Upptäck skönheten i komplex datasegmentering. Precis som en trollkarl kan en analytiker utföra datamagi och omvandla insikter med precision och finess med hjälp av dessa tekniker.

Ridån går upp, publiken väntar... Det kanske inte är trollkonster i världsklass, men vi kan göra fantastiska trick när vi bygger segment.

I den här modulen ska vi ta upp:

• Exkluderingslogik
• Att använda behållare
• Attribueringsmodeller

Inkludera jämfört med exkludera

Som standard är alla behållare från början inkluderande, vilket i princip innebär att de returnerar data som matchar kriteriet. Men du kan ändra ett segment, eller behållare inom segment, så att de  exkluderar, vilket gör att du kan utesluta vissa kriterier.

En trollkarl kan hitta rätt kort i kortleken, men det är ännu bättre att kunna trolla bort resten av kortleken. När vi exkluderar segment vill vi att oönskade data tas bort från datauppsättningen.

Du kanske tänker ”OK, men jag har redan alternativen ”Är inte lika med” och ”Innehåller inte”, det räcker väl?” Tyvärr är svaret nej ... och det handlar inte bara om att kunna utesluta logikgrupper för ett element. Även om du bara arbetar med en komponent behöver du ofta använda exkludera  för att nå ditt mål.

• Innehåller inte/Är inte lika med  är precis vad de låter som, de matchas med objekt som inte innehåller en viss sträng
• Exkludera: Värdet innehåller/är lika med  – exkluderar  objekt som matchar strängen

Vid första anblicken verkar de lika... och för segment/behållare på träffnivå  blir det nog rätt eftersom de utför samma åtgärd. Men om du använder  besök  eller  besökare  som omfång kommer du att få helt annorlunda resultat.

Bild 1: Innehåller inte/är inte lika med – träffomfång

Observera att varje träff returnerar ett true- eller false-värde och att dessa värden kastas om när innehåller inte eller exkluderar används.

• Om ”Värde” inte innehåller ”Exempel” (ja) returneras true och den träffen inkluderas, om ”Exempel” inte innehåller ”Exempel” (nej, det gör det inte) då returneras false och träffen tas inte med. Det innebär att alla data som returnerar true tas med.
• Om ”Värde” innehåller ”Exempel” (nej) så returneras false och träffen utesluts inte, om ”Exempel” innehåller ”Exempel” (ja) så returneras true och träffen utelämnas. Alltså returneras data som  inte  är true eller som är false enligt dina kriterier.
• Du ser det på  träffnivå  där båda logikuppsättningarna returnerar samma datauppsättning.

Bild 2: Innehåller inte/är inte lika med – besöksomfång

Precis som ovan utvärderas varje träff i  besök  med true/false. Den datauppsättning som returneras gäller dock hela besöket.

• För varje träff där ”Värde” inte innehåller ”Exempel” (ja) returneras true och om ”Exempel” inte innehåller ”Exempel” (nej, det innehåller exempel) så returneras false.

  • Om någon  träff i besöksresultaten returnerar true så returneras hela besöket.*
  • Om besöket helt och hållet bestod av träffar som innehöll ”Exempel”, skulle inga träffar returneras som true och därför skulle besöket  inte returneras  i datauppsättningen.

• För varje träff där ”Exempel” innehåller ”Exempel” (ja) returneras true

  • Om någon träff  returnerar  true, kommer hela besöket att  exkluderas
  • Om alla träffar  vid besöket returnerar false kommer besöket att returneras i din datauppsättning

• Nu kan du se en viss skillnad i logiken. I exemplet ovan finns det tre olika besök:

  • När du använder ”Innehåller inte/är lika med” kommer två av de tre  besöken att returneras.
  • När du använder ”Exkludera innehåller/är lika med” kommer  bara ett  av dessa besök att returneras

Bild 3: Innehåller inte/är inte lika med – besökaromfång

Precis som ovan, utvärderas varje träff för besökaren  med samma true/false-logik. Men nu tittar vi på alla träffar för besökaren under alla besök (inom det valda datumintervallet).

