Perguntas frequentes

## O que é o item de linha Nenhum ao usar a atribuição?

O item de linha “Nenhum” é um item “catch-all” (global) que representa todas as conversões que ocorreram sem nenhum ponto de contato na janela de retrospectiva. Para reduzir o número de conversões atribuídas ao item de linha “Nenhum”, tente usar uma Janela de pesquisa personalizada com um período de pesquisa mais longo.

## Por que às vezes vejo datas fora da janela de relatório ao usar modelos de atribuição?

Algumas métricas baseadas em visitas, como Entradas ou Taxa de rejeição, podem atribuir dados a um período anterior à data inicial do intervalo da janela de relatórios. Essa situação se deve aos modelos de atribuição que usam uma janela de pesquisa, que determina a aparência da atribuição anterior para conceder crédito por métricas. O cenário mais comum é quando as visitas abrangem a meia-noite. Por exemplo:

1. Um usuário visita sua home page às 23h:55 do dia 7 de setembro.
2. Eles visitam várias páginas, a última das quais ocorreu às 12:05 AM de 8 de setembro.
3. Uma semana depois, você executa um relatório de tendências diárias com o intervalo de datas de 8 a 14 de setembro.

Métricas baseadas em ocorrências, como Visualizações de página, produziriam a saída esperada; a tendência diária dos dados é de 8 a 14 de setembro. No entanto, as métricas baseadas em visitas também mostrariam a visita acima em 7 de setembro. A entrada atribuída à visita ocorreu em 7 de setembro, e a janela de pesquisa por padrão é de 1° a 31 de setembro.

A taxa de rejeição sempre mostra 0% em 7 de setembro neste exemplo. Essa métrica é definida como Bounces divided by Entries, uma métrica baseada em ocorrência dividida por uma métrica baseada em visita. Rejeições consistem em uma única solicitação de imagem, de modo que não podem se estender por vários dias, Qualquer rejeição ocorrida em 7 de setembro ocorreu fora da janela de relatórios, causando a taxa de rejeição garantida de 0% para esse dia. Outras métricas baseadas em ocorrências também mostrariam 0 para 7 de setembro neste relatório, já que essas ocorrências também não estão na janela de relatórios.

Considere outro exemplo semelhante. A única diferença entre o exemplo a seguir e o acima são as datas:

1. Um usuário visita sua home page às 23h:55 do dia 31 de agosto.
2. Eles visitam várias páginas, a última das quais ocorreu às 12:05 AM de 1º de setembro.
3. Uma semana depois, você executa um relatório de tendência diária com intervalo de datas de 1° a 7 de setembro.

Neste exemplo, Entradas e Taxa de rejeição não exibiriam dados de 31 de agosto. A janela de pesquisa e a janela de relatórios iniciam no dia 1° de setembro, portanto os dados não podem ser atribuídos a partir do dia 31 de agosto.

## Como os adereços e variáveis se comparam ao usar a atribuição?

A atribuição é recalculada no tempo de execução do relatório, portanto, não há diferença entre prop e eVar (ou qualquer outra dimensão) para fins de modelagem de atribuição. As props podem persistir usando qualquer janela de retrospectiva ou modelo de atribuição, e as configurações de alocação/expiração de eVar são ignoradas.

## Os modelos de atribuição estão disponíveis em outros recursos do Analytics, como Feeds de dados ou Data Warehouse?

Não. Os modelos de atribuição usam o processamento de tempo do relatório, que só está disponível no Analysis Workspace. Consulte Processamento de tempo do relatório para obter mais informações.

## Os modelos de atribuição só estarão disponíveis se eu estiver usando um conjunto de relatórios virtual com o processamento de tempo do relatório habilitado?

Os modelos de atribuição estão disponíveis fora dos conjuntos de relatórios virtuais. Estes usam o processamento de tempo do relatório no backend, enquanto os modelos de atribuição estão disponíveis tanto para os conjuntos de relatórios padrão como para os conjuntos de relatórios virtuais.

## Quais dimensões e métricas não são suportadas?

O painel de atribuição é compatível com todas as dimensões. As métricas não compatíveis incluem as seguintes:

• Todas as métricas calculadas
• Visitantes únicos
• Visitas
• Ocorrências
• Exibições de página
• Métricas A4T
• Métricas de Tempo Gasto
• Rejeições
• Taxa de rejeição
• Entradas
• Saídas
• Páginas não encontradas
• Pesquisas
• Visitas em única página
• Acesso único

## A atribuição funciona com classificações?

Sim, as classificações são totalmente compatíveis.

