イベントのトレンドレポートの作成
このドキュメントでは、特定の日付範囲での日別イベントのトレンドレポートを作成するために必要な SQL の例を示します。 Adobe Experience Platform クエリサービスを使用すると、Experience Events を使用してさまざまなユースケースをキャプチャするクエリを作成できます。 エクスペリエンスイベントは、エクスペリエンスデータモデル(XDM) ExperienceEvent クラスで表されます。このクラスは、ユーザーが web サイトまたはサービスとやり取りする際に、システムの不変スナップショットと非集計スナップショットをキャプチャします。 エクスペリエンスイベントは、タイムドメイン分析にも使用できます。 訪問者レポートの生成に関するユースケースについて Experience Events、 次の手順の節を参照してください。
レポートを使用すると、組織の戦略的なビジネスインサイトに役立つ Platform データにアクセスできます。 これらのレポートを使用すると、Platform データを様々な方法で調べ、主要な指標をわかりやすい形式で表示し、結果として得られるインサイトを共有できます。
XDM と Experience Events について詳しくは、XDM System 概要を参照してください。 クエリサービスと Experience Events を組み合わせることで、ユーザー間の行動のトレンドを効果的に追跡できます。 次のドキュメントでは、Experience Events を含むクエリの例を示します。
目標
次の例では、指定した日付範囲のイベントのトレンドレポートを日付別にグループ化して作成します。特に、この SQL の例では、A
、B
、C
などの様々な Analytics 値を合計し、1 か月におけるパークの閲覧回数を合計します。
データセットで見つかっ Experience Event タイムスタンプ列は UTC 形式です。 この例では、from_utc_timestamp()
関数を使用してタイムスタンプを UTC から EDT に変換し、date_format()
関数を使用して日付を残りのタイムスタンプから分離します。
SELECT
date_format( from_utc_timestamp(timestamp, 'EDT') , 'yyyy-MM-dd') as Day,
SUM(web.webPageDetails.pageviews.value) as pageViews,
SUM(_experience.analytics.event1to100.event1.value) as A,
SUM(_experience.analytics.event1to100.event2.value) as B,
SUM(_experience.analytics.event1to100.event3.value) as C,
SUM(
CASE
WHEN _experience.analytics.customDimensions.evars.evar1 = 'parkas'
THEN 1
ELSE 0
END) as viewedParkas
FROM your_analytics_table
WHERE TIMESTAMP >= to_timestamp('2019-03-01') AND TIMESTAMP <= to_timestamp('2019-03-31')
GROUP BY Day
ORDER BY Day ASC, pageViews DESC;
このクエリの結果は、次のようになります。
Day | pageViews | A | B | C | viewedParkas
-------------+-----------+--------+-------+---------+--------------
2019-03-01 | 55317.0 | 8503.0 | 804.0 | 1578.0 | 73
2019-03-02 | 55302.0 | 8600.0 | 854.0 | 1528.0 | 86
2019-03-03 | 54613.0 | 8162.0 | 795.0 | 1568.0 | 100
2019-03-04 | 54501.0 | 8479.0 | 832.0 | 1509.0 | 100
2019-03-05 | 54941.0 | 8603.0 | 816.0 | 1514.0 | 73
2019-03-06 | 54817.0 | 8434.0 | 855.0 | 1538.0 | 76
2019-03-07 | 55201.0 | 8604.0 | 843.0 | 1517.0 | 64
2019-03-08 | 55020.0 | 8490.0 | 849.0 | 1536.0 | 99
2019-03-09 | 43186.0 | 6736.0 | 643.0 | 1150.0 | 52
2019-03-10 | 48471.0 | 7542.0 | 772.0 | 1272.0 | 70
2019-03-11 | 56307.0 | 8721.0 | 818.0 | 1571.0 | 81
2019-03-12 | 55374.0 | 8653.0 | 843.0 | 1501.0 | 59
2019-03-13 | 55046.0 | 8509.0 | 887.0 | 1556.0 | 65
2019-03-14 | 55518.0 | 8551.0 | 848.0 | 1516.0 | 77
2019-03-15 | 55329.0 | 8575.0 | 818.0 | 1607.0 | 96
2019-03-16 | 55030.0 | 8651.0 | 815.0 | 1542.0 | 66
2019-03-17 | 55143.0 | 8435.0 | 774.0 | 1572.0 | 65
2019-03-18 | 54065.0 | 8211.0 | 816.0 | 1574.0 | 111
2019-03-19 | 55097.0 | 8395.0 | 771.0 | 1498.0 | 86
2019-03-20 | 55198.0 | 8472.0 | 863.0 | 1583.0 | 82
2019-03-21 | 54978.0 | 8490.0 | 820.0 | 1580.0 | 83
2019-03-22 | 55464.0 | 8561.0 | 820.0 | 1559.0 | 83
2019-03-23 | 55384.0 | 8482.0 | 800.0 | 1139.0 | 82
2019-03-24 | 55295.0 | 8594.0 | 841.0 | 1382.0 | 78
2019-03-25 | 42069.0 | 6365.0 | 606.0 | 1509.0 | 62
2019-03-26 | 49724.0 | 7629.0 | 724.0 | 1553.0 | 44
2019-03-27 | 55111.0 | 8524.0 | 804.0 | 1524.0 | 94
2019-03-28 | 55030.0 | 8439.0 | 822.0 | 1554.0 | 73
2019-03-29 | 55281.0 | 8601.0 | 854.0 | 1580.0 | 73
2019-03-30 | 55162.0 | 8538.0 | 846.0 | 1534.0 | 79
2019-03-31 | 55437.0 | 8486.0 | 807.0 | 1649.0 | 68
(31 rows)
次の手順 next-steps
このドキュメントを参照することで、Experience Events でクエリサービスを使用してユーザー間の行動のトレンドを効果的に追跡する方法をより深く理解できます。
Experience Events を使用するその他の訪問者ベースのユースケースについては、次のドキュメントを参照してください。