Documentation Experience Platform Guide des connecteurs sources

Créer une connexion source et un flux de données pour diffuser des données LAVA à l’aide de l’interface utilisateur

Dernière mise à jour : 11 juin 2026

Rubriques :
Sources

Créé pour :

Developer

Suivez ce guide détaillé pour configurer votre propre connecteur source LAVA dans l’interface utilisateur d’Experience Platform.

IMPORTANT

Cette page de documentation a été créée par l’équipe LAVA. Pour toute question ou demande de mise à jour, contactez-les directement à l’adresse 🔗.

Prise en main

Ce tutoriel nécessite une compréhension du fonctionnement des composants suivants d’Adobe Experience Platform :

Experience Data Model (XDM) Système : Cadre normalisé selon lequel Experience Platform organise les données d’expérience client.
- Principes de base de la composition des schémas : découvrez les blocs de création de base des schémas XDM, y compris les principes clés et les bonnes pratiques en matière de composition de schémas.
- Tutoriel sur l’éditeur de schémas : découvrez comment créer des schémas personnalisés à l’aide de l’interface utilisateur de l’éditeur de schémas.
Real-Time Customer Profile : fournit un profil de consommateur unifié en temps réel, basé sur des données agrégées provenant de plusieurs sources.

TIP

Avant de commencer ce tutoriel, consultez la LAVA présentation du connecteur source pour vous assurer que vous remplissez toutes les conditions préalables.

Connecter votre compte LAVA

Dans l’interface utilisateur d’Experience Platform, sélectionnez Sources dans la barre de navigation de gauche pour accéder à l’espace de travail Sources. L’écran Catalogue affiche diverses sources avec lesquelles vous pouvez créer un compte.

Vous pouvez sélectionner la catégorie appropriée dans le catalogue sur le côté gauche de votre écran. Vous pouvez également trouver la source spécifique à utiliser à l’aide de l’option de recherche.

Dans la catégorie Streaming, sélectionnez LAVA, puis sélectionnez Ajouter des données.

Catalogue des sources Experience Platform

Sélectionner les données

L’étape Sélectionner les données s’affiche, fournissant une interface vous permettant de sélectionner les données que vous apportez à Platform.

La partie gauche de l’interface est un navigateur qui vous permet d’afficher les flux de données disponibles dans votre compte ;
La partie droite de l’interface vous permet de prévisualiser jusqu’à 100 lignes de données à partir d’un fichier JSON.

Sélectionnez Charger des fichiers pour charger un fichier JSON à partir de votre système local ou chargez l’exemple de fichier depuis la section Présentation correspondant au jeu de données que vous configurez. Vous pouvez également faire glisser et déposer le fichier JSON que vous souhaitez charger dans le panneau Glisser-déposer des fichiers.

Étape d’ajout de données du workflow des sources.

Une fois votre fichier chargé, l’interface de prévisualisation se met à jour pour afficher un aperçu du schéma que vous avez chargé. L’interface de prévisualisation vous permet d’examiner le contenu et la structure d’un fichier. Vous pouvez également utiliser l’utilitaire Champ de recherche pour accéder à des éléments spécifiques à partir de votre schéma.

Lorsque vous avez terminé, sélectionnez Suivant.

Étape de prévisualisation du workflow des sources.

Détails du flux de données

L’étape Détails du flux de données s’affiche, vous offrant des options pour utiliser un jeu de données existant ou établir un nouveau jeu de données pour votre flux de données, ainsi que la possibilité de fournir un nom et une description pour votre flux de données. Au cours de cette étape, vous pouvez également configurer les paramètres d’ingestion de profil, de diagnostics d’erreur, d’ingestion partielle et d’alertes.

Lorsque vous avez terminé, sélectionnez Suivant.

Étape du flux de données-détail du workflow des sources.

