セグメント名を使用してセグメント化する

この使用例では、Customer Journey Analyticsで定義した釣り用品カテゴリに既存のセグメントを使用します。 2023年1月の製品名と発生件数(イベント)をセグメント化してレポートします。

Customer Journey Analytics

Customer Journey Analyticsで使用するセグメントを調べます。

Customer Journey Analytics フィルター名を使用してフィルター

次に、このセグメントを使用例の​セグメント名を使用してセグメント パネルに適用できます。

Customer Journey Analyticsの個別カウント値

BI ツール
note prerequisites
PREREQUISITES
接続が成功したことを検証し、データビューを一覧表示でき、このユースケースを試すBI ツールにデータビューを使用していることを確認します。
tabs
Power BI デスクトップ
  1. データ ペインで、次の操作を行います。

    1. daterange​を選択します。
    2. filterName​を選択します。
    3. product_name​を選択します。
    4. 合計回数​を選択します。

ビジュアルに「このビジュアルのデータ取得中にエラーが発生しました」と表示されます。

  1. フィルター ペインで、次の操作を行います。

    1. このビジュアル フィルターから​ filterName is (All) ​を選択します。
    2. 基本フィルタリング​を​ フィルタータイプ ​として選択します。
    3. 検索 フィールドの下で、釣り商品​を選択します。これは、Customer Journey Analyticsで定義されている既存のフィルターの名前です。
    4. このビジュアル フィルターから​ daterange is (All) ​を選択します。
    5. 詳細フィルタリング​を​ フィルタータイプ ​として選択します。
    6. 値​ ​が​ 1/1/2023および​ ​が​ ​より前の場合に、2/1/2023項目を表示するようにフィルターを定義します。
    7. CrossSize75を選択して、​から​ filterName ​を削除します。
    8. CrossSize75を選択して、​から​ daterange ​を削除します。

    適用された​filterName フィルターでテーブルが更新されます。 Power BI デスクトップは以下のようになります。

    日付範囲名をフィルターに使用する Power BI デスクトップ ​

Tableau Desktop
  1. 下部の「シート 1」タブを選択して、データソース​から切り替えます。 シート 1 ビューで:

    1. フィルター シェルフの​テーブル リストから​フィルター名 エントリをドラッグします。

    2. フィルター[ フィルター名] ダイアログで、リストから選択​が選択されていることを確認し、リストから​ 漁具 ​を選択します。 適用​と​ OK ​を選択します。

    3. フィルター シェルフの​テーブル リストから​Daterange エントリをドラッグします。

    4. フィルターフィールド [Daterange] ダイアログで、日付の範囲​を選択し、次>​を選択します。

    5. フィルター[Daterang] ダイアログで、日付の範囲​を選択し、01/01/202301/02/2023を選択します。 適用​と​ OK ​を選択します。

    6. 製品名​を​ リストから​ ​にドラッグします。

    7. テーブル リストから​発生回数 エントリをドラッグし、​の横にあるフィールドにエントリをドロップします。 値が​ SUM (Occurrences) ​に変更されます。

    8. 自分を表示​から​ テキストテーブル ​を選択します。

    9. フィット」ドロップダウンメニューから「フィット幅」を選択します。

      Tableau デスクトップは以下のようになります。

      Tableau Desktop Multiple Dimension Ranked Filter

Looker
  1. Lookerの​Explore インターフェイスで、クリーンな設定が行われていることを確認します。 そうでない場合は、 設定 フィールドとフィルターの削除​を選択します。

  2. フィルター」の下の「+ フィルター」を選択します。

  3. フィルターを追加 ダイアログ:

    1. ‣ Cc データビュー​を選択
    2. フィールドのリストから、}‣ Daterange Date、次に​ Daterange Date ​を選択します。
      Looker フィルター
  4. Cc データビューの日付変更日 フィルターを​が範囲 2023/01/01 から(前) 2023/02/01​に指定します。

  5. フィルター」の下の「+ フィルター」を選択して、別のフィルターを追加します。

  6. フィルターを追加 ダイアログ:

    1. ‣ Cc データビュー​を選択
    2. フィールドのリストから、‣ フィルター名​を選択します。
  7. フィルターの選択範囲を​ ​であることを確認します。

  8. 使用可能な値のリストから​ 釣り製品 ​を選択します。

  9. 左側のパネルの​‣ Cc データビュー セクションから:

    1. 製品名​を選択します。
    2. 左パネル(下部)の​ 測定 ​の下にある​ カウント ​を選択します。
  10. 実行​を選択します。

  11. 」‣ビジュアライゼーション​を選択します。

次のようなビジュアライゼーションと表が表示されます。

Looker count distinct

Jupyter Notebook
  1. 新しいセルに次のステートメントを入力します。

    code language-python
    data = %sql SELECT filterName FROM cc_data_view;
    style = {'description_width': 'initial'}
    filter_name = widgets.Dropdown(
       options=[d for d, in data],
       description='Filter Name:',
       style=style
    )
    display(filter_name)
    
  2. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebookの結果

  3. ドロップダウンメニューから「釣り製品」を選択します。

  4. 新しいセルに次のステートメントを入力します。

    code language-python
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT product_name AS `Product Name`, COUNT(*) AS Events \
                FROM cc_data_view \
                WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \
                   AND filterName = '{filter_name.value}' \
                GROUP BY 1 \
                LIMIT 10;
    df = data.DataFrame()
    df = df.groupby('Product Name', as_index=False).sum()
    plt.figure(figsize=(15, 3))
    sns.barplot(x='Events', y='Product Name', data=df)
    plt.show()
    display(data)
    
  5. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebookの結果

RStudio
  1. 新しいチャンクに次のコードブロックを入力します。 適切なフィルター名を使用してください。 例:Fishing Products

    code language-r
    ## Dimension filtered by name
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2023-02-01" & filterName == "Fishing Products") %>%
       group_by(product_name) %>%
       count() %>%
       arrange(desc(n), .by_group = FALSE)
    print(df)
    
  2. チャンクを実行します。 以下のスクリーンショットのような出力が表示されます。

    RStudio結果

recommendation-more-help
analytics-platform-help-main