Bruke Data Science til å sammenligne segmenter i Adobe Analytics

En av de mest interessante datavitenskap-påvirkede funksjonene i analysearbeidsområdet til Adobe Analytics kalles Segment Comparison. Det er en av Adobe Analytics kraftigste funksjoner fordi den hjelper deg enkelt å skille mellom to grupper av besøkende basert på deres oppførsel.

Har du gjennomgått et Venn-diagram nylig og lurt på følgende?

• Hva er beregningene som skiller segmentene mine? Du kan for eksempel oppdage en sammenheng mellom det påloggede besøkssegmentet ditt og visninger av bloggartikler.
• Hva er dimensjonene som skiller segmentene mine? For eksempel kan du oppdage at iOS-enhetstyper utgjør en betydelig del av besøkende som har konvertert.
• Hvilke andre segmenter kan brukes på mine segmenter for å skille dem? Du kan for eksempel se at besøkende henvist fra betalte søk har større sannsynlighet for å være i det tilpassede segmentet du opprettet av førstegangsbesøkende som lander på en produktside.

I så fall har du kommet til rett sted! Disse spørsmålene er de som Segment Comparison tar sikte på å svare på, ved å bruke maskinlæring hvert trinn på veien!

Først lærer du trinnene for å sammenligne to segmenter. Deretter graver du i noen andre eksempler på nyttige segmentsammenligninger å prøve ut.

Påkaller segmentsammenligning i Adobe Analytics

Følg disse trinnene for å sammenligne segmenter i Adobe Analytics:

Bruk venstre skinnevelger for å endre venstre skinnes visning til paneler.

Dra segmentsammenligning-panelet inn i arbeidsområdet.

Dra segmentsammenlikning-panelet inn i arbeidsområdet.

Dra et segment inn i Legg til et segment-området i segmentsammenligning-panelet.

Definere det første segmentet for segmentsammenligning.

I tillegg til segmenter kan du også dra dimensjoner, dimensjonselementer, beregninger og tidsområder inn i boksen. I eksemplet ble et segment som allerede var opprettet brukt som fokuserer på iOS-enheter. Hvis du vil opprette et segment i denne arbeidsflyten, holder du markøren over Legg til et segment-boksen og klikker på plusstegnet som vises.

Dra et andre segment (eller en annen komponent) inn i Sammenlign mot-boksen.

Som standard inkluderer Adobe et segment som er fokusert på Alle andre, i tilfelle du bare vil sammenligne dette segmentet med dets inverse. Dette resulterer imidlertid i et Venn-diagram uten noen overlapping. Dette kan være nyttig, men for eksempel sammenligner du med et andre segment.

På bildet nedenfor ble et kjøpersegment lagt til i boksen Sammenlign mot. Basert på antakelsen om at noen besøkende på iOS-enheter har foretatt kjøp, kan du forvente å se en viss overlapping mellom de to segmentene.

Definere et andre segment for segmentsammenligning.

Klikk på koblingen Vis avansert.

Boksen som vises bør se kjent ut hvis du husker boksen Ekskluderte dimensjoner for bidragsanalyse. Som vist ovenfor har du muligheten til å ekskludere dimensjoner, beregninger og segmenter fra analysen og resultatene av segmentsammenligningen. Akkurat som i en bidragsanalyse er grunnen til å ekskludere dimensjoner for å unngå irriterende resultater som kan være nøyaktige, men som ikke kan gjøres noe med. Fordi segmentsammenligning også analyserer beregninger og segmenter, legges de til som alternativer for ekskludering.

Klikk på den blå Bygg-knappen og undersøk resultatene som vises, ofte på mindre enn ett minutt.

Som du kan se nedenfor, returneres et vell av visualiseringer fra segmentsammenligning.

Den øverste delen av resultater fra segmentsammenligning.

