使用计算指标将您的数据分析提升到新的水平
Adobe Analytics的大多数新用户都熟悉区段，认为这是对其数据进行细分的一种方式。 今天，我想向大家介绍计算量度，它是分析工具箱中下一个最好的工具。
作为Adobe Analytics的一项高级功能，计算量度允许您创建新量度，而无需使用已收集的数据更改实施。 计算量度生成器可以使用许多不同的数学和统计函数，因此您可以创建可解答最复杂业务问题的量度。
计算量度快速入门
要开始使用计算量度，我们来看一个简单的示例。 假设您想了解在线自助服务用户的平均订单值(AOV)是否高于呼叫辅助用户。 要构建计算量度以回答此问题，请执行以下操作：
要打开计算量度生成器，请使用顶部导航单击→ 组件 → 计算量度 → +添加。 或者，您可以单击“组件”面板中 量度 上方的 +符号。
下面有关UI项的描述
计算量度生成器打开后，添加和/或执行以下操作：
A. 计算指标的名称。 此名称显示在量度组件列表中，因此请告诉您自己和其他人应该清楚的名称，例如 呼叫中心AOV。
B. 计算指标的描述。 当用户单击组件列表中指标旁边的“i”时，将显示此描述，因此请确保它提供了信息。 例如，对于呼叫中心AOV，我们可以为呼叫中心辅助订单添加 计算AOV。
C. 量度格式：选取小数、时间、百分比或货币，并添加小数位和极性。 在此，我们将选择 货币作为格式，选择0作为小数，选择⬆良好（绿色）作为极性。
D。 如果您使用标记（允许您应用主题并快速找到计算量度），请在此处添加应用的标记。 我们已添加 AOV 和 呼叫中心 标记。
E. 此部分用于显示 — 当您在F部分构建计算量度时，公式将显示在此处。
F. 在此处，您将拖放维度(H)、量度(I)或区段(J)以创建计算量度以及公式的运算符。 对于每个量度，如果单击齿轮图标，则可以更改量度类型（标准/总计）和归因模型。 我们将拖放呼叫中心收入，然后在其下方÷*。 我们将接受默认的量度类型和归因模型。*
G。 使用此 +Add 选项可添加其他条件或静态数字，此处不需要这些条件。
K. 最后，在构建计算时，您可以在此处预览过去90天的数据。
现在我们已经构建了呼叫中心AOV，我们还需要一个在线AOV的计算量度。 我们将按照上述步骤执行此操作。
接下来，我们可以使用计算量度生成器生成第三个计算量度，也可以从自由格式表中即时生成该量度，以比较呼叫中心和在线AOV，因此我们最终会获得如下结果：
在我们的示例中，当购物者使用呼叫中心帮助其购买时，我们发现订单显着增加。 然后，此数据可以为我们的决策提供依据，以便我们决定如何帮助客户获得关于其购买的帮助，例如，通过弹出选件或其他引导式体验。
在计算量度中使用区段
现在，我们来看看可怎样在计算指标中使用区段来更深入地了解客户行为、偏好和动机。 通过区段和计算量度，我们可以充分了解客户以提高其体验、增加收入并提高客户满意度和忠诚度。
我们已经从上述AOV示例中了解到，呼叫中心辅助购买通常具有更高的AOV。 但是，其他指标告诉我们，大多数用户不使用呼叫中心进行购买。
那么，哪些零售类别（以及流经这些类别的用户路径）产生的AOV最高？ 我们可以通过将区段与计算量度结合使用来进行查找。
为此，我们首先需要为每个产品类别创建访问级别的 包含 和 排除 区段。 通过单击容器右角的 选项 齿轮，可确定包含或排除。 默认为Include。
创建这些区段后，我们可以创建一个计算量度来为您提供问题的答案。 我们将打开计算指标生成器，并执行以下操作：
-
搜索新创建的区段，并将要使用的区段拖放到 定义 框顶部的灰色区域。 例如，如果我们要为访问女性和男性类别但不访问儿童类别的用户创建AOV，则可以将这三个区段拖放到该区域中： 包含女性、包含男性 和 排除儿童类别。 我们称之为此 栈叠区段。
