이상치 탐지
통계 모델링은 측정 지표를 분석하고 하한값, 상한값, 예상값 범위를 결정하여 데이터에서 예상치 못한 트렌드를 자동으로 찾습니다. 또한 예기치 않은 가파른 증감이 발생하면 보고서를 통해 알려줍니다.
데이터에서 통계적 이상치가 나타나는 숨겨진 패턴을 발견하고 예기치 않은 고객 행동, 경계치 외의 값, 고객 세그먼트의 측정 지표에 대한 갑작스러운 증감 등의 상관 관계를 식별할 수 있습니다.
데이터 이상치는 때로는 긍정적인 성과를 의미하기도 하지만, 흔히는 태그가 잘못되었거나 캠페인이 조기 종료된 상황인 경우가 많습니다. 이상치를 자동으로 탐지하는 기능은 Adobe Analytics의 강력한 기능 중 하나입니다. 그러나 이상치를 감지하는 것뿐만 아니라, 이상치를 유발한 원인을 파악하는 것 또한 중요합니다. 이전에는 대다수 애널리스트가 이 두 번째 단계에 많은 시간을 할애하고, 방대하고 다양한 데이터 세트를 수동으로 분석해야 했습니다.
이제 Adobe Analytics의 기여도 분석 기능을 통해 한 번의 클릭만으로 시간 소모적인 작업을 모두 처리할 수 있습니다. 기여도 분석 기능은 이상치 탐지 기능과 연동되므로, 데이터의 상황을 신속하게 파악할 수 있습니다. Analysis Workspace의 기여도 분석은 수많은 데이터 세트의 쿼리를 처리하여 복잡하고 이해하기 어려운 분석 결과를 시각화하고, 최적의 의사 결정을 내릴 수 있도록 도와줍니다.
보고서에서 중복되거나 관심도가 낮은 차원, 이상치 및 정크 데이터를 숨겨 가장 연관성 높은 데이터에 주력할 수 있습니다.
기여도 점수는 이상치와 관련된 데이터 차원의 중요성을 분석하는 데 도움이 됩니다.
공통된 기여도 요소를 기반으로 숨겨진 고객 세그먼트를 찾을 수 있습니다.
집중적인 머신 러닝을 기반으로 빠르게 기여도 요소를 발견할 수 있습니다.
동영상을 통해 Analysis Workspace의 기여도 분석 기능을 확인해 볼 수 있습니다.
통계 모델링은 측정 지표를 분석하고 하한값, 상한값, 예상값 범위를 결정하여 데이터에서 예상치 못한 트렌드를 자동으로 찾습니다. 또한 예기치 않은 가파른 증감이 발생하면 보고서를 통해 알려줍니다.
하나의 경고에 여러 측정 지표를 수집하는 데이터 이상치와 "누적된" 경고를 기반으로 경고를 간편하게 만들고 관리할 수 있습니다.
Analysis Workspace를 사용하면 맞춤 분석 프로젝트를 구축하기 위한 강력하고 유연한 기능을 얻을 수 있습니다. 데이터 표, 시각화 요소, 구성 요소(채널, 차원, 지표, 세그먼트 및 세부 시간)를 프로젝트로 드래그하여 놓을 수 있습니다.