur, spreads 20% van het krediet iedereen tussen en geeft vervolgens 40% aan de laatste door. Dit model wordt meestal gebruikt in situaties waarin u een lange conversie-/verkoopcyclus bevattende verschillende aanraakpunten onderweg. In dit geval is het uw bedoeling om vooral de nadruk te leggen op de first en last marketing tactiek die tot de klant het omzetten bijdroeg.
-
J-Vorm en Omgekeerd J:
-
Denk na over U-vorm, maar in plaats daarvan wijst dit model 60% krediet aan de laatste persoon door de deur lopen; 20% aan de first en vervolgens delen de resterende 20% dwars iedereen anders in het midden. Omgekeerd J doet precies het tegenovergestelde.
Het is de bedoeling om de meeste nadruk te leggen, ofwel op de begin of de end van uw campagne, maar u wilt nog steeds een bepaald bedrag aan krediet aan het bijdragende punt op het tegenovergestelde eind toewijzen terwijl u de "kleine jongens" onderweg erkent.
-
-
Tijdverlies: Nu, ik zou het missen als ik deze niet deelde. Dit model heeft letterlijk een halfwaardetijd die exponentieel vervalt - in de loop der tijd! In dit geval worden de default parameter voor de halfwaardetijd van dit model 7 dagen. De manier waarop het werkt, is vervolgens van toepassing gewicht aan elk marketingkanaal, op basis van de hoeveelheid tijd die na de eerste aanraakpunt en wanneer de klant omzet.
Tijdverlies en U-vormige attributiemodellen worden beide typisch gebruikt om langer-genoemd campagnes te meten, maar zoals u kunt zien, hebben zij lichtjes verschillende doelstellingen, die op hoe uiteindelijk zij worden gebaseerd wegen de waarde van het resultaat.
-
Aangepast: Je kiest en kiest wie er geld krijgt. Het is jouw campagne!
Voor aanvullende informatie over deze en andere attributiemodellen: klik hier
Om dit nog interessanter te maken, praten we over het terugdraaien van de klok!
Venster opzoeken
Nu is het tijd om je geest op een hoger niveau te zetten. Hier voegen we letterlijk het tijdreiselement toe aan onze analyse - en opnieuw beginnen we met de basis.
Adobe ❹ terugzoekvensters als " de hoeveelheid tijd die een conversie moet terugkijken om aanraakpunten op te nemen . Attributiemodellen die meer krediet geven aan eerste interacties zien grotere verschillen bij het weergeven van verschillende terugkijkvensters."
Met andere woorden: terugzoekvensters bepalen gedurende welke periode conversies worden overwogen en context naar de analyse van de toerekeningswaarde. Adobe Analytics biedt drie typen terugzoekvensters:
-
Het terugkijkvenster van de bezoek: Kijkt terug naar het begin van een bezoek wanneer er een conversie heeft plaatsgevonden , geeft deze inzicht in de onmiddellijke interacties die tot conversies hebben geleid .
Dit is doorgaans de kortste lookback-venster te gebruiken.
-
Het terugkijkvenster van de bezoeker: Kijkt naar alles bezoeken back-up maken tot de eerste maand van de geselecteerde datumbereik, die een veel breder beeld van de interactie van de klant aanbieden en helpt patronen in tijd identificeren.
-
Aangepast terugzoekvenster: Hiermee kunt u de toewijzingsvenster buiten de verslaglegging datumbereik tot en met maximum van 90 dagen. Het biedt flexibiliteit bij het vastleggen van aanraakpunten die zijn opgetreden buiten de geselecteerde datumbereik, en zorgen voor een alomvattende analyse.
Door een bepaalde instelling aan te passen lookback-venster kunnen analisten vervolgens de impact van een of meer aanraakpunten binnen specifieke tijdframes onderzoeken en meer inzicht krijgen in de invloed van de verschillende tijdsduur op de toewijzingsresultaten.
Alles bijeenbrengen
Wat betekent dit voor ons als analisten?
De deelvenster voor kenmerken en lookback-venster geven ons de macht om voorbij de alledaagse, oppervlakte-vlakke gegevens te kijken, en dieper in de klantenreis te duiken. Door te begrijpen welke aanraakpunten de grootste invloed hadden op conversies We kunnen echter weloverwogen beslissingen nemen over onze marketingstrategieën en de middelen effectiever toewijzen.
Herinner me, nadat u hebt toewijzingsmodellen en terugzoekvensters geselecteerd, kunt u uw gegevens nog verder manipuleren door het met een ❺ te filtreren segment, of een andere component die u op dit punt wilt gebruiken. Bovendien beschikt u over alle functionaliteit van een traditionele werkruimte nadat het deelvenster is gerenderd.
Tot slot de tenuitvoerlegging ervan
Nu je de concepten hebt, stel je voor dat je een marketingcampagne voert en probeert te bepalen welk kanaal het is meest effectief voor het besturen van omzettingen. Met de hulp van de deelvenster voor kenmerken niet alleen de laatste aanraking, maar ook de eerste aanraking, zelfde aanraking en andere model u bepaalt welke kanalen zijn meest effectief bij het besturen van uw conversies. Deze informatie kan vervolgens worden gebruikt om optimaliseren uw campagnes en verbetert de algehele prestaties eenvoudig door de klok terug te draaien met lookback-venster van uw keuze!
Nu je hebt gezien wat het kan doen, mag je niet misleid of geïntimideerd worden door de schijnbaar complexe kenmerken van het attributiepaneel. Gezicht. Embrace het. Begrijpen het.
MAAR DE MEESTE - Gebruik het in uw voordeel. De deelvenster voor kenmerken en lookback-venster zijn de sleutels om een dieper inzicht in uw klanten en hun reis met uw merk te ontsluiten.
Nu kunnen we reizen "terug in de tijd" met vertrouwen en gebruik de kracht van onze vertrouwde tijdmachine ( ook bekend als Adobe Analytics) om gegevensgestuurde beslissingen te nemen.
Auteur
Dit document is geschreven door:
Jeff Bloomer, manager, Digital Analytics bij Kroger Personal Finance
Adobe Analytics Champion