Mappage

L’étape Mappage s’affiche, vous fournissant une interface pour mapper les champs de votre schéma source à leurs champs XDM cibles appropriés dans le schéma cible.

Lors de l’utilisation du schéma fourni par LAVA, utilisez le mappage recommandé suivant :

Profils de membres

table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 layout-auto
Champ LAVA connecteur Source	Champ de schéma de profil LAVA
`lavaId`	`_tenant.lavaId`
`firstName`	`person.name.firstName`
`lastName`	`person.name.lastName`
`email`	`personalEmail.address`
`phone`	`mobilePhone.number`

Soldes des membres

table 0-row-2 1-row-2 2-row-2 layout-auto
Champ LAVA connecteur Source	Champ de schéma de profil LAVA
`lavaId`	`_tenant.lavaId`
`balances[]`	`_tenant.balances[]`

Événements combinés

table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 7-row-2 8-row-2 9-row-2 10-row-2 11-row-2 12-row-2 13-row-2 14-row-2 15-row-2 16-row-2 17-row-2 18-row-2 19-row-2 20-row-2 21-row-2 22-row-2 23-row-2 24-row-2 25-row-2 26-row-2 27-row-2 28-row-2 layout-auto
Champ LAVA connecteur Source	Champ de schéma d’événement LAVA
`to_map("LavaId",to_array(false,to_object("id",lavaId,"primary",true)))` de champ calculé	`identityMap`
`type`	`eventType`
`timestamp`	`timestamp`
`eventId`	`_tenant.ticketScan.eventId`
`eventName`	`_tenant.ticketScan.eventName`
`eventLabel`	`_tenant.ticketScan.eventLabel`
`venue`	`_tenant.ticketScan.venue`
`venueLabel`	`_tenant.ticketScan.venueLabel`
`section`	`_tenant.ticketScan.section`
`sectionLabel`	`_tenant.ticketScan.sectionLabel`
`row`	`_tenant.ticketScan.row`
`seat`	`_tenant.ticketScan.seat`
`gate`	`_tenant.ticketScan.gate`
`gateLabel`	`_tenant.ticketScan.gateLabel`
`transactionId`	`_tenant.transaction.transactionId`
`referenceId`	`_tenant.transaction.referenceId`
`subtotal`	`_tenant.transaction.subtotal`
`total`	`_tenant.transaction.total`
`location`	`_tenant.transaction.location`
`items[]`	`_tenant.transaction.items[]`
`redeemedAmount`	`_tenant.transaction.redeemedAmount`
`rewardsApplied[]`	`_tenant.transaction.rewardsApplied[]`
`amount`	`_tenant.ledger.amount`
`expiresAt`	`_tenant.ledger.expiresAt`
`rewardId`	`_tenant.ledger.rewardId`
`rewardName`	`_tenant.ledger.rewardName`
`rewardSlug`	`_tenant.ledger.rewardSlug`
`rewardType`	`_tenant.ledger.rewardType`

Événements d’analyse des tickets

table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 7-row-2 8-row-2 9-row-2 10-row-2 11-row-2 12-row-2 13-row-2 14-row-2 layout-auto
Champ LAVA connecteur Source	Champ de schéma d’événement LAVA
`to_map("LavaId",to_array(false,to_object("id",lavaId,"primary",true)))` de champ calculé	`identityMap`
`eventId`	`_tenant.ticketScan.eventId`
`eventName`	`_tenant.ticketScan.eventName`
`eventLabel`	`_tenant.ticketScan.eventLabel`
`venue`	`_tenant.ticketScan.venue`
`venueLabel`	`_tenant.ticketScan.venueLabel`
`section`	`_tenant.ticketScan.section`
`sectionLabel`	`_tenant.ticketScan.sectionLabel`
`row`	`_tenant.ticketScan.row`
`seat`	`_tenant.ticketScan.seat`
`gate`	`_tenant.ticketScan.gate`
`gateLabel`	`_tenant.ticketScan.gateLabel`
`type`	`eventType`
`timestamp`	`timestamp`