• För varje träff där ”Värde” inte innehåller ”Exempel” (ja) returneras true och om ”Exempel” inte innehåller ”Exempel” (nej, det innehåller exempel) så returneras false.

  • Om någon  träff för besökaren returnerar true så returneras hela besöket.
  • Om det inte finns en som innehåller ”Exempel” för besökaren returneras inga träffar som true och därför skulle besökaren  inte returneras  i datauppsättningen.

• För varje träff där ”Exempel” innehåller ”Exempel” (ja) returneras ”true”.

  • Om någon träff  returnerar  true kommer hela besökaren (och därmed alla deras besök) att  exkluderas.
  • Om alla träffar  under besöket returnerar  false, returneras besökaren i datauppsättningen och den returnerar därmed återkommande besökare som inte gjorde X.

• Detta är en förlängning av besökslogiken, där det finns ännu mer att tänka på. I exemplet ovan finns det två olika besökare, med tre besök var:

  • När vi använder ”Innehåller inte/är lika med” kommer båda  besökarna att returneras tillsammans med de tre  besöken (motsvarar 2 besökare och totalt 6 besök i rapporterna)
  • När vi använder ”Exkludera innehåller/är lika med” returneras endast en  av dessa besökare och endast de tre besöken som är kopplade till den besökaren inkluderas (vilket motsvarar 1 besökare och 3 besök i rapporterna)

Segmentexempel 1: Uteslut besök som leder till köp

I det här exemplet vill jag rikta in mig på användare som kom till en webbplats och som inte gjorde ett köp under besöket (jag vill i princip utesluta de besök som ledde till en transaktion och se besöken som inte slutförde en transaktion)

Som jämförelse kan vi titta på ett segment som byggts med ”Finns inte”:

Lägg märke till att förhandsgranskningen visar ett helt annat resultat... det här segmentet kommer att returnera 100 % av besöken, eftersom varje besök har minst en träff som inte inkluderar mätvärdet ”beställning”.

För att illustrera det ytterligare kan vi jämföra de två segmenten sida vid sida:

Först ser du att det trots att segmentet har besöksomfång  så kan vi koppla segmentet med andra mätvärden (som sidvisningar eller unika besökare). Den första uppsättningen kolumner är osegmenterad så att vi snabbt kan se att det enda segmentet (finns inte) returnerar nästan 100 % av alla data, det är bara exkludera-segmentet som gör det vi vill.

Den mest påfallande kolumnen är beställningar och det bör vara uppenbart att behållaren ”Finns inte” är felaktig eftersom de flesta beställningar fortfarande returneras.

Segmentexempel 2: Uteslut besökare som har gjort ett köp inom rapporteringsperioden

I det här exemplet använder jag idéerna från det föregående exemplet (där vi tittade på besöksnivå) och utökar det för att hitta besökare som inte har gjort ett köp inom tidsramen för min rapport.

Det här segmentet kommer att se ut ungefär som i ovanstående exempel, men segmentets omfång kommer att göra stor skillnad.

Om vi nu jämför segmentet med besökaromfång med segmentet med besöksomfång ovan, kan vi se att mycket mer data och många fler besök utesluts, eftersom  besökare som köpt  också gjorde besök utan att handla och dessa besök exkluderas eftersom de ingår i besökarens livscykel.

Det är viktigt att veta exakt vilka data, eller vilken historia, ni försöker berätta med rapporten. Att se till att era tabeller och visualiseringar tydligt talar om för målgruppen vad som visas och att använda rätt segmentmodell är avgörande för att kunna göra rätt analyser. Informerade beslut kan bara fattas på rätt sätt om alla förstår vad de tittar på.

Att använda behållare

Behållare ger oss möjlighet att skapa ”underlogik” inom segmentets huvudlogik, och en vanlig missuppfattning är att omfånget måste vara samma i segment och behållare... men det gör det inte. Det ger oss större frihet att skapa specifika scenarier och komplex logik.

