Customer Journey AnalyticsとAdobe Analyticsのデータフィードの比較
Customer Journey AnalyticsとAdobe Analyticsの両方のデータフィードでは、生データをサードパーティのプラットフォームに書き出すことができます。
以前にAdobe Analyticsでデータフィードを使用したことがある場合は、次の情報を使用して、使用可能な機能と概念の違いを把握します。
テーブルの書き出しなど、他のCustomer Journey Analytics書き出し方式とのデータフィードの比較については、Analytics製品の比較を参照してください。
Customer Journey Analytics データフィードでのみ使用できる機能
次の機能はCustomer Journey Analytics データフィードで使用できますが、Adobe Analytics データフィードでは使用できません。
-
派生フィールド: データフィードスキーマに含めることができる、ルールベースの変換から構築されたカスタムコンポーネント。
-
コンポーネント設定：永続性、指標の重複排除、値のグループ化などのデータビューコンポーネント設定は、SQLを必要とせずに、データフィード出力でコンポーネントの値を直接変換できます。
-
ステッチ: デバイス間のイベントを1人のユーザーにリンクするクロスデバイス ID解決。
-
設定可能なセッション定義: セッションは、データビューの セッション設定によって定義されます（非アクティブタイムアウトや、セッションを開始または終了するイベントなど）。 データフィードのセッション IDとセッションベースの値にはこれらの設定が反映され、変更はバックフィルに反映されます。
-
構造化データモデル: フィードは、post_product_listなどのフラット文字列ではなく、構造化データを使用して構築および配信されます。 XDM スキーマとデータビューから既存の構造を反映します。
-
Parquet出力: ファイルはParquet形式で配信され、ネストされた複雑なデータと構造化されたデータをネイティブにサポートします。 つまり、業界標準のプラクティスを用いて、データベース内のデータに容易にアクセスできます。 詳しくは、 データフィードでのParquet ファイルの操作を参照してください。
-
セグメント化: データビューに適用されたセグメントは自動的に継承され、追加のセグメントをフィードに直接適用できます。
-
Hive スタイルのパーティション パス：出力ファイルは、データレイク環境で効率的なクエリを実行するためにHive スタイルのパスを使用します。
-
コンポーネントの更新は過去にさかのぼって適用されます：データビューのコンポーネントに対する変更は、過去にバックフィルに反映されます。
-
参照：分類はAdobe Analytics データフィードに含まれていません。 Customer Journey Analyticsでは、すべてのルックアップはデータに直接埋め込まれます。
-
Analysis Workspace ユーザーによく知られているインターフェイス: コンポーネントはデータビューから直接取得され、Analysis Workspaceでも使用できます。 変数名の静的リストではなく、Analysis Workspaceと同じコンポーネントパネルを使用して、ディメンションと指標を選択できます。
-
使用可能な永続性モデルの数: Customer Journey Analytics データフィードで使用できる永続性モデルは5つあります。
以下の機能比較の表では、これらの各機能の詳細と、両方の製品に存在する機能の違いについて説明しています。
機能の比較
次の表に、Customer Journey Analytics データフィードとAdobe Analytics データフィードの主要な概念と設定オプションを比較します。
収集してデータフィードに含めることができるデータの種類。
使用している製品に応じて、データは異なる段階で処理されます。
イベントを1人のユーザーにリンクするクロスデバイスおよびクロスチャネル ID解決。
データフィードの送信頻度と、フィードに含まれる期間を決定します。
日単位 （レポートスイートのタイムゾーンでは午前0時から午前0時）または時間単位。
15分間のフィードは可能ですが、デフォルトでは利用できません。
各配信の永続性、セッション、セグメントの選定を計算するために使用される履歴データ。
周波数ウィンドウまでの30日間の処理ウィンドウ。 一般的に、処理期間前のデータは考慮されません。
詳細については、処理ウィンドウについてを参照してください。
遅延ヒット
タイムスタンプが以前の配信頻度ウィンドウに属するが、そのウィンドウが既に経過した後に到着したヒット。
たとえば、遅刻ヒットは、モバイルアプリから送信される可能性があります。モバイルアプリは、オフライン中のイベントをバッファリングし、再接続したときにイベントを送信します。
遅延着信ヒットは、遅延着信ヒットを許可設定オプションを使用して 含める、または 除外することができます。
