将 Adobe Analytics 数据与 CJA 数据进行比较

随着您的组织采用 CJA，您可能会注意到 Adobe Analytics 与 CJA 之间的数据有些不同。这是正常情况，并且可能由于若干原因出现这种情况。CJA 旨在使您可改善对于您在 AA 中的数据存在的某些限制。但是，可能会出现意外的差异。本文旨在帮助您诊断和解决这些差异，以便您和您的团队可以使用 CJA，而不受数据完整性问题的影响。

假设您通过 Analytics Source Connector 将 Adobe Analytics 数据引入到 AEP 中，然后创建了使用此数据集的 CJA 连接。

接下来，您创建了一个数据视图，随后在 CJA 上制作此数据的报告时，您注意到与 Adobe Analytics 中的报告结果存在差异。

将原始 Adobe Analytics 数据与 Customer Journey Analytics 中的现有 Adobe Analytics 数据进行比较所要遵循的步骤如下。

先决条件

• 确保 AEP 中的 Analytics 数据集包含您正在调查的日期范围的数据。

• 确保您在 Analytics 中选择的报表包与引入到 Adobe Experience Platform 中的报表包一致。

步骤 1：在 Adobe Analytics 中运行发生次数指标

发生次数指标显示设置或持久化某个给定维度所经历的点击次数。

1. 在“Analytics”>“工作区”中，将要报告的日期范围作为一个维度拖入到一个自由格式表格中。

2. 发生次数指标将自动应用于该日期范围。

3. 保存此项目，以使您可在比较中使用它。

步骤 2：将结果与 CJA 中的按时间戳的总记录数进行比较

现在比较 Analytics 中的发生次数与 Customer Journey Analytics 中的“按时间戳的总记录数”。

只要 Analytics 源连接器未丢弃任何记录，则“按时间戳的总记录数”应与“发生次数”一致——请参见下节。

1. 在 Adobe Experience Platform 查询服务中，运行以下的按时间戳的总记录数查询：

SELECT Substring(from_utc_timestamp(timestamp,'{timeZone}'), 1, 10) as Day, \
        Count(_id) AS Records
        FROM  {dataset} \
        WHERE timestamp>=from_utc_timestamp('{fromDate}','UTC') \
        AND timestamp<from_utc_timestamp('{toDate}','UTC') \
        AND timestamp IS NOT NULL \
        AND enduserids._experience.aaid.id IS NOT NULL  \
        GROUP BY Day \
        ORDER BY Day;

1. 在 Analytics 数据馈送中，从原始数据确认是否 Analytics 源连接器已丢弃某些行。

   Analytics 源连接器在将数据转换到 XDM 架构的过程中可能会丢弃一些行。整个行不适合进行转换的原因可能有多种。如果以下任何 Analytics 字段具有这些值，则将丢弃整个行。

   Analytics 字段	导致发生丢弃的值
   Opt_out	y, Y
   In_data_only	不为 0
   Exclude_hit	不为 0
   Bot_id	不为 0
   Hit_source	0,3,5,7,8,9,10
   Page_event	53,63

2. 如果连接器丢弃了某些行，则将从发生次数指标中减去这些行。得到的数字应与 Adobe Experience Platform 数据集中的事件数一致。

为什么在从 AEP 引入数据期间可能会丢弃或跳过一些记录

CJA 连接允许您跨数据集基于共同的人员 ID 将多个数据集聚集并连接在一起。在后端，我们应用重复数据删除：首先，基于时间戳针对事件数据集进行完全的外部连接或合并，然后基于人员 ID 对配置文件和查找数据集进行内部连接。

以下是从 AEP 中引入数据时可能会跳过记录的一些原因。

• 缺少时间戳 – 如果事件数据集中缺少时间戳，则在引入期间将完全忽略或跳过这些记录。

• 缺少人员 ID -（事件数据集和/或配置文件/查找数据集）缺少人员 ID 将导致忽略或跳过这些记录。原因是没有共同的 ID 或匹配的键可连接这些记录。

• 人员 ID 无效或过大 – 对于无效的 ID，系统将无法在要连接的数据集中找到有效的共同 ID。在某些情况下，人员 ID 列具有无效的人员 ID，例如“未定义”或“00000000”。每个月在某个事件中出现超过 100 万次的人员 ID（数字和字母的任意组合）无法归因到任何特定的用户或个人。它将被归为无效。无法将这些记录引入到系统中，并将导致引入和报表容易出错。