Det bästa sättet att förstå behållare är att tänka sig att varje behållare är en låda och att vi kan lägga en låda (av logik) inuti en annan låda som vi lägger i ytterligare en låda... men till skillnad från fysiska lådor där ytterlådan måste vara större än innerlådan så kan vi placera något som är större inuti en behållare, bara vi får rätt data tillbaka. Tänk på det som en trollkarls hatt, där det omöjliga kan få plats och vi är datatrollkarlar

Behållarnas omfång

Låt oss först snabbt gå igenom behållaromfång. Precis som segmentomfång  finns det grundläggande alternativ som träff,  besök  och  besökare, men ibland visas även något som kallas  logikgrupp  i stället för besökare (det sker bara inom sekventiella segment och vi kommer att ta upp dem i nästa artikel).

Du kan lägga till behållare i segmentet (eller i andra behållare) genom att använda  alternativmenyn* (när du kapslar flera objekt ska du vara noga med att lägga till i rätt block, men som tur är kan du också dra och släppa behållare i gränssnittet om du lägger till den på fel plats)

Bild 1: Lägga till en behållare

Omfånget för en behållare är, som jag nämnde ovan, oberoende av dess överordnade. De behöver inte  matcha varandra, och beroende på vad du vill returnera så kanske du behöver göra en plan för att visualisera det du behöver, åtminstone tills du känner att du kan visualisera det i huvudet.

Bild 2: Segmentomfång kontra behållaromfång

Precis som när du skapar enkla segment, måste du ha en tydlig uppfattning om  vad  för typ av data som du vill returnera när du börjar skapa ett komplext segment med kapslade behållare.  Hur  planerar du att använda dessa data?  Vilka  mätvärden planerar du att koppla ihop med segmentet?

Dessa frågor hjälper till att avgöra vilket omfång segmentet ska ha och det är startpunkten för alla segment.

Bara för att du planerar att koppla ett segment med mätvärdet för unika besökare betyder det inte att själva segmentet måste vara på besökarnivå ... långt ifrån. Ett segment på besökarnivå returnerar alla data för en besökare... det innebär alla besök, alla sidvisningar osv... När en besökare uppfyller dina segmentkriterier kan segmentet börja returnera data från  förfluten tid  för den här besökaren (så länge det ligger inom datumintervallet på arbetsytan).

Nu har jag gått igenom hur man väljer rätt omfång utan att ge några exempel eller detaljer som verkligen kan hjälpa dig ... så nu ska vi titta närmare på det med några exempel. Det sägs att en trollkarl aldrig avslöjar sina hemligheter, men det är inte riktigt sant. Inom trollerivärlden delas tekniker och metoder bakom kulisserna ofta med kollegor, vilket gör att de kan bygga vidare på och förbättra illusionen och det är vad jag vill göra ... öppna dörren för de möjligheter som väntar dig.

Segmentexempel 3: Besökare som nyligen har gjort en beställning (inom rapporteringsperioden) och som visar specifika sidor

I det här scenariot vill jag bara returnera en uppsättning specifika sidor som köpare nyligen går till (observera att jag fortfarande kan kombinera detta med besök eller unika besökare, trots att segmentet i sig kommer att ha träffomfång).

Den här typen av scenario är bra att studera om jag har köpare som tittar på specifika sidor på en webbplats, sidor som kanske inte uttryckligen är kopplade till en viss händelse.

I mitt exempel tittar vi på sidorna ”Aktuella erbjudanden” och ”Rekommenderade produkter”. För närvarande håller vi logiken enkel och går inte in på sekventiell segmentering (åtminstone inte än, men vi kommer att ta itu med mer komplex logik i en kommande artikel).

En fråga är:  varför  använder vi träffar? Tekniskt sett kan jag använda besök eller besökare, men jag vill också studera dessa specifika sidor efter sidvisningar (för den specifika siduppsättningen) per besök  och sidvisningar (för den specifika uppsättningen) per besökare och detta omfång ger mig flexibilitet att göra just det. Eftersom dessa träffar enkelt kan kopplas till besök eller unika besökare för att avgöra hur många besök eller besökare som ser dessa sidor, väljer jag det mest flexibla segmentet som jag kan använda för alla scenarier.