## A atribuição funciona com fontes de dados?

Sim, a maioria das fontes de dados é compatível. A atribuição não é compatível com fontes de dados de nível de resumo porque elas não se vinculam a um identificador de visitante do Analytics.

As fontes de dados de ID de transação são tratadas como qualquer outra ocorrência. As fontes de dados de ID de transação não usam o processamento especial normalmente utilizado nos relatórios tradicionais. Em outras palavras, ao usar o processamento de tempo do relatório, os acertos do ID da transação têm valores de eVar propagados dos acertos que ocorrem perto do carimbo de data e hora do hit do ID da transação. Os valores não são propagados de ocorrências ocorridas próximas ao momento da transação original.

Quando possível, a atribuição depende do valor da coluna MID que é enviado dentro de um evento na fonte de dados, em vez de um valor persistente. O modelo de atribuição é aplicado em tempo real aos valores da coluna MID na fonte de dados. Por exemplo, quando você usa a atribuição Last Touch, o modelo começa a partir de cada instância de uma métrica. E caminha para trás sequencialmente nas batidas até que o modelo atinja o último valor observado na coluna MID.

Quando não for possível, a atribuição usará o valor MID no registro anterior da fonte de dados para avaliação. Esse registro anterior pode não ser ordenado sequencialmente pelo carimbo de data e hora, já que o AA não oferece suporte a dados fora de ordem.

Como os registros não são ordenados sequencialmente, os valores esperados da aplicação da persistência podem influenciar o tempo decorrido entre o carimbo de data e hora da ID de transação fornecido e a transação original.

## A atribuição funciona com a integração do Advertising Analytics?

As dimensões de metadados, como tipo de correspondência e palavra-chave, funcionam com atribuição. No entanto, as métricas (incluindo impressões, custo, cliques, posição média e pontuação de qualidade média) usam fontes de dados de nível de resumo e, portanto, são incompatíveis.

## Como a atribuição funciona com canais de marketing?

Quando os canais de marketing foram introduzidos pela primeira vez, eles só contavam com as dimensões de primeiro e último contato. As dimensões explícitas de primeiro/último toque não são mais necessárias com a versão atual da atribuição. A Adobe fornece dimensões de Canal de marketing e Detalhe do canal de marketing genéricas para que você possa usá-las com o modelo de atribuição desejado. Essas dimensões genéricas se comportam de forma idêntica às dimensões de Canal de último contato, mas são rotuladas de forma diferente para evitar confusão em caso de uso de canais de marketing com um modelo de atribuição diferente.

Como as dimensões do canal de marketing dependem de uma definição de visita tradicional (conforme definido por suas regras de processamento), a definição de visita não pode ser alterada usando conjuntos de relatórios virtuais.

## Como a atribuição funciona com variáveis de valores múltiplos, como variáveis de lista?

Algumas dimensões do Analytics podem conter vários valores em uma só ocorrência. Exemplos comuns incluem list vars e a variável products.

Quando a atribuição é aplicada a ocorrências de vários valores, todos os valores na mesma ocorrência recebem o mesmo crédito. Como muitos valores podem receber esse crédito, o total do relatório pode ser diferente se você somar cada item de linha individual. O total do relatório é deduplicado, enquanto cada item de dimensão individual recebe o crédito adequado.

## Como a atribuição funciona com a segmentação?

A atribuição sempre é executada antes da segmentação e a segmentação é executada antes da aplicação dos filtros do relatório. Esse conceito também se aplica a conjuntos de relatórios virtuais (VRS) que usam segmentos.

Por exemplo, se você criar um conjunto de relatórios virtual com um segmento “Exibir ocorrências” aplicado, é possível ver outros canais em uma tabela usando alguns modelos de atribuição.

note note
NOTE
Se um segmento suprimir ocorrências que contenham sua métrica, essas instâncias de métrica não serão atribuídas a nenhuma dimensão. No entanto, um filtro de relatório semelhante simplesmente oculta alguns itens de dimensão, sem qualquer impacto nas métricas processadas pelo modelo de atribuição. Como resultado, um segmento pode retornar valores menores que um filtro com uma definição comparável.