Questions fréquentes
Vous pouvez utiliser une visualisation de flux avec la dimension Type d’appareil mobile.
- Connectez-vous à Adobe Analytics et créez un projet Workspace vide.
- Cliquez sur l’onglet Visualisations sur la gauche, puis faites glisser une visualisation de flux vers la zone de travail sur la droite.
- Cliquez sur l’onglet Composants sur la gauche, puis faites glisser la dimension « Type d’appareil mobile » vers l’emplacement central intitulé « Dimension ou élément ».
- Ce rapport de flux est interactif. Cliquez sur l’une des valeurs pour étendre les flux aux pages suivantes ou précédentes. Utilisez le menu contextuel pour développer ou réduire des colonnes. Il est également possible d’utiliser différentes dimensions dans le même rapport de flux.
Lʼassemblage entre appareils des analyses entre appareils (CDA) se produit dans deux processus simultanés.
-
Le premier processus, nommé « assemblage dynamique », se produit quand les données arrivent en flux continu dans Adobe Analytics. Pendant lʼassemblage dynamique, les CDA sʼefforcent de retraiter les données au niveau de la personne. Cependant, si la personne est inconnue lors de lʼassemblage dynamique, les CDA reviennent à lʼidentifiant visiteur pour représenter la personne.
-
Le second processus est nommé « relecture ». Au cours de la relecture, les CDA remontent dans le temps et retraitent les données historiques, si possible, au cours dʼun intervalle de recherche en amont spécifié. Cet intervalle de recherche en amont est soit de 1 jour, soit de 7 jours, selon la configuration choisie pour les CDA. Au cours de la relecture, les CDA tentent de retraiter les accès où la personne était précédemment inconnue.
-
Si vous utilisez un graphique de l’appareil, Adobe conserve les mappages du graphique de l’appareil pendant environ 6 mois. Un ECID sans activité depuis plus de six mois est supprimé du graphique. Les données déjà recoupées dans CDA ne sont pas affectées, mais les accès ultérieurs pour cet ECID sont considérés comme une nouvelle personne.
L’utilisation d’un identifiant visiteur personnalisé est une méthode héritée qui permet de connecter des utilisateurs sur plusieurs appareils. Avec un identifiant visiteur personnalisé, vous utilisez la variable visitorID
pour définir explicitement l’identifiant utilisé pour la logique du visiteur. La variable visitorID
remplace les éventuels identifiants basés sur les cookies en présence.
Les identifiants visiteur personnalisés ont plusieurs effets secondaires indésirables que les Analyses entre appareils surmontent ou minimisent. Par exemple, la méthodologie d’identifiant visiteur personnalisé ne comporte aucune fonctionnalité de relecture. Si un utilisateur s’authentifie au milieu d’une visite, la première partie de la visite s’associe à un autre identifiant visiteur que celui de la seconde partie de la visite. Les identifiants visiteur séparés génèrent un gonflement des visites et des visiteurs. Les analyses entre appareils indiquent à nouveau les données historiques de sorte que les accès non authentifiés appartiennent à la bonne personne.
visitorID
est toujours utilisée dans la suite de rapports source. Cependant, les analyses entre appareils ignorent la variable visitorID
dans la suite de rapports virtuelle si un utilisateur s’authentifie.Dans certains cas, il est possible que plusieurs personnes se connectent à partir du même appareil. Par exemple, un appareil partagé à la maison, des ordinateurs partagés dans une bibliothèque ou un kiosque dans un magasin de vente au détail.
- Si vous utilisez un graphique d’appareil, votre capacité à gérer les appareils partagés est limitée. Le graphique d’appareil utilise un algorithme pour déterminer la propriété d’une « grappe » et peut changer chaque fois que cette grappe est publiée. Les utilisateurs de l’appareil partagé dépendent de la grappe à laquelle ils appartiennent.
- Si vous utilisez le groupement basé sur les champs, la prop ou l’eVar que vous choisissez pour identifier les utilisateurs connectés remplace d’autres identifiants. Les appareils partagés sont considérés comme des personnes distinctes, même s’ils proviennent du même appareil.
Dans certains cas, un utilisateur individuel peut s’associer à un grand nombre d’ECID. Cela peut se produire s’il utilise un grand nombre de navigateurs ou d’applications et peut être exacerbé s’il lui arrive régulièrement de supprimer les cookies ou d’utiliser le mode de navigation privé ou incognito du navigateur.