För det första finns det ett enkelt träffbaserat segment för de specifika sidorna som vi kan använda som jämförelse.

Nu ska vi öka komplexiteten:

Observera att jag inte bara använder flera behållare, utan jag blandar också behållarnas omfång. Segmentet som helhet är på träffnivå, men jag söker också efter besökare som har gjort en beställning.

Vi tar oss tid att titta lite närmare på det här eftersom det är mycket som pågår.

För det första, i stället för att visa en daglig uppdelning, visar jag en siduppdelning eftersom jag tror att det kommer att hjälpa till att illustrera de två segmenten bättre.

Exempel på segment 4: Besök som går till aktuella erbjudanden ELLER rekommenderade produkter OCH gör en beställning under samma besök

Exemplet ovan visade hur vi kan lägga till en behållare med större omfång (dvs. besökare) inuti en behållare med mindre omfång (dvs. träffar), så det bör inte komma som någon överraskning att du kan lägga till träffbehållare inuti segment med besökar- eller besöksomfång.

Med hjälp av några av de sidor vi tittade på tidigare kan vi nu studera vilka besökare som gick till sidan med aktuella erbjudanden ELLER sidan med rekommenderade produkter OCH gjorde en beställning under samma besök.

Det här segmentet blandar de tre omfången. Den översta nivån i segmentet är besökare, så det ser till att ALLA träffar från alla besök returneras för den matchande besökaren. Dessutom har vi lagt till en behållare för besöksomfång, vilket kommer att säkerställa att besökaren måste ha gjort minst ett besök som uppfyller de specifika kriterierna att göra en beställning OCH ha besökt de specifika sidorna. Vi har lagt till en behållare med träffomfång för själva sidorna, så att vi kan använda OR för att söka efter sidan med aktuella erbjudanden ELLER den med rekommenderade produkter.

Fördelen med besökaromfång i segmentet är att det returnerar  ALLA besök från besökarna som uppfyller dessa kriterier, vilket är bra om jag vill se beteenden under tidigare besök som ledde fram till kombinationen och hur besökarna agerade efter ett sådant scenario.

Här jämför jag träffar på aktuella erbjudanden/rekommenderat innehåll med befintliga beställningar och det komplexa segmentet där både en beställning och en av de angivna sidorna finns vid samma besök. Det komplexa segmentet är där de två första segmenten möts, men eftersom det har besökaromfång kommer alla andra besök för dessa besökare också att returneras.

Attribueringsmodeller

Attribueringsmodellering inom en segmentdefinition gäller i huvudsak för dimensioner där träffar inte har en utgångstid, så egenskaper (som alltid är på träffnivå) är inte en bra kandidat. Dina eVars, marknadsföringskanaler osv. är vad inställningarna verkligen är utformade för.

Innan vi tittar på segmentet bör vi göra en snabb genomgång av hur attribueringsmodellering fungerar med ett enkelt exempel.

Vi har två eVars, en av dem är inställd att gå ut i och med ett besök (eVar1) och en av dem går ut om 30 dagar (eVar2). För enkelhetens skull ska vi spåra en intern kampanj (icid).

Besök 1

• Sida A

  • eVar1  har inte angetts
  • eVar2  har inte angetts

• Klicka på kampanjbanner med ?icid=promo-banner i webbadressen

• Sida B

  • eVar1  och  eVar2  är inställda på ”kampanjbanner”
  • Instans av eVar1  aktiveras
  • Instans av eVar2  aktiveras

• Sida C

  • Både  eVar1  och  eVar2  har värdet ”kampanjbanner”
  • Ingen av instansvärdena för våra eVars aktiveras eftersom båda eVars-instanserna använder beständiga värden

