속성별: Amplitude가 차트 결과를 정리하고 정렬하는 방법

기본적인 형태로, Amplitude의 속성별 기능은 집계를 위해 이벤트를 분류하기 위한 도구입니다.

예를 들어 국가별로 이벤트 수행 횟수가 필요할 때, 속성별을 사용하십시오.

속성별 결과 제한

성능을 위해 Amplitude는 쿼리 결과가 반환할 수 있는 그룹 수에 대한 최대 제한을 설정합니다. 쿼리가 제한을 초과할 경우 Amplitude는 최상위 그룹을 유지하고 쿼리 결과에서 나머지 그룹을 정리합니다.

Amplitude는 다음과 같은 제한을 적용할 수 있습니다.

• 단일 속성별: 100개의 결과.
• 이중 속성별: 500개의 결과.

자세한 내용은 제한을 참조하십시오.

그룹 주문

이 표는 Amplitude가 분석 테이블에 표시할 속성별 우선 순위를 지정하는 방법을 보여줍니다.

그룹 순서가 있는 공식

속성별이 없는 수식의 경우 Amplitude는 수식의 모든 지표가 동일한 순서를 _사용하는 경우_에만 이 순서를 사용합니다. 그렇지 않으면 Amplitude는 기본 공식 순서를 사용합니다.

속성별 기준이 있는 공식의 경우 Amplitude는 단일 표현식의 모든 공식에 걸쳐 합산된 그룹당 가장 큰 전체 값으로 그룹의 순위를 매깁니다.

실험 시 속성별 구분

실험 종단 간 및 실험 결과에서 Amplitude는 반환되는 속성별 그룹 수를 지표당 10개로 제한합니다. Amplitude는 모든 변형에 걸친 노출 합계를 기준으로 행을 정렬합니다. 일부 행에는 (none)가 표시될 수 있습니다. 이는 속성이 누락되었음을 의미합니다. 자세한 내용은 FAQ: 사용자 수의 예기치 않은 값을 참조하십시오. 속성별 기준은 노출 이벤트에 적용됩니다.

다중 가설 테스트에서 Amplitude는 사용자가 분석에서 수행할 가설 테스트의 수를 알지 못하기 때문에 속성별 사용에 대해 보정하지 않습니다. 하나의 속성별 값을 확인하거나 10개의 속성별 값을 확인할 수 있습니다.

속성별 분석은 보다 탐색적인 분석을 제공합니다. 다중 가설 검증을 위해 조정하면 통계적 유의성에 도달하기가 더 어려워집니다. 거짓 양성이 발생했다고 생각되면 실험을 두 개의 날짜 범위로 나누세요. 한 데이터 세트에서 원하는 모든 가설 테스트를 수행한 다음 두 번째 날짜 범위에서 해당 결과를 재현하려고 시도하십시오. 이를 머신러닝 모델을 학습하고 훈련 세트의 하이퍼파라미터를 튜닝한 다음, 보이지 않는 테스트 세트에서 모델을 평가하여 편향되지 않은 오차 추정치를 얻는 트레인-테스트 분할(train-test split)과 비슷하게 생각해 보십시오.

제한 사항

Amplitude는 속성별과 CUPED를 함께 지원하지 않습니다. 이러한 옵션을 선택하면 속성별이 아닌 값에는 CUPED가 적용되지만 속성별 값에는 적용되지 않습니다.

속성별 기준인 속성의 값이 노출 이벤트와 지표 이벤트 사이에 변경되면 전환율이 100%보다 높다는 것을 알 수 있습니다. 예를 들어 Country를 속성별로 지정하고 Country = Spain행을 조회할 경우, 분모는 스페인에서의 고유한 노출 횟수이고 분자는 스페인에서 해당 지표 이벤트를 수행한 사람의 숫자입니다.

결과적으로 누군가는 스페인에서 지표 이벤트를 수행할 수 있지만 스페인에서 노출 이벤트를 전혀 수행하지 않을 수도 있기 때문에 전환율이 100%보다 높다는 것을 알 수 있습니다. 이들은 분자에는 수행 횟수가 포함되지만 분모에는 포함되지 않습니다.

그 반대도 마찬가지입니다. 여기서 분자는 과대 계산되는 대신 과소 계산됩니다. Platform를 속성별로 지정하고 Platform = Web 행을 보면 노출 이벤트에는 Platform = Web가 있고 지표 이벤트에는 Platform != Web가 있는 경우, 해당 지표 이벤트는 분자에 포함되지 않습니다.