-
然后，将 在线收入 指标拖放到同一容器中，然后 在线订单。 由于容器与数学表达式一样用来确定操作顺序，因此容器中的项目会在后续流程之前进行处理，尽管在此计算中我们没有多个容器或流程。
-
我们将两个量度之间的运算符更改为除(÷)。
-
我们选择 货币 作为格式，0 位小数，选择 UP 作为极性。
-
命名计算量度并提供描述。
-
进行保存。
完成后，我们的计算量度将如下所示：
在我们对访客的类别历程的每个组合使用栈叠区段创建计算量度并查看数据后，可查看我们了解的内容！ 在访问期间同时访问男性和女性类别的用户具有最高的AOV，并且与单个类别的访客相比，提升幅度显着：
有了这些信息，我们可以优化页面布局、产品投放位置和促销消息，让更多人在结帐前进入这些类别。
有价值，但不适用于任何地方
因此 — 计算量度（简单和复杂）对分析人员而言极具价值！
但是，这些指标并非在Adobe Analytics的所有区域都可用。 您无法在以下位置使用计算量度：
- Analysis Workspace 中的流失
- Analysis Workspace 中的同类群组分析
- Data Warehouse
- 实时报表
- 当前数据报表
- Analytics for Target
- Report Builder
计算量度最佳实践
现在，您已了解计算量度的价值，接下来我们看一下构建这些量度的一些最佳实践。
- 请检查公式语法。 确保公式语法正确并遵循Adobe Analytics语法，以确保获得有意义的信息。
- 验证操作顺序。 确保谨慎使用容器，并按照正确的数学操作顺序排列内容。
- 不重复计算数据。 您可以避免对数据重复计数，方法是确保计算量度中使用的公式不会多次计算同一数据。 这通常是通过组合计算量度中的 Include 和 Exclude 条件或使用区段实现的。
- 检查时间粒度。 确保计算量度与公式中使用的源量度具有相同的时间粒度。
- 使用准确数据： 只有当您在计算中使用准确可靠的数据时，才能获得有价值的结果。
自定义区段最佳实践
在Adobe Analytics中创建区段时，请牢记以下最佳实践：
-
保持简单。 避免使区段过于复杂。 请尽量保持简单，并且只使用必要的条件以确保准确性。
-
使用正确的容器类型。 确保在区段定义中使用正确的容器类型（访客、访问或点击），以避免获得不正确的结果。
-
不重复计算数据。 与计算量度一样，请确保区段不会多次计算同一数据。 包含和排除容器会有所帮助。
- 当使用包含容器时，如果有任何点击与访问中的条件匹配，则它 包含 访问的所有内容。
- 当使用排除容器时，如果访问中任何点击与条件匹配，则 排除访问 的所有内容。
-
正确嵌套容器。 使用最外部容器确定包含哪些数据，然后将嵌套规则应用于剩余数据。 应用嵌套规则时，区段流充当漏斗，后续规则不适用于第一个规则排除的任何点击。
-
确保您的数据是最新的。 确保在区段定义中使用准确且最新的数据以获得准确的结果。
-
测试区段。 在将区段发布给其他人之前，请务必测试该区段以确保它按预期工作。
-
考虑性能。 区段可能会减慢报表处理速度，因此在生成区段时请考虑该影响。
关键要点
在Adobe Analytics中组合使用区段和计算量度无疑有助于进行更可靠且有效的数据分析。 通过切片和切割数据并构建计算以进行比较，您可以获得有关客户行为的更深入见解，可用于优化营销活动并创建量身定制的仪表板和报表。 但是，请记住，计算量度并非在Adobe Analytics的所有区域中都可用，请确保遵循最佳实践以确保获取准确且有用的数据。
作者
本文作者：
Adswerve高级Adobe Analytics经理Debbie Kern
