Komponenten von Unterereignissen in Daten-Feeds

Komponenten für Unterereignisse sind Dimensionen und Metriken, die auf Feldern innerhalb eines Arrays oder einer Zuordnung in Ihrem XDM-Schema basieren. Sie ermöglichen Ihnen die Analyse von Daten auf einer detaillierteren Ebene als auf Ereignisebene, z. B. die einzelnen Produkte bei einem Kauf. Informationen zur Verwendung dieser Daten in Segmenten finden Sie Unter-Ereignisse.

Verwenden Sie die folgenden Informationen, um zu verstehen, wie Unterereigniskomponenten aus Array- und Zuordnungsfeldern in Ihren Customer Journey Analytics-Daten-Feeds angezeigt werden.

Komponenten von Unterereignissen verstehen

Komponenten von Unterereignissen im XDM-Schema

Im XDM-Schema ist jedes Element eines Arrays (ein Zeichenfolgen-Array oder ein Objekt-Array) ein Unterereignis. Jeder Eintrag in einem Zuordnungsfeld ist auch ein Unterereignis, wie unter Zuordnungsfelder in Daten-Feeds beschrieben. Dimensionen und Metriken, die auf den Feldern innerhalb eines Unterereignisses basieren, sind Komponenten von Unterereignissen.

Um Unterereignisse innerhalb des XDM-Schemas in Adobe Experience Platform anzuzeigen, wählen Sie Schemata aus und erweitern Sie dann ein Ereignis, das Unterereignisse enthält.

Im folgenden Beispiel ist Product list items ein Objekt-Array, das verschiedene Komponenten für Unterereignisse enthält.

Unterschiede bei Unterereignissen zwischen Analysis Workspace und Daten-Feeds

Komponenten von Unterereignissen werden in Analysis Workspace anders als Daten-Feeds in Customer Journey Analytics dargestellt.

Unterschiede bei Unterereignissen zwischen Adobe Analytics und Customer Journey Analytics

Daten von Unterereignissen (z. B. mehrere Produktdetails in einem einzigen Kaufereignis) werden in Customer Journey Analytics-Daten-Feeds anders angezeigt als in Adobe Analytics-Daten-Feeds. In der folgenden Tabelle wird verglichen, wie jedes Produkt Unterereignisdaten darstellt.

Beispiel für Unterereignisse: Produkte in einem Kaufereignis

Ein Kunde kauft zwei Produkte in einer Bestellung: einen Akku-Bohrer und zwei Akku-Bohrer. Ihre Implementierung sendet ein einzelnes Kaufereignis, das beide Produkte im productListItems Objekt-Array enthält:

{
  "eventType": "commerce.purchases",
  "timestamp": "2026-09-16T14:32:07.512Z",
  "commerce": {
    "purchases": { "value": 1 }
  },
  "productListItems": [
    { "SKU": "CD-2000", "name": "Cordless Drill", "quantity": 1, "priceTotal": 129.99 },
    { "SKU": "BP-2000", "name": "Drill Battery Pack", "quantity": 2, "priceTotal": 39.98 }
  ]
}

Dieses Ereignis enthält zwei Unterereignisse, eines für jedes Objekt im productListItems-Array. Die folgende Tabelle zeigt, welche Felder zum Ereignis und welche zu den Unterereignissen gehören.

Hinzufügen von Unterereigniskomponenten zu einem Daten-Feed

Wenn Sie eine Unterereigniskomponente zu einem Daten-Feed hinzufügen, werden Sie in einem Dialogfeld aufgefordert, die anderen Komponenten aus demselben Unterereignis hinzuzufügen.

Felder desselben Unterereignisses werden auf der Arbeitsfläche als ausblendbare verschachtelte Gruppe und nicht als flaches Element angezeigt.

Diese Gruppe spiegelt die zugrunde liegende Datenstruktur wider.

In der Daten-Feed-Ausgabe werden alle diese Komponenten als verschachteltes Array in einer einzigen Spalte angezeigt. Parquet-Dateien unterstützen nativ verschachtelte Arrays. Weitere Informationen finden Sie unter Arbeiten mit Parquet-Dateien in Daten-Feeds.

Informationen zum Hinzufügen von Komponenten, einschließlich Unterereigniskomponenten, zu einem Daten-Feed finden Sie unter Erstellen eines Daten-Feeds.

Abfragen von Unterereignisdaten in der Daten-Feed-Ausgabe

Da Unterereignisdaten in Customer Journey Analytics-Daten-Feeds anders angezeigt werden unterscheiden sich die Abfragen, die Sie dafür verwenden, von denen, die Sie für Adobe Analytics-Daten-Feeds verwenden.

Die folgenden Beispiele zeigen, wie Sie Ereignisse finden, die ein bestimmtes Produkt enthalten. Die Beispiele verwenden die Google BigQuery-Syntax, bei der UNNEST ein Array in Zeilen erweitert. Andere Data Warehouses unterstützen denselben Ansatz mit eigenen Array-Funktionen, wie FLATTEN in Snowflake oder explode in Databricks.