Besök 2

• Sida D

  • eVar1  är inte inställt på något värde och en instans av eVar1  aktiveras inte
  • eVar2  behåller värdet ”kampanjbanner” på grund av utgångstiden på 30 dagar
  • Instans av eVar2  aktiveras inte eftersom värdet är beständigt och inte har angetts

• Klicka på kampanj i sidolist med ?icid=promo-side-rail i webbadressen

• Sida E

  • eVar1  och  eVar2  är inställda på ”sidolistkampanj”
  • Instans av eVar1  aktiveras
  • Instans av eVar2  aktiveras

• Sida F

  • Både  eVar1  och  eVar2  behåller värdet ”sidolistkampanj”
  • Ingen av instansvärdena för våra eVars aktiveras eftersom båda eVars-instanserna använder beständiga värden

Här är det förväntade resultatet av dessa två besök:

Låt oss nu titta på var du kan lägga till attribuering i segmentet.

Bild 4: Attribueringsmodell

Du kan ange attribuering via kugghjulsikonen i dimensionen. Varje alternativ har information som visas när du håller pekaren över ? . Grundläggande:

• Standardbeteendet returnerar alla instanser av eVars där värdet anges (antingen specifikt eller via inställd attribuering)
• Instansen returnerar bara den dimension där värdet uttryckligen anges (dvs. vid träffarna där instansen av en eVar aktiveras)
• Den icke upprepande instansen returneras bara den första gången som värdet för dimensionen anges (dvs. tänk dig att användaren klickade flera gånger på kampanjbannern, då skulle värdet för ”instans av eVar” ökas varje gång som bannern klickades. Den här inställningen använder bara den första unika instansen av ”kampanjbanner” och ignorerar alla efterföljande värden för kampanjbanner)

Segmentexempel 5: Marknadskanalen ”Betald sökning” jämfört med de direkta instanser av betalda sökningar

Som vi alla vet har marknadsföringskanalerna en lång attribueringsmodell (30 dagar som standard, men den kan anpassas efter era behov), och när den väl har ställts in kommer marknadsföringskanalen inte att skrivas över av efterföljande ”direkta besök” på webbplatsen, så att era specifika drivkrafter attribueras med konverteringen. Ibland behöver man dock se  inkommande, besökare som kommer till webbplatsen via en viss marknadsföringskanal, och med inkommande menar jag att vi vill se när marknadsföringskanalen är inställd baserat på era regler för marknadsföring.

Låt oss börja med att titta på jämförelser, sedan fördjupar vi oss i segmenten.

Det kan göras på två sätt:

Först genom att använda standardattribueringen för dimensionen och koppla det till mätvärdet ”instans av marknadsföringskanal” (som har  exists-logik):

För det andra kan du för ett enklare segment ändra attribueringen till ”Instans”. Observera att dimensionsnamnet ändras från ”Marknadsföringskanal” till ”Marknadsföringskanal (instans)”.

Koppla ihop allt

Som alla bra trollkarlar börjar vi med flera trick, engagerar publiken under tiden och avslutar med ett trumfkort. Det är här vi verkligen imponerar, genom att ta alla små tricks och kombinera dem till en stor final. Vi tar de till synes isolerade delarna och visar att de faktiskt arbetar tillsammans för att bilda en sammanhängande helhet.

Segmentexempel 6: Besökare som har gjort en beställning under ett besök via en betald social instans och som utesluter besökare som är registrerade för nyhetsbrev

Det gör att jag kan identifiera besökare som aktivt har köpt något under ett besök och som kom via en kampanj i sociala medier, men som inte har registrerat sig för våra nyhetsbrev. Det gör att vårt marknadsföringsteam kan se den potentiella användargruppen och försöka få dem att registrera sig för nyhetsbrev och marknadsföringsmeddelanden.

Final

Det finns så många sätt att kombinera logiken för att visa detaljerade scenarier att jag bara kan skimma ytan.

Precis som för alla stora trollkarlar är det verkliga kruxet att inspirera den kommande generationen att bygga vidare på grunderna och vidareutveckla gamla kunskaper till något nytt och fantastiskt! Jag ser fram emot att få se vad ni kommer på!