Datenbank optimieren

Der Hauptvorteil der Verwendung einer operativen Datenbank für Adobe Commerce Intelligence besteht darin, dass nichts erstellt oder geändert werden muss, um Daten zu erfassen. Wertvolle Informationen sind bereits vorhanden - Sie müssen sie nur freischalten.

Dieses Thema enthält einige Empfehlungen, mit denen Sie Ihre Datenbank für die Analyse optimieren und aus Rohdaten umsetzbare Einblicke gewinnen können.

Daten nicht löschen

TIP
Die lokalen und internationalen Gesetze, die Ihr Geschäft (und Ihre eigenen Servicebestimmungen) beeinflussen können, welche Datentypen Sie beibehalten können und wie lange Sie sie behalten können. Die Einhaltung dieser Gesetze sollte oberste Priorität haben.

Wenn eine Bestellung storniert, ein Benutzer sein Konto deaktiviert oder ein Produkt eingestellt wird, ist es versucht, die zugehörigen Informationen in der Datenbank zu löschen. Tabellen wachsen und beseitigen Unübersichtlichkeit scheint eine umsichtige Idee zu sein. Das Löschen von Zeilen bedeutet jedoch, dass diese Informationen für immer verloren gehen oder dass Sie alte Sicherungen durchsuchen müssen, um sie zu finden.

Stattdessen können Sie der Tabelle eine Statusspalte hinzufügen, die angibt, wann die Zeile nicht mehr aktiv oder relevant ist. Es wird außerdem empfohlen, eine Spalte hinzuzufügen, in der das Datum der Änderung gespeichert wird, oder ein Protokoll für historische Änderungen zu erstellen. Wenn Tabellen so groß sind, dass die Leistung langsam zunimmt, sollten Sie die alten Daten in einer für Analysen verwendeten Tabelle archivieren.

Daten selten überschreiben

Das Überschreiben von Daten sollte sparsam und mit Vorsicht erfolgen.

Unter Verwendung von Anmeldedaten als Beispiel speichern viele Unternehmen das letzte Anmeldedatum und nicht eine Tabelle historischer Anmeldungen. Auch wenn Sie für funktionale Zwecke möglicherweise nur das letzte Anmeldedatum benötigen, stellen überschriebene Daten aus der Sicht der Analyse einen enormen Verlust dar. Wenn Sie kein vollständiges Protokoll dieser Aktionen speichern, können Sie nicht mehr sehen, wie viele Benutzer lange Zeit weg blieben und dann reaktiviert wurden. Außerdem ist es unmöglich, auf der Grundlage von Anmeldungen Kohortenanalysen für die Benutzerinteraktion zu erstellen.

Wenn Sie einen Datensatz aufgrund einer Benutzeraktion aktualisieren, überschreiben Sie im Allgemeinen keine Informationen über eine vorherige oder separate Benutzeraktion.

Updated_at Spalten für Daten einschließen, die im Zeitverlauf aktualisiert wurden

Wenn sich die Werte in den Zeilen einer Tabelle ändern, z. B. ändert sich order_status von processing in complete, fügen Sie eine Spalte updated_at hinzu, um aufzuzeichnen, wann die letzte Änderung erfolgt. Stellen Sie sicher, dass beim ersten Einfügen der neuen Datenzeile ein Wert vom Typ updated_at verfügbar ist, wenn das Datum updated_at dem Datum created_at entspricht.

Neben der Optimierung für die Analyse können Sie in den Spalten updated_at auch Inkrementelle Replikationsmethoden verwenden, was dazu beitragen kann, die Dauer Ihrer Aktualisierungszyklen zu verkürzen.

Store User Acquisition Source

Einer der häufigsten Fehler ist die Benutzer-Akquise-Quelle (UAS), die nicht in der Betriebsdatenbank gespeichert wird. In den meisten Fällen, in denen dies ein Problem darstellt, wird UAS nur über Google Analytics oder ein anderes Webanalysetool verfolgt. Diese Tools können zwar nützlich sein, doch gibt es einige Nachteile, die die ausschließliche Speicherung von UAS in ihnen mit sich bringt, wie z. B. die Extraktion von Daten auf Benutzerebene aus diesen Tools. Wenn es möglich ist, ist es normalerweise ein schwieriger Prozess. Es sollte einfach sein, diese Informationen zu erhalten und sie mit Daten aus anderen Quellen zu verbinden, z. B. mit den Verhaltens- und Transaktionsdaten, die ebenfalls in Ihrer Datenbank gespeichert sind.

Die Speicherung von UAS in Ihrer eigenen Datenbank ist oft die größte Verbesserung, die ein Online-Unternehmen an seinen analytischen Fähigkeiten vornehmen kann. Dies ermöglicht die Analyse von Vertrieb, Benutzerinteraktion, Payback-Zeiträumen, Kundenlebenszeitwert, Abwanderung und anderen kritischen Metriken nach UAS. Diese Daten sind bei der Entscheidung, wo Marketing-Ressourcen investiert werden sollen, von entscheidender Bedeutung.

Zu viele Unternehmen konzentrieren sich ausschließlich auf die Suche nach Kanälen, die neue Benutzer zu niedrigsten Kosten anbieten. Wenn Sie die Qualität der von den einzelnen Kanälen erworbenen Benutzer nicht verfolgen, besteht das Risiko, Benutzer anzuziehen, die keinen Geschäftswert generieren.

Einrichten von Datentabellen

Primären Schlüssel festlegen

Ein Primärschlüssel ist eine unveränderliche Spalte (oder Gruppe von Spalten), die eindeutige Werte in einer Tabelle erzeugt. Primäre Schlüssel sind unglaublich wichtig, da sie sicherstellen, dass Ihre Tabellen ordnungsgemäß in Commerce Intelligence repliziert werden.

Verwenden Sie beim Erstellen von Primärschlüsseln einen ganzzahligen Datentyp für die Spalte, die automatisch erhöht wird. Adobe empfiehlt, die Verwendung von mehrspaltigen Primärschlüsseln zu vermeiden.

Wenn es sich bei Ihrer Tabelle um eine SQL-Ansicht handelt, fügen Sie eine Spalte hinzu, die als Primärschlüssel dienen kann. Commerce Intelligence kann diese Spalte automatisch als Primärschlüssel identifizieren.

Datentyp zu Ihrer Datenspalte zuweisen

Wenn einer Datenspalte kein Datentyp zugewiesen ist, schätzt Commerce Intelligence, welcher Datentyp verwendet werden soll. Wenn das System falsch einschätzt, können Sie die entsprechenden Analysen erst dann durchführen, wenn das Adobe-Supportteam die Spalte an den entsprechenden Datentyp anpasst. Wenn beispielsweise eine Datumsspalte als numerischer Datentyp betrachtet wird, können Sie mithilfe dieser Datumsdimension einen Trend im Zeitverlauf erstellen.

Hinzufügen von Präfixen zu Ihren Datentabellen, wenn mehrere Datenbanken vorhanden sind

Wenn mehr als eine Datenbank mit Commerce Intelligence verbunden ist, empfiehlt Adobe, den Tabellen Präfixe hinzuzufügen, um Verwirrung zu vermeiden. Mit Präfixen können Sie sich merken, woher Metriken oder Datendimensionen stammen.

recommendation-more-help
e1f8a7e8-8cc7-4c99-9697-b1daa1d66dbc