{
  "row_id": "01K3F2M9-...-4821",
  "timestamp_utc": "2026-09-16T14:32:07.512000Z",
  "product_list_items": [
    { "category": "Power Tools", "product": "Cordless Drill", "quantity": 1, "revenue": 129.99,
      "events": {"event1": 1}, "merchandising": {"eVar10": "DrillBundle"} },
    { "category": "Power Tools", "product": "Drill Battery Pack", "quantity": 2, "revenue": 39.98,
      "events": {"event1": 1}, "merchandising": {"eVar10": "DrillBundle"} }
  ]
}

SELECT row_id, timestamp_utc, product_list_items
FROM `project.dataset.cja_data_feed` AS f
WHERE EXISTS (
  SELECT 1
  FROM UNNEST(f.product_list_items) AS item
  WHERE item.product = 'Cordless Drill'
);

SELECT f.row_id, f.timestamp_utc, item.product, item.quantity, item.revenue
FROM `project.dataset.cja_data_feed` AS f,
     UNNEST(f.product_list_items) AS item
WHERE item.product = 'Cordless Drill';

Power Tools;Cordless Drill;1;129.99;event1=1;eVar10=DrillBundle,Power Tools;Drill Battery Pack;2;39.98;event1=1;eVar10=DrillBundle

SELECT hitid_high, hitid_low, post_evar10
FROM aa_hit_data
WHERE REGEXP_CONTAINS(product_list, r'(^|,)[^;]*;Cordless Drill;')

Verwenden von Zuordnungsfeldern in Daten-Feeds

Zuordnen von Feldern in Schlüssel-Wert-Paaren Ihres XDM-Schemas. Daten-Feeds exportieren jede Zuordnung als Array von Objekten auf die gleiche Weise wie andere Unterereignisdaten. Jedes -Objekt enthält den Zuordnungsschlüssel und dessen Wert als separate Felder.

Feldnamen in der Ausgabe stammen von den Komponenten-IDs, die Sie für den Daten-Feed konfigurieren, und nicht von festen Namen wie key oder value. Die Beispiele in diesem Abschnitt verwenden Beispiel-Komponenten-IDs.

Einfache Karten

Einfache Zuordnungen sind der Zuordnungstyp, den Sie in Ihrem eigenen Schema erstellen können. Jeder Schlüssel ist eine Zeichenfolge und jeder Wert eine Zeichenfolge oder eine Ganzzahl.

Beispielsweise speichert eine Umfragezuordnung jede Frage als Schlüssel und die Antwort als Wert:

{
  "_yourtenant": {
    "surveyResponses": {
      "How did you hear about us?": "Search engine",
      "How likely are you to recommend us?": 9
    }
  }
}

In der Daten-Feed-Ausgabe sind survey_question und survey_answer die Komponenten-IDs für den Schlüssel und den Wert:

{
  "survey_responses": [
    { "survey_question": "How did you hear about us?", "survey_answer": "Search engine" },
    { "survey_question": "How likely are you to recommend us?", "survey_answer": 9 }
  ]
}

Identitätszuordnung

Jede Identität im identityMap wird als ein Objekt exportiert. Das -Objekt enthält den Identity-Namespace (den Schlüssel), die Kennung, den authentifizierten Status und das primäre Flag. Der Namespace wiederholt sich für jede Identität in diesem Namespace.

Nur die Identitätszuordnungsattribute, die als Dimensionen in Ihrer Datenansicht vorhanden sind und die Sie dem Daten-Feed hinzufügen, werden exportiert.

{
  "identity_map": [
    { "identity_namespace": "ECID", "identity_id": "83290187457380573620940587193016478103", "authenticated_state": "ambiguous", "is_primary": true },
    { "identity_namespace": "CRMID", "identity_id": "C-1048576", "authenticated_state": "authenticated", "is_primary": false }
  ]
}

Verschachtelte Zuordnungen

Einige von Adobe definierte Felder, z. B. segmentMembership, sind Zuordnungen von Zuordnungen. Daten-Feeds reduzieren diese in einem einzigen Array, wobei der Schlüssel der ersten Ebene und der Schlüssel der zweiten Ebene als separate Felder in jedem Objekt verwendet werden. Die Schlüssel der ersten Ebene werden in jedem Objekt wiederholt, für das sie gilt, sodass keine Daten oder Beziehungen verloren gehen.

Beispielsweise sind segment_namespace und segment_id die Komponenten-IDs für den Schlüssel der ersten Ebene und den Schlüssel der zweiten Ebene:

{
  "segment_membership": [
    { "segment_namespace": "ups", "segment_id": "04a81716-43d6-4e7a-a49c-f1d8b3129ba9", "status": "realized" },
    { "segment_namespace": "ups", "segment_id": "53cba6b2-a23b-454a-8069-fc41308f1c0f", "status": "exited" }
  ]
}