Confrontare i feed di dati in Customer Journey Analytics e Adobe Analytics
I feed di dati sia in Customer Journey Analytics che in Adobe Analytics consentono di esportare dati non elaborati in piattaforme di terze parti.
Se in precedenza hai utilizzato feed di dati in Adobe Analytics, utilizza le seguenti informazioni per comprendere le differenze nelle funzioni e nei concetti disponibili.
Per un confronto tra i feed di dati e altri metodi di esportazione di Customer Journey Analytics, ad esempio Esportazione tabella completa, vedere Confronto tra i prodotti Analytics.
Funzioni disponibili solo nei feed dati di Customer Journey Analytics
Le seguenti funzionalità sono disponibili nei feed dati di Customer Journey Analytics, ma non nei feed dati di Adobe Analytics:
-
Campi derivati: componenti personalizzati creati da trasformazioni basate su regole che possono essere inclusi nello schema del feed dati.
-
Impostazioni dei componenti: le impostazioni dei componenti della visualizzazione dati, come la persistenza, la deduplicazione delle metriche e il bucket dei valori, possono trasformare il valore di un componente direttamente nell’output del feed dati, senza richiedere SQL.
-
Unione: risoluzione identità tra dispositivi che collega gli eventi tra dispositivi a una singola persona.
-
Modello dati strutturato: i feed vengono generati e consegnati utilizzando dati strutturati anziché stringhe semplici come post_product_list. Riflette la struttura esistente dallo schema XDM e dalla visualizzazione dati.
-
Output Parquet: i file vengono consegnati in formato Parquet, che supporta in modo nativo dati nidificati e strutturati complessi. Ciò significa che è più facile accedere ai dati in un database utilizzando le procedure standard del settore.
-
Segmentazione: i segmenti applicati alla visualizzazione dati vengono ereditati automaticamente e altri segmenti possono essere applicati direttamente al feed.
-
Percorsi di partizione in stile hive: i file di output utilizzano percorsi in stile hive per eseguire query efficienti negli ambienti del data lake.
-
Gli aggiornamenti dei componenti vengono applicati retroattivamente: le modifiche ai componenti nella visualizzazione dati vengono riportate storicamente nei backfill.
-
Ricerche: le classificazioni non sono incluse nei feed dati di Adobe Analytics. In Customer Journey Analytics, tutte le ricerche sono incorporate direttamente nei dati.
-
Interfaccia familiare agli utenti di Analysis Workspace: i componenti provengono direttamente dalla visualizzazione dati e sono disponibili anche in Analysis Workspace. Puoi selezionare dimensioni e metriche utilizzando la stessa barra dei componenti di Analysis Workspace, anziché un elenco statico di nomi di variabili.
-
Altri modelli di persistenza disponibili: esistono cinque diversi modelli di persistenza che possono essere utilizzati nei feed di dati di Customer Journey Analytics.
La tabella Confronto funzionalità seguente descrive in dettaglio ciascuna di queste funzionalità, insieme alle differenze nelle funzionalità esistenti in entrambi i prodotti.
Confronto delle funzionalità
La tabella seguente confronta i concetti chiave e le opzioni di configurazione nei feed dati di Customer Journey Analytics e nei feed dati di Adobe Analytics.
Tipo di dati che è possibile raccogliere e includere nei feed di dati.
I dati vengono elaborati in fasi diverse, a seconda del prodotto in uso.
Risoluzione delle identità cross-device e cross-channel che collega gli eventi a una singola persona.
Determina la frequenza con cui il feed di dati viene inviato e la finestra di tempo inclusa nel feed.
Giornaliero (dalla mezzanotte alla mezzanotte nel fuso orario della suite di rapporti) o Orario.
I feed di 15 minuti sono possibili ma non disponibili per impostazione predefinita.
Risultati con arrivo in ritardo
I cui timestamp appartengono a una finestra di frequenza di consegna precedente, ma arrivano dopo che tale finestra è già trascorsa.
Ad esempio, gli hit in arrivo tardivo potrebbero provenire da un’app mobile che memorizza in buffer gli eventi mentre è offline e li invia quando si riconnette.
Gli hit in arrivo possono essere inclusi o esclusi tramite l’opzione di configurazione Hit in arrivo ritardato.
L’impostazione dell’Intervallo di lookback controlla la distanza che il sistema raggiunge per includere i dati ritardati.
I cui timestamp non corrispondono all’ordine in cui sono stati ricevuti.
