Configurações de coluna

As configurações de coluna permitem definir a formatação da coluna, e alguns elementos podem ser condicionais.

Consulte Configurações de linha e coluna em uma tabela de forma livre para assistir a um vídeo de demonstração.

Este vídeo demonstra a funcionalidade usando o Adobe Analytics. No entanto, essa funcionalidade está disponível de forma semelhante no Customer Journey Analytics. Observe sempre as diferenças de terminologia entre o Adobe Analytics e o Customer Journey Analytics (por exemplo, visitas em contraste com sessões).

Para acessar essas configurações, selecione no cabeçalho da coluna.

É possível editar as configurações de diversas colunas de uma só vez. Selecione várias colunas e clique em em qualquer uma delas. As alterações feitas serão aplicadas a todas as colunas com as células selecionadas.

Formatação condicional conditional-formatting

A formatação condicional aplica formatação a limites superiores, intermediários e inferiores que você pode definir. A aplicação da formatação condicional em tabelas de forma livre também é habilitada automaticamente em detalhamentos, a menos que os limites personalizados estejam selecionados.

Usar modelo de atribuição não padrão use-non-default-attribution-model

Você pode substituir o modelo de atribuição padrão configurado em Visualizações de dados.

Para usar um modelo de atribuição não padrão para uma métrica em uma Analysis Workspace:

Modelos de atribuição

Um modelo de atribuição determina quais itens de dimensão recebem crédito por uma métrica quando há vários valores na sua janela de retrospectiva. Os modelos de atribuição só se aplicam quando a janela de retrospectiva contém vários itens de dimensão. Se apenas um item de dimensão for definido, esse item de dimensão receberá 100% de crédito, independentemente do modelo de atribuição usado.

Ícone

Modelo de atribuição

Definição

Último contato

Dá 100% de crédito ao ponto de contato que ocorreu mais recentemente antes da conversão. Este modelo de atribuição normalmente é o valor padrão para qualquer métrica na qual um modelo de atribuição não tenha sido especificado de outra forma. As organizações normalmente usam esse modelo quando o tempo de conversão é relativamente curto, como na análise de palavras-chave de pesquisa interna.

Primeiro contato

Dá 100% de crédito ao primeiro ponto de contato visto na janela de retrospectiva de atribuição. As organizações normalmente usam esse modelo para entender a percepção da marca ou a conquista de clientes.

Linear

Distribui igualmente o crédito entre todos os pontos de contato que resultam em uma conversão. É útil quando os ciclos de conversão são mais longos ou exigem um engajamento mais frequente do cliente. As organizações normalmente usam esse modelo de atribuição para medir a eficácia de notificações de aplicativos móveis ou com produtos baseados em assinatura.

Participação

Dá 100% de crédito a todos os pontos de contato exclusivos. Como cada ponto de contato recebe 100% de crédito, os dados da métrica geralmente somam mais de 100%. Se um item de dimensão aparecer várias vezes separadas antes de uma conversão, os valores serão desduplicados para 100%. Esse modelo de atribuição é ideal em situações em que você deseja entender a quais pontos de contato os clientes estão mais expostos. As organizações de mídia normalmente usam esse modelo para calcular a velocidade do conteúdo. As organizações de varejo normalmente usam esse modelo para entender quais partes do site são essenciais para a conversão.

Mesmo contato

Dá 100% de crédito ao mesmo evento no qual ocorreu a conversão. Se um ponto de contato não ocorrer no mesmo evento que uma conversão, ele será agrupado em “Nenhum”. Este modelo de atribuição às vezes é equiparado à ausência de um modelo de atribuição. É bastante útil em cenários em que você não deseja que valores de outros eventos afetem como uma métrica distribui crédito aos itens de dimensão. As equipes de produto ou design podem usar esse modelo para avaliar a eficácia de uma página na qual ocorre a conversão.

Forma de U

Dá crédito de 40% à primeira interação, de 40% à última interação, e divide os 20% restantes para os pontos de contato entre as duas. Para conversões com um só ponto de contato, o crédito é de 100%. Para conversões com dois pontos de contato, o crédito é de 50% para ambos. Esse modelo de atribuição é melhor utilizado em cenários em que você valoriza mais a primeira e a última interação, mas não deseja descartar completamente as interações adicionais entre elas.

