https://main--bacom--adobecom.hlx.page/fragments/products/treeview/analytics-large
贡献分析
发掘数据中隐藏的模式,以解释统计异常并识别受众区段中的异常客户行为、异常值、量度突增或骤降背后的相关性。
____________________________________________________
您已发现了数据中的异常之处。接下来,需要揭露其中的原因。
数据异常确实是一个令人棘手的问题。有时候,它们意味着效果比预期更好。但在很多情况下,这意味着有人标记了错误或者营销活动提前结束。甚至是更糟糕的情况。自动提示异常是 Adobe Analytics 的其中一项强大功能,但捕获异常只是其中的第一步。另一个重要步骤是了解产生异常的原因。对于许多分析师来说,第二步更加费时并且需要手动深挖海量派生的数据集。
借助 Adobe Analytics 中的贡献分析功能,只需点击一个按钮即可轻松完成这一耗时的任务。将贡献分析与异常检测搭配使用,以帮助您快速了解数据动态。归因分析内置于 Analysis Workspace 之中,它可以查询数千万个数据集,以便将冗长而困难的分析替换成有用的可视化效果,从而帮助您做出最明智的决策。
将重点放在您需要的数据上。
在报告中隐藏重复或不感兴趣的维度、离群值和垃圾数据,以获得最相关的答案。
发掘维度之间的统计关系。
贡献得分有助于您分析与异常相关的数据维度的重要性。
轻松构建新的受众。
根据受众区段共有的贡献因素揭示隐藏的受众区段。
使用人工智能更快速地获得洞察。
贡献分析使用密集机器学习来发掘贡献因素,其速度比任何其他方式都要快得多。