合併事件資料集

上次更新: 2024-01-04
  • 主題:
  • Connections
    檢視有關此主題的更多資訊
  • 建立對象:
  • Admin

當您建立連線時,Customer Journey Analytics會將所有結構描述和資料集合併到單一資料集中。 Customer Journey Analytics會使用這個「合併事件資料集」來製作報表。 在連線中納入多個結構或資料集時:

  • 結構會合併。重複的結構欄位會合併。
  • 每個資料集的「人員 ID」欄會合併為一欄,不論其名稱為何。此欄是識別Customer Journey Analytics中不重複人員的基礎。
  • 會根據時間戳記處理列。
  • 事件會解析至毫秒層級。

範例

請參考下列範例。您有兩個事件資料集,各自包含不同資料的不同欄位。

注意

Adobe Experience Platform 通常以 Unix 毫秒為單位儲存時間戳記。此範例會使用日期和時間,以便閱讀。

example_id timestamp string_color string_animal metric_a
user_310 1 Jan 7:02 AM Red Fox
user_310 1 Jan 7:04 AM 2
user_310 1 Jan 7:08 AM Blue 3
user_847 2 Jan 12:31 PM Turtle 4
user_847 2 Jan 12:44 PM 2
different_id timestamp string_color string_shape metric_b
user_847 2 Jan 12:26 PM Yellow Circle 8.5
user_847 2 Jan 1:01 PM Red
alternateid_656 2 Jan 8:58 PM Red Square 4.2
alternateid_656 2 Jan 9:03 PM Triangle 3.1

使用這兩個事件資料集建立連線時,系統會使用下表來製作報表。

id timestamp string_color string_animal string_shape metric_a metric_b
user_310 1 Jan 7:02 AM Red Fox
user_310 1 Jan 7:04 AM 2
user_310 1 Jan 7:08 AM Blue 3
user_847 2 Jan 12:26 PM Yellow Circle 8.5
user_847 2 Jan 12:31 PM Turtle 4
user_847 2 Jan 12:44 PM 2
user_847 2 Jan 1:01 PM Red
alternateid_656 2 Jan 8:58 PM Red Square 4.2
alternateid_656 2 Jan 9:03 PM Triangle 3.1

這個合併事件資料集會用來製作報表。某列是來自哪個資料集並不重要;Customer Journey Analytics將所有資料視為位於相同資料集中。 如果兩個資料集中都出現相符的人員ID,則會將其視為同一個不重複人員。 如果兩個資料集中都出現相符的人員 ID,且時間戳記在 30 分鐘內,則視為同一工作階段的一部分。

此概念也適用於歸因。某列是來自哪個資料集並不重要;歸因的運作方式與所有事件都來自單一資料集的情形完全相同。以上表為例:

如果您的連線僅包含第一個表格而不含第二個表格,則使用上次接觸歸因的 string_color 維度和 metric_a 量度來提取報表,並顯示:

string_color metric_a
未指定 6
藍色 3
紅色 2

不過,如果連線中同時包含兩個表格,則歸因會變更,因為這兩個資料集中都有 user_847。第二個資料集屬性中的一列將 metric_a 歸因為「黃色」,其之前為未指定:

string_color metric_a
黃色 6
藍色 3
紅色 2

跨頻道分析

合併資料集的下一個層級是跨管道分析,也就是根據通用識別碼(人員ID)來合併來自不同管道的資料集。 跨管道分析可藉由拼接功能受益,讓您為資料集的人員ID重設金鑰,讓資料集可正確更新,以順暢地合併多個資料集。 拼接會檢視已驗證和未驗證工作階段的使用者資料,以產生拼接ID。

跨管道分析可讓您回答下列問題:

  • 有多少人在某個管道開始體驗,但在不同管道結束體驗?
  • 有多少人與我的品牌互動?他們使用的裝置數量與類型為何?他們互相重疊的程度?
  • 人們會在行動裝置上開始工作,稍後再移至桌上型電腦完成工作的頻率為何?登陸在一部裝置上的行銷活動點進次數,是否會導致在其他位置上的轉換?
  • 如果考慮跨裝置歷程,我對行銷活動成效的理解會有何改變? 我的漏斗分析會有何改變?
  • 使用者在裝置間移動最常採取的路徑為何?他們在哪裡退出?他們在哪裡獲得成功?
  • 多部裝置使用者的行為與單一裝置使用者的行為有何不同?

如需跨管道分析的詳細資訊,請參閱特定使用案例:

如需更深入的討論拼接功能,請前往:

本頁內容