Häufig gestellte Fragen
Sie können eine Fluss-Visualisierung mit der Dimension „Mobilgerätetyp“ verwenden.
- Melden Sie sich bei Adobe Analytics an und erstellen Sie ein neues leeres Workspace-Projekt.
- Klicken Sie auf der linken Seite auf die Registerkarte „Visualisierungen“ und ziehen Sie eine Flussvisualisierung in die Arbeitsfläche auf der rechten Seite.
- Klicken Sie auf die Registerkarte „Komponenten“ auf der linken Seite und ziehen Sie die Dimension „Mobilgerätetyp“ an die mittlere Position mit der Bezeichnung „Dimension oder Element“.
- Dieser Flussbericht ist interaktiv. Klicken Sie auf einen der Werte, um den Fluss auf nachfolgende oder vorherige Seiten zu erweitern. Verwenden Sie das Kontextmenü, um Spalten zu erweitern oder zu reduzieren. Im selben Flussbericht können auch verschiedene Dimensionen verwendet werden.
Die geräteübergreifende Zuordnung der Cross-Device-Analyse erfolgt in zwei gleichzeitigen Prozessen.
-
Das erste Verfahren wird als „Live-Zuordnung“ bezeichnet und läuft ab, wenn die Daten in Adobe Analytics strömen. Während der Live-Zuordnung versucht die Cross-Device-Analyse, die Daten auf Personenebene neu darzustellen. Ist die Person zum Zeitpunkt der Live-Zuordnung jedoch unbekannt, nutzt die Cross-Device-Analyse zur Darstellung der Person die Besucher-ID.
-
Der zweite Prozess ist die sogenannte „Wiederholung“. Während der Wiederholung geht die Cross-Device-Analyse in der Zeit zurück und ordnet soweit möglich historische Daten innerhalb eines bestimmten Rückblickfensters neu zu. Dieses Rückblickfenster dauert je nach Konfiguration der Cross-Device-Analyse entweder 1 Tag oder 7 Tage. Während der Wiederholung versucht die Cross-Device-Analyse, Treffer neu darzustellen, bei denen die Person vorher unbekannt war.
-
Bei Verwendung eines Gerätediagramms speichert Adobe die Gerätediagramm-Zuordnungen für etwa 6 Monate. Eine ECID, die länger als sechs Monate keine Aktivität aufweist, wird aus dem Diagramm entfernt. Bereits in CDA zugeordnete Daten sind davon nicht betroffen, aber nachfolgende Treffer für diese ECID werden als neue Person behandelt.
Die Verwendung der benutzerspezifischen Besucher-ID ist eine veraltete Methode, um Benutzer geräteübergreifend zu verbinden. Bei einer benutzerspezifischen Besucher-ID verwenden Sie die visitorID
-Variable, um die für die Besucherlogik verwendete ID explizit festzulegen. Die visitorID
-Variable setzt alle Cookie-basierten IDs außer Kraft, die vorhanden sind.
Benutzerspezifische Besucher-IDs haben mehrere unerwünschte Seiteneffekte, die durch CDA überwunden oder minimiert werden. Beispielsweise verfügt die Methode der benutzerspezifischen Besucher-ID über keine Wiederholungsfunktionen. Wenn sich ein Benutzer während eines Besuchs authentifiziert, wird der erste Teil des Besuchs mit einer anderen Besucher-ID verknüpft als der letzte Teil des Besuchs. Die separaten Besucher-IDs führen zu Besuchs- und Besucherinflation. Die geräteübergreifende Analyse stellt historische Daten erneut dar, sodass nicht authentifizierte Treffer zur richtigen Person gehören.
visitorID
-Variable wird weiterhin in der Quell-Report Suite verwendet. Die geräteübergreifende Analyse ignoriert jedoch die visitorID
-Variable in der Virtual Report Suite, wenn sich ein Benutzer authentifiziert.In einigen Situationen ist es möglich, dass sich mehrere Personen von demselben Gerät aus anmelden. Beispiele dafür sind freigegebene Geräte zu Hause, freigegebene PCs in einer Bibliothek oder ein Terminal in einem Einzelhandelsgeschäft.
- Bei Verwendung eines Gerätediagramms ist die Handhabung gemeinsam genutzter Geräte eingeschränkt. Das Gerätediagramm verwendet einen Algorithmus, um die Eigentümerschaft eines „Clusters“ zu bestimmen, und kann sich bei jeder Veröffentlichung dieses Clusters ändern. Benutzer des gemeinsam genutzten Geräts unterliegen dem Cluster, zu dem sie gehören.
- Bei der Verwendung des feldbasierten Stitching überschreibt die Prop oder eVar, die Sie zur Identifizierung der angemeldeten Benutzer verwenden, andere Kennungen. Gemeinsam genutzte Geräte werden als separate Personen betrachtet, auch wenn sie vom gleichen Gerät stammen.
In bestimmten Situationen kann ein einzelner Benutzer mit einer großen Anzahl von ECIDs verknüpft sein. Dies kann vorkommen, wenn der Benutzer eine Vielzahl von Browsern oder Apps verwendet, vor allem dann, wenn er häufig Cookies löscht oder den privaten oder Inkognito-Modus des Browsers verwendet.
