Analisi di contribuzione

Scopri pattern nascosti all’interno dei tuoi dati per spiegare le anomalie statistiche e individuare le correlazioni che si celano dietro le azioni inaspettate del cliente, i valori fuori limite e i picchi o le riduzioni improvvise nelle metriche dei vari segmenti di audience.

____________________________________________________

Hai trovato qualcosa di strano nei tuoi dati. Risali ai motivi di fondo.

Le anomalie nei dati sono un vero e proprio rompicapo. A volte indicano che le cose stanno andando meglio del previsto, ma troppo spesso significa che qualcuno ha assegnato tag ai contenuti sbagliati, che una campagna è terminata prematuramente o cose peggiori. La possibilità di richiamare automaticamente le anomalie è una funzionalità avanzata di Adobe Analytics, ma rilevarle è solo una parte dell’equazione. La cosa altrettanto importante da fare è capire cos’ha provocato l’anomalia. Per molti analisti, questo secondo passaggio richiedeva tempo ed era necessario setacciare manualmente insiemi di dati diversificati e di grandi dimensioni.

Grazie alla funzionalità Contribution Analysis di Adobe Analytics, per eseguire questa operazione così lenta ora basta letteralmente un clic su un pulsante. L’analisi di contribuzione funziona in sinergia con il rilevamento delle anomalie per consentirti di comprendere rapidamente cosa sta succedendo nei tuoi dati. Incorporata nell’Analysis Workspace, l’analisi di contribuzione interroga decine di milioni di data set per sostituire analisi lunghe e complesse con visualizzazioni utili che ti permettono di adottare le decisioni migliori.

Concentrati solo sui dati che ti interessano.

Nascondi le dimensioni duplicate o che non ti interessano, gli outlier e i junk data nei report per ottenere le risposte più pertinenti.

Scopri relazioni statistiche tra le dimensioni.

I punteggi di partecipazione ti consentono di analizzare la rilevanza delle dimensioni dati attinenti all’anomalia.

Crea nuove audience in tutta semplicità.

Individua segmenti di audience nascosti sulla base dei fattori determinanti che hanno in comune.

Sfrutta l’IA per ottenere approfondimenti in tempi più rapidi.

L’analisi di contribuzione sfrutta il machine learning intensivo per individuare i fattori determinanti molto più rapidamente di quanto sarebbe altrimenti possibile.