Avvikelseidentifiering

Statistisk modellering och maskininlärning som automatiskt hittar oväntade avvikelser i era data. Funktionerna identifierar faktorer som är utslagsgivande för ert företag i de enorma datamängderna.

____________________________________________________

Det händer saker. Och när det händer vet ni det.

Överraskningar i era data kan vara både bra och dåliga. Å ena sidan kan det betyda att en kampanj går bättre än väntat. Å andra sidan kan det betyda att något gått snett – buggar som orsakar problem, taggningsfel eller till och med industrispionage. Oavsett om orsaken till avvikelsen är bra eller dålig är det alltid bra att identifiera den snabbt. Men tidigare var detta ett tids- och resurskrävande arbete, som kunde vara svårt att hinna med om ni samtidigt skulle rensa data och förbereda rapporter.

Med funktionen för avvikelseidentifiering i Adobe Analytics kan ni automatiskt identifiera statistiskt signifikanta dataavvikelser under utvalda tidsperioder. Sedan visar vi er de här oväntade trafiktopparna eller -dalarna i tydliga visualiseringar. Och med hjälp av funktionen för bidragsanalys i Analysis Workspace kan ni se inte bara när avvikelserna inträffar, utan även få en förståelse för varför.

Analysera avvikelser över tid.

Utöka analysen från timmar, dagar eller veckor till månader för att få en långsiktig bild av era kampanjer och var avvikelserna inträffar över tid.

Ta hänsyn till semestrar och särskilda händelser.

När ni använder avvikelseidentifiering i Analysis Workspace kan ni ta hänsyn till särskilda händelser, till exempel storhelger och skollov.

Låt AI göra jobbet.

Avvikelseidentifieringen använder de unika maskininlärnings- och automatiseringsalgoritmerna i Adobe Sensei för att få fram ännu bättre insikter.

Håll koll på läget – hela tiden.

Tack vare våra intelligenta aviseringar får ni veta direkt via e-post eller SMS om det sker några avsevärda förändringar av era nyckeltal och viktiga segment.

Hitta orsaken till avvikelsen.

Med hjälp av bidragsanalys kan ni identifiera vad som orsakat avvikelsen med en enkel klickning.