Análisis de contribución

Descubre patrones ocultos en tus datos para explicar anomalías estadísticas e identificar correlaciones inesperadas en las acciones de los clientes, valores fuera de los límites y picos súbitos o caídas repentinas de las métricas en todos los segmentos del público.

____________________________________________________

Encontraste algo extraño en tus datos. Descubre las razones que hay detrás.

Las anomalías en los datos son un verdadero dolor de cabeza. A veces quieren decir que las cosas van mejor de lo esperado. Pero muy a menudo significa que alguien etiquetó algo incorrectamente o que una campaña terminó prematuramente. O algo peor. La capacidad de identificar automáticamente anomalías es una función poderosa de Adobe Analytics, pero detectarlas es solo una parte de la ecuación. Igual de importante es entender qué causó la anomalía. Para muchos analistas, el segundo paso toma mucho tiempo y requiere una búsqueda manual en conjuntos enormes y variados de datos.

Con la función de análisis de contribución de Adobe Analytics, esta ardua tarea puede completarse con literalmente un solo clic. El análisis de contribución funciona junto con la detección de anomalías para ayudarte a comprender rápidamente lo que sucede en tus datos. Integrada en Analysis Workspace, el análisis de contribución consulta decenas de millones de conjuntos de datos para remplazar análisis extensos y complejos con visualizaciones útiles que te ayudan a tomar las mejores decisiones.

Enfócate solo en los datos que quieras.

Oculta dimensiones duplicadas o que no son de interés, datos periféricos o datos basura de los informes para obtener las respuestas más relevantes.

Descubre las relaciones estadísticas entre dimensiones.

Las puntaciones de contribución te ayudan a analizar la importancia de las dimensiones de datos relevantes en la anomalía.

Crea públicos nuevos con facilidad.

Descubre segmentos del público ocultos en función de los factores de contribución que tienen en común.

Usa la IA para dirigir datos más rápidamente.

El análisis de contribución usa un aprendizaje automático intensivo para descubrir contribuidores mucho más rápido de lo que sería posible con otros métodos.