Perspectivas de Analytics para interacciones web y móviles
Adobe Experience Platform le permite introducir datos de grupos de informes de Adobe Analytics mediante campos del Modelo de datos de experiencia (XDM) para rellenar conjuntos de datos. Estos datos de análisis se modifican para ajustarse a la XDM ExperienceEvent clase. El servicio de consultas puede utilizar estos datos ejecutando consultas SQL para generar perspectivas valiosas a partir del comportamiento de un usuario sobre las plataformas digitales.
Este documento proporciona una variedad de consultas SQL de ejemplo que muestran casos de uso comunes al crear perspectivas a partir de datos de Analytics web y móviles.
Consulte la Documentación de asignaciones de campos de Analytics para obtener más información sobre la ingesta y asignación de datos de análisis.
Primeros pasos
Para cada uno de los siguientes casos de uso, se proporciona un ejemplo de consulta SQL parametrizado como plantilla para que la personalice. Proporcione parámetros dondequiera que vea { } en los ejemplos SQL para el conjunto de datos, el eVar, el evento o el lapso de tiempo que le interese evaluar.
Objetivos
Los siguientes ejemplos muestran consultas SQL para casos de uso comunes para analizar los datos de Adobe Analytics.
Generar el recuento de visitantes por cada hora en un día determinado
SELECT Substring(from_utc_timestamp(timestamp, 'America/New_York'), 1, 10) AS Day,
Substring(from_utc_timestamp(timestamp, 'America/New_York'), 12, 2) AS Hour,
Count(DISTINCT enduserids._experience.aaid.id) AS Visitor_Count
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY Day, Hour
ORDER BY Hour;
Identificación de las 10 páginas más vistas de un día determinado
SELECT web.webpagedetails.name AS Page_Name,
Sum(web.webpagedetails.pageviews.value) AS Page_Views
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY web.webpagedetails.name
ORDER BY page_views DESC
LIMIT 10;
Identificación de los 10 usuarios más activos
SELECT enduserids._experience.aaid.id AS aaid,
Count(timestamp) AS Count
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY enduserids._experience.aaid.id
ORDER BY Count DESC
LIMIT 10;
Identificar las 10 ciudades más deseadas en función de la actividad del usuario
SELECT concat(placeContext.geo.stateProvince, ' - ', placeContext.geo.city) AS state_city,
Count(timestamp) AS Count
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY state_city
ORDER BY Count DESC
LIMIT 10;
Identificación de los 10 productos más vistos
SELECT Product_SKU,
Sum(Product_Views) AS Total_Product_Views
FROM (SELECT Explode(productlistitems.sku) AS Product_SKU,
commerce.productviews.value AS Product_Views
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
AND commerce.productviews.value IS NOT NULL)
GROUP BY Product_SKU
ORDER BY Total_Product_Views DESC
LIMIT 10;
Identificar los 10 ingresos de pedidos más altos
SELECT Purchase_ID,
Round(Sum(Product_Items.priceTotal * Product_Items.quantity), 2) AS Total_Order_Revenue
FROM (SELECT commerce.`order`.purchaseid AS Purchase_ID,
Explode(productlistitems) AS Product_Items
FROM {TARGET_TABLE}
WHERE commerce.`order`.purchaseid IS NOT NULL
AND TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY Purchase_ID
ORDER BY total_order_revenue DESC
LIMIT 10;