Valider le groupement
L’objectif du groupement d’identités (ou simplement du groupement) est d’améliorer l’adéquation d’un jeu de données d’événement pour l’analyse cross-canal. Cette élévation est atteinte lorsque toutes les lignes de données du jeu de données contiennent l’ordre d’identité le plus élevé souhaité disponible. Cette élévation permet d’effectuer les opérations suivantes :
- Créez des rapports centrés sur la personne, sans exclure les personnes anonymes.
- Connectez plusieurs appareils à une seule personne.
- Connecter une personne sur plusieurs canaux.
Cet article décrit des méthodes d’analyse pour mesurer l’élévation sur un ou plusieurs jeux de données assemblés nouvellement créés et pour garantir que l’assemblage offre ces avantages.
Les méthodes d’analyse impliquent des paramètres des composants de vue de données qui sont généralement accessibles aux administrateurs. Les méthodes nécessitent également que les analystes, qui travaillent dans un projet Analysis Workspace, créent des mesures calculées et des visualisations.
Bien que ces méthodes d’analyse puissent être utilisées pour le groupement basé sur les champs et le groupement basé sur les graphiques, certains éléments peuvent ne pas être présents dans le jeu de données, en particulier dans un scénario de groupement basé sur les graphiques. Ces éléments manquants peuvent rendre difficile le calcul de l’effet élévateur directement dans Analysis Workspace.
Conditions préalables relatives aux vues de données
Pour le plan de mesure de validation de l’assemblage, vous devez vous assurer que toutes les dimensions et mesures requises de votre jeu de données assemblé sont définies dans une vue de données. Vous devez vérifier que les champs stitchedID.id et stitchedId.namespace.code sont ajoutés en tant que dimensions. Bien que le jeu de données assemblé soit une copie exacte du jeu de données d’origine, le processus d’assemblage ajoute ces deux nouvelles colonnes au jeu de données :
-
Utilisez
stitchedID.namespace.codepour définir une dimension Espace de noms groupé. Cette dimension contient l’espace de noms de l’identité à laquelle la ligne a été élevée, par exempleEmail,Phone. Ou l’espace de noms vers lequel le processus de groupement revient, tel queECID.
-
Utilisez
stitchedID.idpour définir une dimension valeur d’ID groupé. Cette dimension contient la valeur brute de l’identité. Par exemple : e-mail haché, téléphone haché, ECID. Cette valeur est utilisée avec Espace de noms groupé.
En outre, vous devez ajouter deux mesures d’assemblage basées sur la présence de valeurs dans une dimension.
-
Utilisez le champ contenant l’ID de personne du jeu de données groupé pour configurer une mesure qui définit si un ID de personne est défini. Ajoutez cet ID de personne même si vous utilisez un groupement basé sur des graphiques, car l’ID de personne permet d’établir une ligne de base. Si l’ID de personne n’est pas contenu dans le jeu de données, votre ligne de base est de 0 %.
Dans l’exemple ci-dessous,
personalEmail.addresssert d’identité et est utilisé pour créer la mesure _Email set .
-
Utilisez
stitchedID.namespae.codechamp pour créer une dimension Espace de noms d’e-mail assemblé. Veillez à spécifier les paramètres du composant Inclure/Exclure les valeurs afin de ne prendre en compte que les valeurs de l’espace de noms vers lequel vous essayez d’élever des lignes de données.- Sélectionnez Définir les valeurs d’inclusion/exclusion.
- Sélectionnez Si tous les critères sont remplis comme Correspondance.
- Spécifiez Est égal
emailcomme Critère pour sélectionner les événements qui ont été élevés dans l’espace de noms E-mail.
Dimensions assemblées
Une fois ces deux dimensions ajoutées à la vue de données, utilisez tableaux à structure libre dans Analysis Workspace pour vérifier les données de chaque dimension.
Dans le tableau Dimension d’espace de noms groupé, vous voyez généralement deux lignes pour chaque jeu de données. Une ligne qui représente le moment où le processus de groupement a dû utiliser la méthode de secours (ECID). L’autre ligne affiche les événements associés à l’espace de noms d’identité souhaité (e-mail).
