Обновление для Adobe Analytics

Разработчики Adobe Analytics создали новый функционал, призванный улучшить понимание и визуализации работы посетителя с интернет-ресурсом, а также его путей конверсии. Улучшенный функционал также выдаст спецам больше информации (для принятия различных управленческих решений) и возможность глубоко исследовать поведение покупателей, связанное с теми или иными ключевыми событиями.

Итак, давайте рассмотрим основные нововведения, внедренные в Adobe Analytics

Наиболее подходящая атрибуция (Best Fit Attribution) – определяет влияние конкретного маркетингового контакта на клиента во время пути его конверсии. Для реализации атрибуции применяются инновационные статистические данные и продвинутые технологии машинного обучения, дабы специалистам было проще оценить эффективность своих рекламных кампаний. Следует сказать, что BFA можно использовать как на уровне маркетинговых каналов, так и во всей покупательской аудитории или определенных областях интереса (например, конкретные потребительские сегменты).

Таким образом, используя данную функцию, аналитики могут измерить эффективность созданных маркетинговых программ и получить информацию, которая поможет принять правильное решение по бюджету моделирований, связанных с недоходными событиями.

Когортный анализ – позволяет понять, что делают клиенты непосредственно перед покупкой товара или регистрацией нового аккаунта, а также какие маркетинговые усилия управляют поведением пользователей. Пользуясь функцией «Визуализация задержки» (Latency Visualization), можно провести когортный анализ клиентской базы компании.

Кроме всего прочего, грамотный маркетолог, пользуясь новым функционалом, получит ответы на такие животрепещущие вопросы, как «Когда человек совершил конверсию?», «В какой функционал был вовлечен пользователь во время конверсии?», «какие ремаркетинговые усилия помогли  вернуть пользователя на сайт?» и так далее.

В рамках данного функционала, разработчики Adobe Analytics заметно улучшили когортный анализ, позволил маркетологам изучить перспективу вовлеченности клиента вне каких-то конкретных рамок.

Анализ «Что-если» (What-If Analysis) – позволяет определить влияние привлечения большого количества трафика во время периода на доход или другие KPI. Имея в наличии такие данные, специалисты могут грамотно расставить приоритеты, основанные на возможностях, полученных из потребительских данных.

Экспорт сегмента (Segment Export) – дает возможность осуществлять экспорт в сторонние приложения полностью преобразованных данных вместе со всеми примененными правилами и сегментами. 

21.10.2014