Poiché Customer Journey Analytics accetta sia dati in streaming che in batch, non c’è garanzia che gli eventi per una determinata persona arrivino in ordine di marca temporale. Anche se Customer Journey Analytics riordina per marca temporale per persona, può esportare solo i dati arrivati. Ciò significa che gli hit in arrivo tardivo potrebbero essere esportati dopo gli hit con una marca temporale successiva.
L’impostazione Ritardo elaborazione consente di ridurre gli eventi fuori servizio nell’output del feed dati, dando più tempo per l’arrivo dei dati batch prima dell’esportazione. L’ordine degli eventi nella consegna non è garantito.
Importante: il consumatore finale dei dati del feed di dati deve essere in grado di gestire marche temporali non ordinate, per persona, perché l’ordine degli hit nella consegna del feed di dati non è garantito.
Esporta i dati storici tra due date precedenti.
Lo schema feed dati determina quali colonne sono disponibili per l’inclusione in un feed dati.
eVar1 / post_eVar1), che rappresenta gran parte del conteggio delle colonne.Interfaccia utilizzata per configurare le colonne incluse in un feed dati.
eVar1, prop5) selezionati da un set predefinito di circa 1.100+ colonne. I componenti non vengono denominati o descritti oltre il loro identificatore di variabile.Componenti personalizzati definiti utilizzando trasformazioni basate su regole applicate al momento della generazione del rapporto.
Impostazioni dei componenti della visualizzazione dati, ad esempio persistenza, deduplicazione delle metriche e bucket di valori, che trasformano il valore di un componente al momento della generazione del rapporto.
Se le modifiche alla configurazione dei componenti vengono applicate all’output dei feed di dati passato e futuro.
Le modifiche vengono applicate alle consegne e ai backfill futuri. I file consegnati in precedenza non vengono aggiornati.
- Impostazioni componente: l’output riflette le impostazioni correnti, ad esempio la persistenza o il bucket di valori.
- Logica campo derivato: le modifiche vengono applicate a ogni feed di dati che utilizza il campo derivato.
- Tipo di dati: le modifiche compatibili (ad esempio da stringa a numero) vengono convertite quando possibile. Le modifiche non compatibili (ad esempio da stringa a matrice) generano valori Null.
- Aggiunta o rimozione di componenti: i nuovi componenti devono essere aggiunti manualmente ai feed di dati esistenti. Poiché i componenti eliminati generano valori nulli, è consigliabile rimuovere un componente dai feed di dati prima di eliminarlo dalla visualizzazione dati.
- Nome descrittivo, ID componente o ID di output: solo le modifiche all’ID di output cambiano il nome della colonna.
- Definizione sessione: gli ID sessione e i valori basati sulla sessione cambiano. Gli ID sessione non corrisponderanno alle consegne precedenti.
I set di dati di ricerca in Customer Journey Analytics equivalgono alle classificazioni in Adobe Analytics.
Definizione del limite di una visita o di una sessione, che influisce sul modo in cui gli eventi vengono raggruppati e attribuiti.
La possibilità di filtrare l’output del feed dati utilizzando i segmenti.
Metriche personalizzate che è possibile creare dalle metriche esistenti.
Specificare se i valori delle dimensioni persistono da un evento all’altro.
Rappresentazione degli eventi secondari nell’output del feed dati.
Formato utilizzato per i file di output del feed di dati recapitati nella destinazione cloud.
Parquet
Supporta in modalità nativa dati nidificati e strutturati complessi. I campi come post_product_list sono rappresentati come array strutturati/oggetti nidificati.
Richiede uno strumento che riconosca il Parquet per leggere, come BigQuery, Snowflake o Apache Spark.
La struttura dello schema è incorporata nel file di output.
TSV
Righe piatte leggibili dall’utente. Non supporta i dati strutturati in modo nativo; i campi complessi come gli elenchi di prodotti devono essere codificati come stringhe delimitate proprietarie che richiedono una logica di analisi personalizzata.
Struttura di directory utilizzata per i file di output consegnati.
year=2024/month=01/day=15/), consentendo l’eliminazione efficiente delle partizioni durante l’esecuzione di query sui dati in ambienti di data lake come Databricks o Apache Spark.I percorsi di archiviazione cloud in cui è possibile inviare i file di output del feed di dati.
Amazon S3, Azure RBAC, Azure SAS, Google Cloud Platform.
Supporta anche SFTP.
Se il data feed builder utilizza gli stessi componenti e la stessa terminologia di Analysis Workspace.
Modelli di persistenza disponibili per le dimensioni in un feed di dati.