16.5使用Google Analytics分析Customer Journey Analytics数据

目标

• 将我们的BigQuery数据集连接到Customer Journey Analytics(CJA)
• 使用忠诚度数据连接和加入Google Analytics。
• 熟悉CJA UI

16.5.1创建连接

转到analytics.adobe.com以访问Customer Journey Analytics。

在Customer Journey Analytics主页上，转到​连接。

在此，您可以看到CJA与平台之间建立的所有不同连接。 这些连接的目标与Adobe Analytics中的报表包相同。 但是，数据的收集却截然不同。 所有数据都来自Adobe Experience Platform数据集。

单击​新建连接。

然后，您将看到​创建连接 UI。

首先，您需要选择要使用的正确沙盒。 在沙盒菜单中，选择您的沙盒，该沙盒应为--aepSandboxId--。 在此示例中，要使用的沙盒为​AEP启用FY21。

选择沙盒后，可用的数据集将会更新。

在左侧菜单中，您可以看到所有可用的Adobe Experience Platform数据集。 搜索数据集Demo System - Event Dataset for BigQuery (Global v1.1)。 单击​+​以将数据集添加到此连接。

添加后，您将在连接中看到数据集。

现在，您必须选择​人员ID。 请确保选择​loyatyId​作为人员ID。

您现在将扩充Google Analytics网站与其他Adobe Experience Platform数据集的交互数据。

搜索数据集Demo System - Profile Dataset for Loyalty (Global v1.1)并将其添加到此连接。

然后您将看到：

要合并两个数据集，您需要选择包含相同类型ID的​人员ID。 数据集Demo System - Profile Dataset for Loyalty (Global v1.1)使用​loyatyId​作为人员ID，该ID包含与Demo System - Event Dataset for BigQuery (Global v1.1)相同类型的ID，该ID还使用​loyatyId​作为人员ID。

单击​下一步。

然后您将看到：

您需要在此命名连接。

请使用此命名约定：ldap - GA + Loyalty Data Connection。

示例：vangeluw - GA + Loyalty Data Connection

在完成之前，还请从今天开始激活​自动导入此连接中所有数据集的所有新数据。 如下图所示。

这将每60分钟启动一次从Adobe Experience Platform到CJA的数据流，但是，如果数据量很大，则可能需要长达24小时。

您还需要回填历史数据，因此请选中​导入所有现有数据​复选框，然后在​平均每日事件数​下选择​小于100万​的。

创建​Connection​后，可能需要几个小时才能在CJA中使用数据。

单击​Save，然后转到下一个练习。

然后，您将在可用连接列表中看到您的连接。

16.5.2创建数据视图

完成连接后，您现在可以进步来影响可视化图表。 Adobe Analytics与CJA的区别在于，CJA需要数据视图，以便在可视化之前清理和准备数据。

数据视图与Adobe Analytics中虚拟报表包的概念类似，在虚拟报表包中，您可以定义上下文感知访问定义、过滤，以及组件的调用方式。

每个连接至少需要一个数据视图。 但是，对于某些用例，最好为同一连接提供多个数据视图，以便对不同的团队提供不同的洞察。

如果您希望公司成为数据驱动型公司，则应调整每个团队查看数据的方式。 一些示例：

• 仅适用于UX设计团队的UX量度
• 将KPI和量度的名称用于Google Analytics，与Customer Journey Analytics的名称相同，以便Digital Analytics团队只能讲1种语言。
• 数据视图已过滤，以仅显示1个市场、1个品牌或仅移动设备的实例数据。

在​Connections​屏幕上，选中刚刚创建的连接前面的复选框。

现在，单击​创建数据视图。

您将被重定向到​创建数据视图​工作流。

您现在可以为数据视图配置基本定义。 时区、会话超时或数据视图过滤(区段部分类似于Adobe Analytics中的虚拟报表包)。

在上一个练习中创建的​Connection​已被选中。 您的连接名为ldap - GA + Loyalty Data Connection。

接下来，按照此命名约定为数据视图指定一个名称：ldap - GA + Loyalty Data View。

为描述输入相同的值：ldap - GA + Loyalty Data View。

在进行任何分析或可视化之前，我们需要创建一个数据视图，其中包含所有字段、维度和量度及其归因设置。

字段	命名约定	示例
名称连接	LDAP - GA +忠诚度数据视图	vangeluw - GA +忠诚度数据视图
描述	LDAP - GA +忠诚度数据视图	vangeluw - GA +忠诚度数据视图

