Documentation Experience Platform Tutoriel technique One Adobe

1.2.4 Chargement de données BigQuery dans Adobe Experience Platform

Last update: Tue Feb 18 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Objectifs

Mappage des données BigQuery à un schéma XDM
Chargement des données BigQuery dans Adobe Experience Platform
Familiarisez-vous avec l’interface utilisateur du connecteur Source BigQuery

Avant de commencer

Après l’exercice précédent, vous devriez voir cette page s’ouvrir dans Adobe Experience Platform :

demo

Si vous l’avez ouvert, passez à l’exercice suivant.

Si vous ne l’avez pas ouvert, accédez à Adobe Experience Platform.

Dans le menu de gauche, accédez à Sources. Vous verrez ensuite la page d’accueil Sources. Dans le menu Sources, accédez au connecteur source Google BigQuery et cliquez sur Configurer.

demo

L’écran de sélection Compte BigQuery Google s’affiche alors. Sélectionnez votre compte et cliquez sur Suivant.

demo

L’écran Sélectionner les données s’affiche alors.

demo

Sélection 1.2.4.1 tableau BigQuery

Dans l’écran Sélectionner des données, sélectionnez votre jeu de données BigQuery. Vous pouvez désormais afficher un aperçu des données d’exemple du Google Analytics dans BigQuery.

Cliquez sur Suivant.

demo

Mappage XDM 1.2.4.2

Vous verrez maintenant ceci :

demo

Vous devez maintenant créer un jeu de données ou sélectionner un jeu de données existant dans lequel charger les données Google Analytics. Pour cet exercice, un jeu de données et un schéma ont déjà été créés. Vous n’avez pas besoin de créer un schéma ou un jeu de données.

Sélectionnez Jeu de données existant. Ouvrez le menu déroulant pour sélectionner un jeu de données. Recherchez le jeu de données nommé Demo System - Event Dataset for BigQuery (Global v1.1) et sélectionnez-le. Cliquez sur Suivant.

demo

Faites défiler vers le bas. Vous devez désormais mapper chaque champ Source de Google Analytics/BigQuery à un XDM champ cible, champ par champ. Il se peut que vous rencontriez un certain nombre d’erreurs, qui seront corrigées par l’exercice de mappage ci-dessous.

demo

Utilisez le tableau de mappage ci-dessous pour cet exercice.

Champ source

Champ cible

_id

canal._id

timeStamp

date et heure

GA_ID

--aepTenantId--.identification.core.gaid

customerID

--aepTenantId--. identification.core.crmId

Page

web.webPageDetails.name

Device

device.type

Browser

environment.browserDetails.vendor

MarketingChannel

marketing.trackingCode

TrafficSource

channel.typeAtSource

TrafficMedium

channel.mediaType

TransactionID

commerce.order.payments.transactionID

Ecommerce_Action_Type

eventType

Pageviews

web.webPageDetails.pageViews.value

Pour certains champs, vous devez supprimer le mappage d’origine et en créer un nouveau, par exemple un champ calculé.

Champ Calculé

Champ cible

iif(Unique_Purchases == null, 0, Unique_Purchases)

commerce.purchases.value

iif(Product_Detail_Views == null, 0, Product_Detail_Views)

commerce.productViews.value

iif(Adds_To_Cart == null, 0, Adds_To_Cart)

commerce.productListAdds.value

iif(Product_Removes_From_Cart == null, 0, Product_Removes_From_Cart), 1, 0)

commerce.productListRemovals.value

iif(Product_Checkouts == null, 0, Product_Checkouts)

commerce.checkouts.value

Pour créer un Champ calculé, cliquez sur + Nouveau type de champ puis sur Champ calculé.

demo

Collez la règle ci-dessus et cliquez sur Enregistrer pour chacun des champs du tableau ci-dessus.

demo

Vous disposez désormais d’un Mapping comme celui-ci.

Les champs sources GA_ID et customerID sont mappés à un identifiant dans ce schéma XDM. Vous pouvez ainsi enrichir les données de Google Analytics (données de comportement web/d’application) avec d’autres jeux de données tels que les données de fidélité ou de centre d’appels.

Cliquez sur Suivant.

demo

1.2.4.3 la connexion et la planification de l’ingestion des données

L’onglet Planification s’affiche maintenant :

Dans l’onglet Planification, vous pouvez définir une fréquence pour le processus d’ingestion des données pour ce Mappage et ces données.

Comme vous utilisez des données de démonstration dans Google BigQuery qui ne seront pas actualisées, il n’est pas vraiment nécessaire de définir un planning dans cet exercice. Vous devez sélectionner quelque chose. Pour éviter de trop nombreux processus d’ingestion de données inutiles, vous devez définir la fréquence comme suit :

Fréquence : Semaine
Intervalle : 200
Heure de début : à tout moment dans l’heure suivante

Important : assurez-vous d’activer le commutateur Renvoi.

Enfin, vous devez définir un champ delta.

Le champ delta est utilisé pour planifier la connexion et charger uniquement les nouvelles lignes qui entrent dans votre jeu de données BigQuery. Un champ delta est généralement toujours une colonne d’horodatage. Ainsi, pour les futures ingestions de données planifiées, seules les lignes dotées d’un nouvel horodatage plus récent seront ingérées.

Sélectionnez timeStamp comme champ delta.
Cliquez sur Suivant.

demo

1.2.4.4 Vérifier et lancer la connexion

Un aperçu détaillé de votre connexion s’affiche maintenant. Assurez-vous que tout est correct avant de continuer, car certains paramètres ne peuvent plus être modifiés par la suite, comme par exemple le mappage XDM.

Cliquez sur Terminer.

demo

Une fois la connexion créée, voici ce que vous verrez :

demo

Vous êtes maintenant prêt à passer au prochain exercice, dans lequel vous utiliserez Customer Journey Analytics pour créer des visualisations puissantes en plus des données de Google Analytics.

Étapes suivantes

Accédez à 1.2.5 Analyse des données Google Analytics à l’aide de Customer Journey Analytics

Revenez à Ingérer et analyser des données Google Analytics dans Adobe Experience Platform avec le connecteur Source BigQuery

Revenir à Tous les modules

recommendation-more-help

4bbf020c-24db-4a43-b239-88fab142f02d