ルックバックウィンドウの設定により、システムが遅延データを含めるまでにどれくらい戻るかを制御します。
タイムスタンプが受信した順序と一致しないヒット。
Customer Journey Analyticsはストリーミングデータとバッチデータの両方を受け入れるので、特定のユーザーのイベントがタイムスタンプ順に届く保証はありません。 Customer Journey Analyticsは、1人あたりのタイムスタンプで並べ替えできますが、到着したデータのみを書き出すことができます。 つまり、到着が遅いヒットは、後のタイムスタンプを持つヒットの後に書き出される可能性があります。
処理遅延設定は、バッチデータがエクスポート前に到着するまでの時間を増やすことにより、データフィード出力の不規則なイベントを減らすのに役立ちます。 配信におけるイベントの順序は保証されません。
重要: データフィード配信でのヒットの順序が保証されていないため、データフィード データの最終的なコンシューマーは、1人あたり、順序が正しくないタイムスタンプを処理できなければなりません。
過去2日間の履歴データを書き出します。
データフィードスキーマは、データフィードに含めることができる列を決定します。
eVar1 / post_eVar1）。これは、列数の多くを占めています。データフィードに含める列を設定するために使用するインターフェイス。
eVar1、prop5など）のフラットリストを使用します。 コンポーネントには、変数識別子を超える名前や説明はありません。レポート時に適用されたルールベースの変換を使用して定義されたカスタムコンポーネント。
レポート時にコンポーネントの値を変換する、永続性、指標の重複排除、値のグループ化などのデータビューコンポーネント設定。
コンポーネント設定の変更が、過去および将来のデータフィード出力に反映されるかどうか。
変更は、今後の配信やバックフィルに適用されます。 以前に配信されたファイルは更新されません。
- コンポーネント設定：出力には、永続性や値のグループ化などの現在の設定が反映されます。
- 派生フィールドロジック：派生フィールドを使用するすべてのデータフィードに変更が適用されます。
- データ型：可能な場合、互換性のある変更（文字列から数値への変更など）が変換されます。 互換性のない変更（文字列から配列への変更など）は、null値になります。
- コンポーネントの追加または削除：新しいコンポーネントを既存のデータフィードに手動で追加する必要があります。 削除されたコンポーネントはnull値になりますので、データビューから削除する前に、データフィードからコンポーネントを削除することをお勧めします。
- わかりやすい名前、コンポーネント ID、または出力ID：出力IDの変更のみが列名を変更します。
- セッション定義: セッション IDとセッションベースの値が変更されます。 セッション IDが以前の配信と一致しません。
Customer Journey Analyticsのルックアップデータセットは、Adobe Analyticsの分類に相当します。
訪問またはセッション境界の定義方法。これは、イベントのグループ化と帰属方法に影響します。
visid_high、visid_low、およびvisit_num）の組み合わせで識別されます。セグメントを使用してデータフィード出力をフィルタリングする機能。
ディメンション値が1つのイベントから次のイベントまで保持されるかどうか。
データフィード出力でサブイベントがどのように表示されるか。
クラウドの宛先に配信されるデータフィード出力ファイルに使用される形式。
PARQUET
複雑なネスト化および構造化データをネイティブにサポート。 post_product_listなどのフィールドは、構造化配列/ネストされたオブジェクトとして表されます。
BigQuery、Snowflake、Apache Sparkなど、Parquetに対応したツールが必要です。
スキーマ構造は、出力ファイル内に埋め込まれます。
詳しくは、 データフィードでのParquet ファイルの操作を参照してください。
TSV
人間が読むことができるフラットな行。 構造化データはネイティブにサポートされません。製品リストなどの複雑なフィールドは、カスタム解析ロジックを必要とする独自の区切り文字列としてエンコードする必要があります。
配信された出力ファイルに使用されるディレクトリ構造。
year=2024/month=01/day=15/）を使用して、DatabricksやApache Sparkなどのデータレイク環境でデータをクエリする際に、効率的なパーティションのプルーニングを可能にします。データフィード出力ファイルを送信できるクラウドストレージの場所。
Amazon S3、Azure RBAC、Azure SAS、Google Cloud Platform。
SFTPもサポートしています。
データフィードビルダーでAnalysis Workspaceと同じコンポーネントと用語が使用されているかどうか。
データフィードのディメンションで使用できる永続モデル。