单击​保存并继续。

您现在可以向数据视图中添加组件。 如您所见，某些量度和维度会自动添加。

将以下组件添加到数据视图：

组件名称	组件类型	组件路径
级别	维度	_experienceplatform.loyatyDetails.level
点	量度	_experienceplatform.loyatyDetails.points
commerce.checkouts.value	量度	commerce.checkouts.value
commerce.productListRemovals.value	量度	commerce.productListRemovals.value
commerce.productListAdds	量度	commerce.productListAdds
commerce.productViews.value	量度	commerce.productViews.value
commerce.purchases.value	量度	commerce.purchases.value
web.webPageDetails.pageViews	量度	web.webPageDetails.pageViews
Transaction ID	维度	commerce.order.payments.transactionID
channel.mediaType	维度	channel.mediaType
channel.typeAtSource	维度	channel.typeAtSource
跟踪代码	维度	marketing.trackingCode
gaid	维度	_experienceplatform.identification.core.gaid
web.webPageDetails.name	维度	web.webPageDetails.name
事件类型	维度	eventType
供应商	维度	environment.browserDetails.vendor
标识符	维度	_id
时间戳	维度	timestamp
类型	维度	device.type
loyatyId	维度	_experienceplatform.identification.core.loytactId

然后，您将拥有：

接下来，您需要更改上述一些量度和维度的友好名称，以便在构建分析时轻松使用这些量度和维度。 为此，请选择量度或维度，并更新​名称​字段，如下图所示。

组件原始名称	显示名称
级别	忠诚度级别
点	会员积分
commerce.checkouts.value	结账
commerce.productListRemovals.value	购物车减货
commerce.productListAdds	购物车加货
commerce.productViews.value	产品查看次数
commerce.purchases.value	购买
web.webPageDetails.pageViews	Page Views
channel.mediaType	流量媒介
channel.typeAtSource	流量源
跟踪代码	营销渠道
gaid	Google AnalyticsID
名称	页面标题
供应商	浏览器
类型	Device Type
loyatyId	忠诚度ID

然后，您将获得如下内容：

接下来，您需要通过更改​归因设置，对其中某些组件的人员和会话上下文进行一些更改。

请更改以下组件的​归因设置:

组件
流量源
营销渠道
浏览器
流量媒介
设备类型
Google AnalyticsID
忠诚度ID
忠诚度级别
会员积分

要执行此操作，请选择组件，单击​使用自定义归因模型​并将​模型​设置为​最近联系，将​过期​设置为​人员（报表窗口）。 对上述所有组件重复此步骤。

在对上述所有组件的归因设置进行更改后，您应该看到以下视图：

数据视图现已配置完成。 单击​保存。

现在，您可以在Adobe Analytics Analysis Workspace中分析Google Analytics数据。 我们来做下一个练习。

16.5.3创建项目

在Customer Journey Analytics中，转到​Projects。

然后您将看到：

单击​新建项目​以创建项目。

您现在有一个空白项目：

首先，保存您的项目并为其命名。 您可以使用以下命令进行保存：

操作系统	短切
Windows	Control + S
Mac	命令+ S

您将看到此弹出窗口：

请使用此命名约定：

名称	描述
ldap - GA +忠诚度工作区	ldap - GA +忠诚度工作区

接下来，单击​保存项目。

接下来，确保在屏幕的右上角选择正确的数据视图。 这是您在上一个练习中创建的数据视图，其命名约定为ldap - GA + Loyalty Data View。 在此示例中，要选择的数据视图为ldap - GA + Loyalty Data View。

16.5.3.1自由格式表

自由格式表或多或少可以用作Excel中的数据透视表。 您从左侧栏中选取某个内容，并将其拖放到自由格式中，您将获得一个表格报表。

自由格式表几乎无限。 您几乎可以执行任何操作，与Google Analytics相比，这会带来如此巨大的价值（因为此工具存在一些分析限制）。 这是将Google Analytics数据加载到其他分析工具的原因之一。

请查看以下两个示例，其中需要使用SQL、BigQuery，以及一些时间来回答在Google AnalyticsUI或Google Data Studio中无法回答的简单问题：

• 从按营销渠道拆分的Safari浏览器到达结帐点的人数是多少？ 请参阅Safari浏览器正在过滤结账量度。 我们刚刚将变量Browser = Safari拖放到结帐列的顶部。

• 作为分析师，我可以看到社交营销渠道的转化率较低。 我使用“最近联系”归因作为默认属性，但“首次联系”呢？ 将鼠标悬停在任何量度上，即会显示量度设置。 我可以在此处选择所需的归因模型。 您可以在GA中（不在Data Studio中）将归因作为独立活动，但不能在同一表中拥有与归因分析无关的其他量度或维度。

