Skapa en trendrapport över händelser
Det här dokumentet innehåller ett exempel på den SQL som krävs för att skapa en trendrapport över händelser per dag i ett visst datumintervall. Med Adobe Experience Platform Query Service kan du skriva frågor som använder Experience Events för att ta en mängd olika användningsområden. Experience Events representeras av Experience Data Model (XDM) ExperienceEvent-klassen, som fångar en oföränderlig och icke-aggregerad ögonblicksbild av systemet när en användare interagerar med en webbplats eller tjänst. Experience Events kan till och med användas för tidsdomänanalys. Se nästa steg för fler användningsfall där Experience Events för att generera besökarrapporter.
Rapporterna ger er tillgång till era plattformsdata för att hjälpa er organisations strategiska affärsinsikter. Med de här rapporterna kan ni undersöka era plattformsdata på flera olika sätt, visa nyckeltal i lättbegripliga format och dela de insikter de ger.
Mer information om XDM och Experience Events finns i XDM System översikt. Genom att kombinera frågetjänsten med Experience Eventskan ni effektivt spåra beteendetrender bland era användare. Följande dokument innehåller exempel på frågor som innehåller Experience Events.
Mål
I följande exempel skapas en trendrapport med händelser över ett angivet datumintervall grupperade efter datum. Det här SQL-exemplet sammanfattar olika analysvärden som A, Boch Coch sammanfattar sedan antalet gånger som parkas har visats under en månad.
Tidsstämpelkolumnen finns i Experience Event datauppsättningar har UTC-format. Exemplet använder from_utc_timestamp() för att omforma tidsstämpeln från UTC till EDT och sedan använder date_format() för att isolera datumet från resten av tidsstämpeln.
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;
Resultatet av den här frågan visas nedan.
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)
Nästa steg next-steps
Genom att läsa det här dokumentet får du en bättre förståelse för hur du använder frågetjänsten med Experience Events för att effektivt spåra beteendetrender bland era användare.
Så här lär du dig mer om andra besöksbaserade användningsfall som använder Experience Eventskan du läsa följande dokument: