Bijdrageanalyse

Ontdek verborgen patronen in je data om statistische afwijkingen te verklaren en identificeer correlaties achter onverwachte acties van klanten, grensoverschrijdende waarden, en plotselinge pieken of dalen voor metrics in doelgroepsegmenten.

____________________________________________________

Je hebt iets ongewoons in je data gevonden. Nu wil je weten wat erachter zit.

Data-afwijkingen kunnen flink wat hoofdbrekens kosten. Soms geven ze aan dat iets beter gaat dan verwacht. Maar vaak geven ze aan dat iemand iets verkeerd heeft getagd of dat een campagne voortijdig is beëindigd. Of nog erger. Adobe Analytics heeft een krachtige functie waarmee afwijkingen automatisch worden aangegeven. Maar het opsporen van afwijkingen is slechts een deel van het verhaal. Het is net zo belangrijk om te begrijpen wat de oorzaak van de afwijkingen is. Analisten waren vaak veel tijd kwijt met deze tweede stap: ze moesten handmatig grote en gevarieerde datasets doorspitten.

Met de functie voor bijdrageanalyse in Adobe Analytics voer je deze tijdrovende taak nu met één muisklik uit. Bijdrageanalyse werkt samen met afwijkingsdetectie om je snel inzicht te geven in wat er met je data gebeurt. Bijdrageanalyse is geïngegreerd in Analysis Workspace en voert query's uit op tientallen miljoenen datasets. In plaats van lange, ingewikkelde analyses krijg je nu handige visualisaties te zien, zodat je sneller de juiste beslissingen kunt nemen.

Richt je alleen op de gewenste data.

Verberg dubbele of oninteressante dimensies, uitbijters en ongewenste data in rapporten om de meest relevante antwoorden te krijgen.

Leg statistische relaties tussen dimensies bloot.

Aan de hand van bijdragescores analyseer je het belang van de datadimensies die relevant zijn voor de afwijking.

Stel eenvoudig nieuwe doelgroepen samen.

Leg verborgen doelgroepsegmenten bloot op basis van de bijdragende factoren die ze gemeenschappelijk hebben.

Gebruik AI om sneller inzichten op te doen.

Bijdrageanalyse maakt gebruik van intensieve machine learning, waardoor bijdragende factoren veel sneller worden blootgelegd dan anders het geval zou zijn.