让我们在CJA中回答这些问题，并阅读Analysis Workspace的更多内容。

首先，选择面板右侧的右侧日期范围（最近53周整）。

然后，单击​Apply​以应用日期范围。 请记住此步骤，以便进行下一个练习。

让我们拖放一些维度和量度来分析营销渠道。 首先使用维度​营销渠道，并将其拖放到​自由格式表​的画布上。 （如果“量度”菜单中没有立即看到量度，请单击​显示所有）

然后您将看到：

接下来，您需要将量度添加到自由格式表。 您应添加以下量度：人员、会话、产品查看、结账、购买、转化率（计算量度）。

在执行此操作之前，您需要创建计算量度​转化率。 为此，请单击“量度：”旁边的​+​图标。

作为计算量度的名称，请使用​转化率。 然后，将量度​purchase​和​Sessions​拖动到画布上。 将​Format​设置为​Percent​和​小数位​设置为​2。 最后，单击​Save。

接下来，要在​自由格式表​中使用所有这些量度，请将它们逐个拖放到​自由格式表​上。 请参阅以下示例。

你最终会得到一张这样的桌子：

如上所述，自由格式表​为您提供了执行深入分析所需的自由。 例如，您可以选取任何其他Dimension来划分表中的特定量度。

例如，转到维度并搜索并选择​Browser​变量。

然后，您将看到此Dimension的可用值概述。

选取Dimension Safari​并将其拖放到量度上，例如​结帐。 然后您将看到：

为此，您只是回答了一个潜在的问题：使用Safari进入结帐页面的人数（按营销渠道进行拆分）？

现在，让我们回答归因问题。

在表中找到​Purchase​量度。

将鼠标悬停在量度上，将显示​Settings​图标。 单击它。

将显示上下文菜单。 选中​非默认归因模型​的复选框。

在您将看到的弹出窗口中，您可以轻松更改归因模型和回顾窗口（使用SQL实现这一点相当复杂）。

选择​首次联系​作为归因模型。

为回顾窗口选择​人员。

现在，单击​Apply。

您现在可以看到，该特定量度的归因模型现在为“首次联系”。

您可以根据需要执行任意数量的划分，而不受变量、区段、维度或日期范围类型的限制。

更特别的是，能够从Adobe Experience Platform加入任何数据集，以扩充来自Google Analytics的数字行为数据。 例如，离线、呼叫中心、忠诚度或CRM数据。

要展示该功能，让我们配置第一个划分，将离线数据与在线数据结合在一起。 选取维度​忠诚度级别，并将其拖放到任意​营销渠道​上，例如​免费搜索:

接下来，让我们分析访问网站的客户使用的​设备类型​是使用​有机搜索​且忠诚度级别​为 Bronze 的​的免费搜索。 获取Dimension Device Type​并将其拖放到​Bronze​上。 然后您将看到：

您可以看到，对于首次划分，会使用忠诚度级别。 此维度来自与用于BigQuery连接器的数据集不同的数据集和不同的架构。 人员ID loyatyID(演示系统 — 用于BigQuery的事件架构（全局v1.1）)和​loyatyID(演示系统 — 忠诚度的配置文件架构（全局v1.1）)相互匹配。 因此，您可以将Google Analytics中的体验事件与忠诚度架构中的用户档案数据合并。

我们可以不断将行与区段或特定日期范围（可能反映特定的电视促销活动）进行拆分，以便向Customer Journey Analytics提出问题并在移动中获得答案。

使用SQL和第三方可视化工具实现相同的最终结果是相当困难的。 特别是当你问问题，试图迅速得到答案时。 Customer Journey Analytics没有这一难题，它允许数据分析人员灵活、实时地查询数据。