- Bei der Verwendung eines Gerätediagramms wird die Anzahl der ECIDs, die mit einer bestimmten Benutzer-ID verknüpft sind, auf 50 begrenzt. Wenn eine Benutzer-ID mit zu vielen ECIDs verknüpft ist, geht das Gerätediagramm davon aus, dass die Benutzer-ID ungültig ist, und entfernt den mit dieser Benutzer-ID verknüpften Cluster. Die Benutzer-ID wird dann auf eine Blockierungsliste gesetzt, um zu verhindern, dass sie in Zukunft in ein Cluster aufgenommen wird. Das Ergebnis in der Berichterstellung ist, dass diese Benutzer-ID nicht geräteübergreifend zugeordnet wird.
- Bei der Verwendung des feldbasierten Stitching ist die Anzahl der Geräte für die Prop/eVar, die Sie zur Identifizierung der angemeldeten Benutzer verwenden, irrelevant. Ein einzelner Benutzer kann zu einer beliebigen Anzahl von Geräten gehören, ohne dass sich dies auf die Fähigkeit der CDA auswirkt, Geräte zuzuordnen.
Diese beiden Metriken sind in etwa gleich. Unterschiede zwischen diesen beiden Metriken treten auf, wenn:
- Ein gemeinsam genutztes Gerät mehreren Personen zugeordnet wird. In diesem Szenario werden 1 Unique Visitor und mehrere eindeutige Geräte gezählt.
- Ein Gerät sowohl nicht zugeordneten als auch zugeordneten Traffic vom gleichen Besucher aufweist. Beispiel: Ein Browser generiert identifizierten zugeordneten Traffic sowie anonymen historischen Traffic, der nicht zugeordnet wurde. In diesem Fall werden 1 Unique Visitor und 2 eindeutige Geräte gezählt.
Weitere Beispiele und Details zur Funktionsweise finden Sie unter Eindeutige Geräte.
Ja. Analysis Workspace verwendet die 2.0-API, um Daten von Adobe-Servern anzufordern. Außerdem können Sie API-Aufrufe anzeigen, die Adobe verwendet, um Ihre eigenen Berichte zu erstellen:
- Wenn Sie sich bei Analysis Workspace angemeldet haben, gehen Sie zu Hilfe > Debugger aktivieren.
- Klicken Sie im gewünschten Bedienfeld auf das Debugging-Symbol und wählen Sie dann die gewünschte Visualisierung und die Uhrzeit der Anfrage aus.
- Suchen Sie die JSON-Anfrage, die Sie in Ihrem API-Aufruf an Adobe verwenden können.
- Bei Verwendung eines Gerätediagramms ist eine benutzerdefinierte ID, die auf ihrem Cluster basiert, die primäre Kennung.
- Bei Verwendung des feldbasierten Stitching ist eine benutzerdefinierte ID, die auf der von Ihnen gewählten Eigenschaft/eVar basiert, die primäre Kennung.
Beide diese Kennungen werden von Adobe zum Zeitpunkt der Berichterstellung berechnet. Dies wird auch als Berichtszeitverarbeitung bezeichnet. Aufgrund der Art der Berichtszeitverarbeitung ist diese nicht mit Data Warehouse, Daten-Feeds oder anderen Exportfunktionen von Adobe kompatibel.
Der Vorteil des siebentägigen Wiederholungs-Lookback-Fensters besteht darin, dass die geräteübergreifende Analyse einen längeren Zeitraum nutzen kann, um zu versuchen, zuvor anonyme Ereignisse mit einer Person zu verknüpfen, die sich später innerhalb dieser sieben Tage angemeldet hat. Die Nachteile des 7-Tage-Lookback-Fensters sind: 1) Wiederholungen werden nur einmal pro Woche ausgeführt, und 2) die letzten sieben Tage können sich ändern.
Die Vorteile der Verwendung des eintägigen Wiederholungs-Lookback-Fensters sind: 1) tägliche Wiederholungsläufe und 2) nur gestern kann sich ändern. Der Nachteil des eintägigen Lookback-Fensters besteht darin, dass die geräteübergreifende Analyse nur einen Tag zurückgehen kann, um zuvor anonyme Ereignisse mit einer Person zu verknüpfen, die sich gestern angemeldet hat.
Die Metrik „Identifizierte Personen“ kann etwas höher sein, wenn für die Prop//eVar der Kennung eine Hash-Kollision besteht.
Bei feldbasiertem Stitching wird bei der benutzerdefinierten Identifizierungsvariablen zwischen Groß- und Kleinschreibung unterschieden. Die Zahl der Metrik „Identifizierte Personen“ kann erheblich höher sein, wenn die Kennungswerte nicht mit der Groß-/Kleinschreibung übereinstimmen. Wenn beispielsweise bob
und Bob
gesendet und eigentlich dieselbe Person sind, interpretiert die geräteübergreifende Analyse diese beiden Werte als unterschiedlich.