Analyse de contribution

Découvrez les schémas cachés dans vos données pour expliquer les anomalies statistiques et identifier les corrélations entre actions imprévues de la part des clients, valeurs hors limites et pics ou chutes soudaines des mesures entre tous les segments d'audience.

____________________________________________________

Vos données indiquent quelque chose d'anormal. Déterminez les causes.

Les anomalies de données sont un véritable casse-tête. Parfois, elles indiquent une situation meilleure que les prévisions. Mais bien souvent, elles sont liées à une erreur de balisage ou à une fin de campagne prématurée, voire pire. Le signalement automatique des anomalies est l'un des points forts d'Adobe Analytics, mais il ne s'agit que d'une partie de l'équation. Il est tout aussi important de déterminer la cause de ces anomalies. Pour de nombreux analystes, cette deuxième étape a longtemps été chronophage, imposant une recherche manuelle parmi divers jeux de données très volumineux.

Avec la fonctionnalité d'analyse de contribution d'Adobe Analytics, cette tâche fastidieuse peut désormais être effectuée d'un simple clic. En associant l'analyse de contribution et la détection des anomalies, vous pouvez rapidement identifier les problèmes liés aux données. Intégrée à Analysis Workspace, l'analyse de contribution interroge des dizaines de millions de données, remplaçant ainsi des analyses longues et complexes par des visualisations efficaces qui vous aident à prendre les meilleures décisions.

Concentrez-vous sur les données qui vous intéressent.

Masquez les dimensions dupliquées ou sans intérêt, les données aberrantes et celles indésirables dans les rapports pour obtenir des réponses aussi pertinentes que possible.

Mettez en évidence les relations statistiques entre les dimensions.

Les scores de contribution vous aident à analyser l'importance de vos dimensions de données concernant l'anomalie.

Créez facilement de nouvelles audiences.

Identifiez les segments cachés à l'aide de leurs facteurs d'influence communs.

Tirez parti de l'intelligence artificielle pour obtenir des informations plus rapidement.

L'analyse de contribution s'appuie sur le machine learning intensif pour identifier les causes à une vitesse exceptionnelle.