Événements de transaction

table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 7-row-2 8-row-2 9-row-2 10-row-2 11-row-2 layout-auto
Champ LAVA connecteur Source	Champ de schéma d’événement LAVA
`to_map("LavaId",to_array(false,to_object("id",lavaId,"primary",true)))` de champ calculé	`identityMap`
`transactionId`	`_tenant.transaction.transactionId`
`referenceId`	`_tenant.transaction.referenceId`
`subtotal`	`_tenant.transaction.subtotal`
`total`	`_tenant.transaction.total`
`location`	`_tenant.transaction.location`
`items[]`	`_tenant.transaction.items[]`
`redeemedAmount`	`_tenant.transaction.redeemedAmount`
`rewardsApplied[]`	`_tenant.transaction.rewardsApplied[]`
`type`	`eventType`
`timestamp`	`timestamp`

Événements comptables

table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 7-row-2 8-row-2 9-row-2 layout-auto
Champ LAVA connecteur Source	Champ de schéma d’événement LAVA
`to_map("LavaId",to_array(false,to_object("id",lavaId,"primary",true)))` de champ calculé	`identityMap`
`amount`	`_tenant.ledger.amount`
`expiresAt`	`_tenant.ledger.expiresAt`
`rewardId`	`_tenant.ledger.rewardId`
`rewardName`	`_tenant.ledger.rewardName`
`rewardSlug`	`_tenant.ledger.rewardSlug`
`rewardType`	`_tenant.ledger.rewardType`
`type`	`eventType`
`timestamp`	`timestamp`

Vous pouvez également ajuster manuellement les règles de mappage en fonction de vos cas d’utilisation. Selon vos besoins, vous pouvez choisir de mapper directement des champs ou d’utiliser des fonctions de préparation de données pour transformer les données sources afin d’obtenir des valeurs informatisées ou calculées. Pour obtenir des instructions complètes sur l’utilisation de l’interface du mappeur et des champs calculés, consultez le Guide de l’interface utilisateur de la préparation des données .

Une fois vos données source mappées, sélectionnez Suivant.

Étape de mappage du workflow des sources.

Réviser

L’écran de Révision s’affiche, vous permettant dʼexaminer votre nouveau flux de données avant sa création. Les détails sont regroupés dans les catégories suivantes :

Connexion : affiche le type de source, le chemin d’accès correspondant au fichier source choisi et le nombre de colonnes au sein de ce fichier source.
Attribuer des champs de jeu de données et de mappage : affiche le jeu de données dans lequel les données sources sont ingérées, y compris le schéma auquel le jeu de données se conforme.

Une fois que vous avez vérifié votre flux de données, sélectionnez Terminer et patientez quelques instants le temps que le flux de données soit créé.

Étape de révision du workflow des sources.

Obtention de l’URL du point d’entrée de diffusion en continu et de l’identifiant du flux de données

Une fois votre flux de données en continu créé, vous pouvez récupérer l’URL du point d’entrée en continu et l’identifiant du flux de données. Ils seront utilisés pour configurer LAVA, ce qui permettra à votre source de diffusion en continu de communiquer avec Experience Platform.

Pour récupérer votre point d’entrée de flux continu, accédez à la page Activité du flux de données du flux de données que vous venez de créer, puis copiez le point d’entrée au bas du panneau Propriétés.

Point d’entrée de flux continu dans l’activité de flux de données.

Intégration de LAVA à votre webhook

Dans la console LAVA, accédez à Resources > Data Export.

Menu Exportation des données

Sélectionnez Create New Export, puis choisissez Adobe Source Connector comme type de destination. Sélectionnez ensuite les données source à envoyer et saisissez l’URL du point d’entrée de diffusion en continu avec l’identifiant du flux de données.

Créer une exportation

recommendation-more-help

experience-platform-help-sources