16.5.3.2漏斗或流失分析

漏斗图是了解客户历程中主要步骤的一种非常好的机制。 这些步骤也可以来自离线交互（例如，来自呼叫中心），然后您可以将这些步骤与同一漏斗中的数字接触点组合在一起。

Customer Journey Analytics允许您执行上述操作，以及执行更多其他操作。 如果您还记得模块13，我们可以在其中右键单击并执行以下操作：

• 分析用户在执行流失步骤后的进展
• 从漏斗的任意点创建区段
• 在折线图可视化图表的任意阶段查看趋势

让我们看看另一件事：与上个月相比，本月的客户历程漏斗如何？ 移动设备与桌面设备有何区别？

在下面，您将创建两个面板：

• 漏斗分析（1月）
• 漏斗分析（2月）

您将看到我们正在比较按设备类型拆分的不同时间段（1月和2月）的漏斗。

此类分析在Google AnalyticsUI中不可能，或者非常有限。 因此，CJA会再次为Google Analytics捕获的数据添加大量值。

创建您的第一个流失可视化图表。 请关闭当前面板以从新面板开始。

查看面板的右侧，然后单击箭头将其关闭。

接下来，单击​+​以创建新面板。

现在，选择​流失​可视化。

作为分析师，请想象一下，您希望了解主电子商务漏斗的最新动态：主页>内部搜索>产品详细信息>结帐>购买。

让我们首先向漏斗中添加一些新步骤。 为此，请打开​页面名称​维度。

然后，您将看到已访问的所有可用页面。

将​Home​拖放到第一步。

第二步，使用​存储搜索结果

现在，您需要添加一些电子商务操作。 在Dimension中，搜索Dimension 事件类型​维度。 单击以打开维度。

选择​Product_Detail_Views​并将其拖放到下一步中。

选择​Product_Checkouts​并将其拖放到下一步中。

调整流失可视化图表的大小。

流失可视化现已准备就绪。

要开始分析和记录分析，文本​可视化始终是一个好主意。 要添加​文本​可视化，请单击左侧菜单中的​图形​图标以查看所有可用的可视化。 然后，将​Text​可视化拖放到画布上。 调整大小并移动，使其与下图类似。

再次，调整其大小以适合功能板：

流失可视化图表还允许进行划分。 使用​设备类型​维度，方法是打开该维度，然后将一些值逐个拖放到可视化上：

您最终将获得一个更高级的可视化图表：

Customer Journey Analytics允许您执行上述操作，以及执行更多其他操作。 通过右键单击流失中的任意位置，您可以……

• 分析用户从流失步骤进入的位置
• 从漏斗的任意点创建区段
• 折线图可视化图表中的任何步骤的趋势
• 以可视方式将任何漏斗与不同时间段进行比较。

例如，在流失的任何步骤中右键单击，即可查看其中的一些分析选项。

16.5.3.3流量分析和可视化图表

如果要使用Google Analytics进行高级流量分析，则需要使用SQL来提取数据，然后使用第三方解决方案来获取可视化部分。 Customer Journey Analytics将对此有所帮助。

在此步骤中，您将配置流量分析以回答以下问题：特定登陆页面之前的主要贡献渠道包括哪些。 作为分析师，只需执行两次拖放操作和一次单击操作，您便可以通过最后两次接触营销渠道，了解用户流向登陆页面的流程。

Customer Journey Analytics可帮助您解答的其他问题：

• 特定登陆页面之前的渠道主要组合是什么？
• 当用户到达Product_Checkout时，什么原因会导致用户退出会话？ 前面的步骤是什么？

让我们再从一个空白面板开始回答这些问题。 关闭当前面板，然后单击​+。

现在，选择​流量​可视化。

现在，我们来设置一个多路径营销渠道流量分析。 将​营销渠道​维度拖放到​登入Dimension​区域。

现在，您可以看到第一个登入路径：

单击第一个路径可对其进行深入分析。

您现在可以看到下一个路径（营销渠道）。

我们再进行第三次深化。 单击新路径中的第一个选项​Referral。

现在，您应会看到如下可视化图表：

让事情复杂化吧。 假设您想要分析在经过两个营销路径之后登陆页面的内容？ 要实现此目的，您可以使用辅助维度更改最后一个路径。 找到​页面名称​维度，并按如下方式拖放该维度：

您现在将看到以下内容：

让我们再做一次流量分析。 此时，您将分析在特定退出点后发生的情况。 其他Analytics解决方案需要使用SQL/ETL，然后再次使用第三方可视化工具来实现相同的目的。

将新的​流量可视化图表​引入面板。

然后，您将拥有：

找到Dimension 事件类型，并将其拖放到​退出维度​区域。

现在，您可以看到哪些​事件类型​路径引导客户退出。

让我们调查在退出结帐操作之前发生的情况。 单击​Product_Checkouts​路径：

将显示新的操作路径，其中包含一些不直观的数据。

让我们进一步分析！ 搜索Dimension 页面名称，并将其拖放到新生成的路径中。

您现在可以在几分钟内完成高级流量分析。 您可以单击不同的路径，以查看它们从退出到前面步骤的连接方式。

您现在拥有一个功能强大的工具包，可分析漏斗并探索跨数字接触点以及离线接触点的客户行为路径。

不要忘记保存更改！

16.5.4共享项目

FYI — 您可以与同事共享此项目，以进行协作或共同分析业务问题。

下一步：摘要和优点

返回到模块16

返回到所有模块