La oss gå gjennom dem fra topp til bunn, venstre til høyre:

• Visualiseringen Størrelse og overlapping er et Venn-diagram som du enkelt kunne ha bygget basert på de to segmentene dine og en beregning av unike besøkende.
• De neste tre oppsummeringsvisualiseringene viser antallet unike besøkende for hvert av segmentene dine, samt overlappingen mellom dem. Disse oppsummeringsvisualiseringene kan være en god referanse når du utfører analysen.
• De to visualiseringene i den andre raden av resultatene er live-linked, noe som betyr at når du klikker på en verdi i tabellen til venstre, oppdateres grafen til høyre. Tabellen til venstre viser de beste beregningene som skiller de to valgte segmentene. En kolonne for forskjellspoeng sorterer hver av beregningene etter nivået av statistisk signifikant, akkurat som bidragsanalysens bidragspoeng. Du vil bli glad for å se at Adobe kjører Anomaly Detection på alle beregninger som er trender i linjediagrammet til høyre også! Som du kan se i tredje rad i tabellen ovenfor, ender kjøpere opp med å se en betydelig høyere mengde media (gjennomsnittlig 285,81 sekunder) enn iOS-besøkende (gjennomsnittlig bare 66,03 sekunder).
• Den tredje raden viser ytterligere to direktekoblede visualiseringer: en tabell til venstre for de dimensjonale elementene som skiller de to segmentene dine og et stolpediagram til høyre som viser den sterke forskjellen når hvert av de to segmentene dine brukes på de dimensjonale elementene. En forskjellsscore brukes igjen på disse visualiseringene.
• Den fjerde og siste raden i resultatene for segmentsammenligning bruker dine egne data for å hjelpe deg med å skille segmentene du sammenligner. Adobe analyserer alle segmenter du har tilgang til eller har opprettet, slik at det kan gi en endelig liste over differensierende segmenter. Friformtabellen kobler de differensierende segmentene til et Venn-diagram til høyre, som lar deg raskt finne overlapp mellom tre forskjellige segmenter.

Adobes Segment Comparison-verktøy er en fantastisk og rask måte å lære mer om de besøkende på . Du vil bli glad for å høre at det ikke er noen grense for hvor mange ganger du eller din bedrift kan bruke dette verktøyet, uavhengig av kontrakt eller SKU. Hvis du ikke har tilgang til det, sørg for å samarbeide med administratoren din for å forstå hvorfor.

Bruk av Adobe Analytics til å tenke brainstorming på brukstilfeller for segmentsammenligning

Hvis hjernen din ikke allerede jobber på høygir og tenker kreativt om hvordan du bruker funksjonen Segment Comparison i Adobe Analytics, la oss gi den en kickstart. Vår første anbefaling er å starte med et segment med konverteringer til nettstedet ditt.

Som en påminnelse, en som konverterer betyr ikke nødvendigvis at han eller hun har kjøpt. For nettsteder og apper som ikke selger noe, kan en konvertering bety en registrering, en videovisning eller en terskel for unike visninger av innhold. Uansett konvertering, lag et segment basert på besøkende som har oppnådd det.

Den mest grunnleggende sammenligningen å kjøre er omformere versus ikke-konverterere. Til å begynne med vil segmentsammenligning mest sannsynlig fortelle deg ting du allerede vet - dine beste markedsføringskanaler, mikrokonverteringer som er ledende indikatorer for suksess, eller regioner i landet som er mer suksessrike enn andre.

Segmentklynger i segmentsammenligningsresultatene kan komme godt med i brukstilfeller som disse. Er det noen uvanlige kombinasjoner av disse dimensjonene som Adobe Analytics foreslår å vurdere? Hvis Adobe ga deg noen segmenter som består av atypiske dimensjonskombinasjoner, start analysen der.

For de av dere som har en kjøpstrakt, vurder å opprette segmenter i Adobe Analytics for hvert av hovedtrinnene i trakten – besøkende som kommer til en produktside, men ikke legger i handlekurven; besøkende som legger i handlekurven, men ikke kommer til betalingssiden; besøkende som kommer til betalingssiden, men ikke kjøper; og besøkende som kjøper.

Lek med hvert segment i segmentsammenligning for å lære mer om hva som skiller ett segment fra det andre . Fordi du har ubegrenset tilgang til segmentsammenligningsverktøyet, kan du like godt prøve det ut!

Sist, og absolutt ikke minst, prøv en blanding av markedsføringskanal og kontokjøpsstatus. Segmenter for eksempel besøkende som går inn på nettstedet ditt via den mest suksessrike markedsføringskanalen og sammenlign den med besøkende som kjøper. Sammenlign det med besøkende som ikke kjøper.

Segmentsammenligning vil ofte hjelpe deg med å finne beregninger, dimensjoner og segmenter som skiller segmenter som du ikke hadde tenkt å sammenligne før. Ideelt sett vil den nyfunne informasjonen bidra til å drive datanysgjerrigheten din og forbedre måten du bruker Adobe Analytics på.