Curva J

Dá crédito de 60% à última interação, de 20% à primeira interação, e divide os 20% restantes para os pontos de contato entre as duas. Para conversões com um só ponto de contato, o crédito é de 100%. Para conversões com dois pontos de contato, o crédito é de 75% para a última interação e de 25% para a primeira. Semelhante à “Forma de U”, esse modelo de atribuição favorece a primeira e a última interação, mas com foco maior na última interação.

J invertido

Dá 60% de crédito ao primeiro ponto de contato, 20% de crédito ao último ponto de contato e divide os 20% restantes para os pontos de contato entre os dois. Para conversões com um só ponto de contato, o crédito é de 100%. Para conversões com dois pontos de contato, o crédito é de 75% para a primeira interação e de 25% para a última. Semelhante à “Forma de J”, esse modelo de atribuição favorece a primeira e a última interação, mas com foco maior na primeira interação.

Declínio de tempo

Segue um declínio exponencial com um parâmetro personalizado de meia-vida e padrão de 7 dias. O peso de cada canal depende da quantidade de tempo decorrido entre a iniciação do ponto de contato e a conversão final. A fórmula usada para determinar o crédito é 2^(-t/halflife), em que t é o tempo entre um ponto de contato e uma conversão. Todos os pontos de contato são normalizados para 100%. Ideal para cenários em que você deseja medir a atribuição em relação a um evento específico e significativo. Quanto mais tempo uma conversão demorar para ocorrer após esse evento, menos crédito será dado.

Personalizado

Permite especificar o peso que você deseja dar ao primeiro ponto de contato, ao último ponto de contato e a pontos de contato intermediários. Os valores especificados são regularizados para 100% mesmo se os números inseridos, quando somados, não resultarem em 100. Para conversões com um só ponto de contato, o crédito é de 100%. Para interações com dois pontos de contato, o parâmetro intermediário é ignorado. O primeiro e o último ponto de contato são normalizados para 100% e o crédito é atribuído em conformidade. Este modelo é ideal para analistas que desejam controle total sobre seu modelo de atribuição e têm necessidades específicas que outros modelos de atribuição não atendem.

Algorítmico

Usa técnicas estatísticas para determinar dinamicamente a alocação ideal de crédito para a métrica selecionada. O algoritmo usado para atribuição é baseado no Harsanyi Dividend da teoria dos jogos cooperativos. O dividendo de Harsanyi é uma generalização da solução de valor de Shapley (batizada de Lloyd Shapley, economista vencedor do Nobel) para distribuir crédito entre os jogadores em um jogo com contribuições desiguais para o resultado.
Em alto nível, a atribuição é calculada como uma aliança de jogadores aos quais um excedente deve ser distribuído equitativamente. A distribuição excedente de cada aliança é determinada de acordo com o excedente anteriormente criado por cada subaliança (ou itens de dimensão participantes anteriores) de forma recursiva. Para mais detalhes, veja os documentos originais de John Harsanyi e Lloyd Shapley:
Shapley, Lloyd S. (1953). Um valor para jogos em pessoa. Contribuições para a Teoria dos Jogos, 2(28), 307-317.
Harsanyi, John C. (1963). Um modelo de negociação simplificado para o jogo cooperativo entre pessoas. International Economic Review 4(2), 194-220.

Container

Um container de atribuição define o escopo desejado para a atribuição. As opções disponíveis são:

Janela de pesquisa

Janela de retrospectiva de atribuição é a quantidade de tempo que uma conversão deve retroceder para incluir pontos de contato. Se um item de dimensão for definido fora da janela de retrospectiva, o valor não será incluído em nenhum cálculo de atribuição.

Exemplo

Considere o exemplo a seguir:

Dependendo do modelo de atribuição, o container e os canais recebem créditos diferentes. Veja exemplos na tabela abaixo:

Os eventos de conversão que normalmente têm números inteiros são divididos se o crédito pertencer a mais de um canal. Por exemplo, se dois canais contribuem para um pedido usando um modelo de atribuição linear, ambos os canais recebem 0,5 desse pedido. Essas métricas parciais são somadas para todas as pessoas e depois arredondadas para o número inteiro mais próximo para fins de geração de relatórios.

[B2B Edition]{class="badge informative" title="Customer Journey Analytics B2B edition"} Use containers B2B específicos, como Contas ou Oportunidades, e janelas de retrospectiva mais apropriadas (até 13 meses) para aplicar os modelos de atribuição acima em cenários B2B típicos.