- Si vous utilisez un graphique d’appareil, les analyses entre appareils limitent à 50 le nombre d’ECID liés à un identifiant utilisateur donné. Si un identifiant utilisateur est associé à un trop grand nombre d’ECID, le graphique d’appareil suppose que l’identifiant utilisateur n’est pas valide et supprime la grappe qui lui est associée. L’identifiant utilisateur est ensuite ajouté à une liste bloquée afin d’éviter qu’il ne soit ajouté à d’autres grappes à l’avenir. Par conséquent, l’identifiant utilisateur n’est pas regroupé sur plusieurs appareils.
- Si vous utilisez le groupement basé sur les champs, le nombre d’appareils est sans importance par rapport à la prop/l’eVar que vous choisissez pour identifier les utilisateurs connectés. Un utilisateur unique peut appartenir à un nombre indéfini d’appareils sans que cela ait d’incidence sur la capacité de groupement sur plusieurs appareils des analyses entre appareils.
Ces deux mesures sont à peu près équivalentes. Des différences entre les 2 mesures se produisent lorsque :
- Un appareil partagé est mappé à plusieurs personnes. Dans ce scénario, un visiteur unique et plusieurs appareils uniques sont comptabilisés.
- Un appareil reçoit du trafic groupé et non groupé provenant du même visiteur. Par exemple, un navigateur génère du trafic groupé identifié + du trafic anonyme historique qui n’a pas été groupé. Dans ce cas, 1 visiteur unique est comptabilisé, tandis que 2 appareils uniques sont comptabilisés.
Voir la rubrique Appareils uniques pour plus d’exemples et de détails sur son fonctionnement.
Oui. Analysis Workspace utilise l’API 2.0 pour demander des données aux serveurs Adobe et vous pouvez afficher les appels d’API qu’Adobe utilise pour créer vos propres rapports :
- Lors de la connexion à Analysis Workspace, accédez à Aide > Activer le débogueur.
- Cliquez sur l’icône de débogage dans le panneau de votre choix, puis sélectionnez la visualisation souhaitée et l’heure de la requête.
- Recherchez la demande JSON, que vous pouvez utiliser dans votre appel d’API à Adobe.
- Si vous utilisez un graphique d’appareil, un identifiant personnalisé basé sur la grappe est l’identifiant principal.
- Si vous utilisez le groupement basé sur les champs, un identifiant personnalisé basé sur la prop/l’eVar que vous choisissez est l’identifiant principal.
Ces deux identifiants sont calculés par Adobe au moment de l’exécution du rapport, également appelé Traitement de la période de rapport. La nature du traitement de la période de rapport signifie qu’il n’est pas compatible avec Data Warehouse, les flux de données ou d’autres fonctionnalités d’exportation des offres Adobe.
L’avantage de l’intervalle de recherche en amont de la relecture de sept jours est que les analyses entre appareils peuvent revenir plus loin dans le temps pour essayer d’associer des événements qui étaient alors anonymes à une personne qui s’est connectée plus tard au cours de ces sept jours. Les inconvénients de l’intervalle de recherche en amont de sept jours sont les suivants : 1) la relecture ne s’exécute qu’une fois par semaine et 2) les sept derniers jours peuvent faire l’objet de modifications.
Les avantages à utiliser l’intervalle de recherche en amont de la relecture en un jour sont les suivants : 1) la relecture s’exécute tous les jours et 2) seulement le jour d’avant peut faire l’objet de modifications. L’inconvénient de l’intervalle de recherche en amont d’un jour est que les analyses entre appareils ne peuvent revenir qu’un jour en arrière pour essayer d’associer des événements qui étaient alors anonymes à une personne qui s’est connectée hier.
Le nombre de la mesure « Personnes identifiées » peut être légèrement plus élevé si la valeur de l’identifiant prop/eVar s’exécute dans une collision de hachage.
Pour le groupement basé sur les champs, la variable personnalisée de lʼidentifiant est sensible à la casse. La valeur de la mesure « Personnes identifiées » peut être considérablement plus élevée si les valeurs des identifiants ne correspondent pas à la casse. Par exemple, si bob
et Bob
sont envoyés par une seule et même personne, l’Analyse entre appareils interprète ces deux valeurs comme distinctes.