このドキュメントでは、特定の日付範囲で日別のイベントのトレンドレポートを作成するために必要な SQL の例を示します。 Adobe Experience Platformクエリサービスを使用すると、 Experience Events を使用して、様々なユースケースを取り込むことができます。 エクスペリエンスイベントは、エクスペリエンスデータモデル (XDM)ExperienceEvent クラスで表されます。ユーザーが Web サイトまたはサービスを操作したときに、不変で集計されないシステムのスナップショットを取り込みます。 エクスペリエンスイベントは、時間ドメイン分析にも使用できます。 詳しくは、 次の手順の節 を含むその他の使用例 Experience Events 訪問者レポートを生成するために使用します。
レポートを使用すると、Platform データにアクセスして、組織の戦略的ビジネスインサイトに役立ちます。 これらのレポートを使用すると、様々な方法で Platform データを調べ、主要指標をわかりやすい形式で表示し、結果のインサイトを共有できます。
XDM と Experience Events は XDM System 概要. クエリサービスと Experience Eventsを使用すると、ユーザー間の行動傾向を効果的に追跡できます。 次のドキュメントは、 Experience Events.
次の例では、指定した日付範囲のイベントのトレンドレポートを日付別にグループ化して作成します。特に、この SQL の例では、様々な分析値を A
, B
、および C
を検索し、1 ヶ月の間にパーカが閲覧された回数を合計します。
にあるタイムスタンプ列 Experience Event データセットは UTC 形式です。 この例では、 from_utc_timestamp()
関数を使用して、タイムスタンプを UTC から EDT に変換し、 date_format()
関数を使用して、残りのタイムスタンプから日付を分離します。
SELECT
date_format( from_utc_timestamp(timestamp, 'EDT') , 'yyyy-MM-dd') as Day,
SUM(web.webPageDetails.pageviews.value) as pageViews,
SUM(_experience.analytics.event1to100.event1.value) as A,
SUM(_experience.analytics.event1to100.event2.value) as B,
SUM(_experience.analytics.event1to100.event3.value) as C,
SUM(
CASE
WHEN _experience.analytics.customDimensions.evars.evar1 = 'parkas'
THEN 1
ELSE 0
END) as viewedParkas
FROM your_analytics_table
WHERE TIMESTAMP >= to_timestamp('2019-03-01') AND TIMESTAMP <= to_timestamp('2019-03-31')
GROUP BY Day
ORDER BY Day ASC, pageViews DESC;
このクエリの結果は、次のように表示されます。
Day | pageViews | A | B | C | viewedParkas
-------------+-----------+--------+-------+---------+--------------
2019-03-01 | 55317.0 | 8503.0 | 804.0 | 1578.0 | 73
2019-03-02 | 55302.0 | 8600.0 | 854.0 | 1528.0 | 86
2019-03-03 | 54613.0 | 8162.0 | 795.0 | 1568.0 | 100
2019-03-04 | 54501.0 | 8479.0 | 832.0 | 1509.0 | 100
2019-03-05 | 54941.0 | 8603.0 | 816.0 | 1514.0 | 73
2019-03-06 | 54817.0 | 8434.0 | 855.0 | 1538.0 | 76
2019-03-07 | 55201.0 | 8604.0 | 843.0 | 1517.0 | 64
2019-03-08 | 55020.0 | 8490.0 | 849.0 | 1536.0 | 99
2019-03-09 | 43186.0 | 6736.0 | 643.0 | 1150.0 | 52
2019-03-10 | 48471.0 | 7542.0 | 772.0 | 1272.0 | 70
2019-03-11 | 56307.0 | 8721.0 | 818.0 | 1571.0 | 81
2019-03-12 | 55374.0 | 8653.0 | 843.0 | 1501.0 | 59
2019-03-13 | 55046.0 | 8509.0 | 887.0 | 1556.0 | 65
2019-03-14 | 55518.0 | 8551.0 | 848.0 | 1516.0 | 77
2019-03-15 | 55329.0 | 8575.0 | 818.0 | 1607.0 | 96
2019-03-16 | 55030.0 | 8651.0 | 815.0 | 1542.0 | 66
2019-03-17 | 55143.0 | 8435.0 | 774.0 | 1572.0 | 65
2019-03-18 | 54065.0 | 8211.0 | 816.0 | 1574.0 | 111
2019-03-19 | 55097.0 | 8395.0 | 771.0 | 1498.0 | 86
2019-03-20 | 55198.0 | 8472.0 | 863.0 | 1583.0 | 82
2019-03-21 | 54978.0 | 8490.0 | 820.0 | 1580.0 | 83
2019-03-22 | 55464.0 | 8561.0 | 820.0 | 1559.0 | 83
2019-03-23 | 55384.0 | 8482.0 | 800.0 | 1139.0 | 82
2019-03-24 | 55295.0 | 8594.0 | 841.0 | 1382.0 | 78
2019-03-25 | 42069.0 | 6365.0 | 606.0 | 1509.0 | 62
2019-03-26 | 49724.0 | 7629.0 | 724.0 | 1553.0 | 44
2019-03-27 | 55111.0 | 8524.0 | 804.0 | 1524.0 | 94
2019-03-28 | 55030.0 | 8439.0 | 822.0 | 1554.0 | 73
2019-03-29 | 55281.0 | 8601.0 | 854.0 | 1580.0 | 73
2019-03-30 | 55162.0 | 8538.0 | 846.0 | 1534.0 | 79
2019-03-31 | 55437.0 | 8486.0 | 807.0 | 1649.0 | 68
(31 rows)
このドキュメントでは、 Experience Events ユーザー間の行動傾向を効果的に追跡する。
を使用する他の訪問者ベースの使用例について学ぶには Experience Events、次のドキュメントをお読みください。