Pour le tableau dimension d’ID groupé, vous voyez les valeurs brutes qui proviennent des événements. Dans ce tableau, vous constatez que les valeurs oscillent entre l’ID persistant et l’ID de personne souhaité.
Rapports centrés sur l’appareil ou sur la personne
Lorsque vous créez une connexion, vous devez définir le champ ou l’identité utilisé pour l’ID de personne. Par exemple, sur un jeu de données web, si vous choisissez un identifiant d’appareil en tant qu’identifiant de personne, vous créez des rapports centrés sur l’appareil et vous perdez la possibilité de joindre ces données à d’autres canaux hors ligne. Si vous sélectionnez un champ ou une identité cross-canal, par exemple un e-mail, vous perdez tous les événements non authentifiés. Pour comprendre cet impact, vous devez déterminer quelle partie du trafic n’est pas authentifiée et quelle partie du trafic est authentifiée.
-
Créez une mesure calculée Événements non authentifiés sur le total. Définissez la règle dans le créateur de règles comme suit :
-
Créez une mesure calculée Taux d’authentification des e-mails basée sur la mesure _Email définie que vous avez définie précédemment. Définissez la règle dans le créateur de règles comme suit :
-
Utilisez la mesure calculée Événements non authentifiés sur le total ainsi que la mesure calculée Taux d’authentification des e-mails pour créer une visualisation en anneau. La visualisation affiche le nombre d’événements du jeu de données qui ne sont pas authentifiés et qui sont authentifiés.
Taux d’identification de l’assemblage
Vous souhaitez mesurer les performances d’identification avant et après le groupement. Pour ce faire, créez trois mesures calculées supplémentaires :
-
Une mesure calculée Taux d’authentification groupée qui calcule le nombre d’événements pour lesquels l’espace de noms groupé est défini sur l’identité souhaitée par rapport au nombre total d’événements. Lorsque vous avez configuré la vue de données, vous avez créé une mesure Espace de noms d’e-mail assemblé qui incluait un filtre pour comptabiliser uniquement lorsqu’un événement a un espace de noms défini sur e-mail. La mesure calculée utilise cette mesure Espace de noms d’e-mail assemblé pour fournir une indication du pourcentage des données qui possède l’identité souhaitée.
-
Une mesure calculée Augmentation en pourcentage qui calcule la variation en pourcentage brute entre le taux d’identification actuel et le taux assemblé.
-
Mesure calculée Effet élévateur qui calcule l’effet élévateur entre le taux d’identification actuel et le taux d’identification assemblé.
Conclusion
Si vous combinez toutes les données dans un tableau à structure libre Analysis Workspace, vous pouvez commencer à voir l’impact et la valeur de l’assemblage, notamment :
- Taux d’authentification actuel : base du nombre d’événements qui avaient déjà le bon ID de personne sur le nombre total d’événements.
- Taux d’authentification groupée : nouveau nombre d’événements disposant de l’ID de personne correct par rapport au nombre total d’événements.
- Augmentation en pourcentage : augmentation en pourcentage brut par rapport au taux d’authentification groupé, moins le taux d’authentification actuel de base.
- Effet élévateur : pourcentage de modification par rapport au taux d’authentification actuel de base.
L’essentiel à retenir de cet article est que ce type de validation et d’analyse de groupement vous aide à :
- Fournissez une vue personnalisée complète de l’efficacité de l’authentification en comparant les taux actuels par rapport aux taux groupés.
- Activez la mesure claire de l’amélioration par le biais d’augmentations en pourcentage et de mesures d’effet élévateur.
- Aidez à identifier l’impact réel de l’implémentation du groupement sur l’authentification des utilisateurs.
- Créez un moyen normalisé de communiquer les performances d’authentification entre les équipes.
- Autorisez les décisions basées sur les données concernant la stratégie d’authentification et l’optimisation.
Ces mesures donnent aux parties prenantes une vue d’ensemble complète de la manière dont l’assemblage de Customer Journey Analytics affecte les taux de succès de l’authentification et les performances globales d’identification des personnes.