異常偵測概述

您可以在 Analysis Workspace 中根據內容檢視和分析資料異常。貢獻分析與異常檢測結合使用，協助識別導致異常的原因。

異常偵測

「異常偵測」提供一種統計方法，以判斷指定的量度和先前的資料比較有何變更。

異常偵測可讓您區隔「真實訊號」與「雜訊」，接著找出形成這些訊號或異常情形的可能因素。換句話說，可讓您識別哪些統計波動是重要的、哪些不重要。接著您可以找出真正異常的根本原因。此外，您還可以取得可靠的量度 (KPI) 預測。

您可能會調查的異常例子包括：

異常偵測和貢獻分析是 Analysis Workspace 的核心工作流程。您可以對任何每日異常情形執行貢獻分析，並將結果內嵌至 Analysis Workspace 專案。

Analysis Workspace 異常偵測的演算法包含

貢獻分析

貢獻分析會探索您資料中的隱藏模式，說明統計異常並識別聚合客群細分群體間非預期客戶動作、界外值、選定量度突升或突降背後的關聯。

發生異常。原因為何？異常偵測報表顯示訂購中有不尋常的尖峰，您想知道為什麼。發生什麼反常的事？誰正在回應哪個促銷活動或轉接？中毒了嗎？什麼特定因素造成這個異常現象？而最重要的可能是：我如何獲取有關客戶的重要資訊，並重複這表現？(或者，如果發生量度下降或是負量度上升，我日後要如何避免？)

貢獻分析能幫助您立即評估資料，解答異常為何發生。過去得耗費數週，現在只要幾秒鐘便能將異常貢獻劃分出來，提供讀者區段的模式，協助您發展出客戶互動的敘述。您可以策略性地利用貢獻分析來識別及擷取有意義的關聯以開發新的讀者區段，或高明地運用它識別出觸發警示的界外或假性活動。

異常偵測可根據選取的量度和選取的客群細分群體識別資料尖峰和極端的統計下降。它依據培訓期間設定歷史基準，然後繪製與特定事件相互關聯的極度偏移。它可以擷取「貢獻分析」要評估的統計相關資料點，報表正面量度「訂購」中的陡峭上升、或負面量度「彈回數」中的上升、或是這兩者中的下降。一旦識別統計異常，貢獻分析可讓您針對所有異常資料點深入鑽研，並評估相關的行銷和促銷活動變數。它會執行進階演算和機器學習程序，評估重要尖峰或下降的貢獻因素的關聯性。這些計算接著會透過互動式視覺效果的方式顯示，為您提供各種不同觀點，以便了解發生特定現象的原因，以及因應的方式。

「貢獻分析」幫助您發展出敘述，描述異常為何發生及如何回應，可擷取相關量度並識別隱藏點，提供您讀者互動與客戶興趣趨勢的總體原因。有時候異常很容易看出來及更正，例如 2,000 艘小艇的錯誤訂購。有時候就很複雜，像是識別某地區某時段只對特定目標促銷活動有反應的新興趨勢。將不同維度之量度及其關聯的貢獻項目組合在一起，可以給您讀者互動的整體概念，並協助提供異常資料點的內容。

以下提供一些使用案例：

全面分析異常後，會產生排名最前的項目的貢獻摘要，依發生總次數和項目的貢獻值百分比排序。已標準化的貢獻分數可讓您輕鬆比較和對比其他重要維度項目，並與之建立關聯。

貢獻分析代號 - 概觀 section_3EF8D2BBCE6E4C309D753BCF04A453D0

具有「貢獻分析」使用權限的所有客戶可以在 Analysis Workspace 中，每月以有限次數執行完整的「貢獻分析」。惟單點產品 (SiteCatalyst 15) 客戶、Analytics Foundation 客戶及 Analytics Select 客戶​ 除外，因為他們沒有取得「貢獻分析」功能。

每間公司的執行次數，會根據貴公司購買的 Adobe Analytics 產品所授予的權限，受到每月代號數的限制。此外還包括是否能限制「貢獻分析」的存取權，避免他人誤用代號。

常見問題集 section_11D0431AD2014B96AB9561CA66A367CE

異常偵測和貢獻分析權益 section_9278D58F21A840AA9B1ED1BD07A1EF0A

以下是 Analysis Workspace 中「異常偵測」和「貢獻分析」的詳細權益清单。