이벤트의 트렌드 보고서 만들기
이 문서에서는 특정 날짜 범위 동안 일별 이벤트의 트렌드 보고서를 만드는 데 필요한 SQL의 예를 제공합니다. Adobe Experience Platform 쿼리 서비스를 사용하면 Experience Events을(를) 사용하는 쿼리를 작성하여 다양한 사용 사례를 캡처할 수 있습니다. 경험 이벤트는 사용자가 웹 사이트 또는 서비스와 상호 작용할 때 시스템의 변경할 수 없는 비집계 스냅샷을 캡처하는 XDM(Experience Data Model) ExperienceEvent 클래스로 표시됩니다. 경험 이벤트는 시간 도메인 분석에 사용할 수도 있습니다. 방문자 보고서를 생성하는 데 Experience Events이(가) 포함된 사용 사례는 다음 단계 섹션을 참조하세요.
보고서를 사용하면 플랫폼 데이터에 액세스하여 조직의 전략적 비즈니스 통찰력에 도움이 됩니다. 이러한 보고서를 사용하면 다양한 방식으로 플랫폼 데이터를 검사하고 주요 지표를 이해하기 쉬운 형식으로 표시하며 결과 통찰력을 공유할 수 있습니다.
XDM 및 Experience Events에 대한 자세한 내용은 XDM System 개요를 참조하세요. 쿼리 서비스를 Experience Events과(와) 결합하여 사용자 간의 동작 트렌드를 효과적으로 추적할 수 있습니다. 다음 문서에서는 Experience Events과(와) 관련된 쿼리의 예를 제공합니다.
목표
다음 예제에서는 지정된 날짜 범위에 대해 날짜별로 그룹화된 이벤트의 트렌드 보고서를 만듭니다. 특히 이 SQL 예제에서는 다양한 분석 값(A, B 및 C)을 합산한 다음 한 달 동안 파카를 본 횟수를 합산합니다.
Experience Event 데이터 세트에 있는 타임스탬프 열이 UTC 형식입니다. 이 예제에서는 from_utc_timestamp() 함수를 사용하여 타임스탬프를 UTC에서 EDT로 변환한 다음 date_format() 함수를 사용하여 타임스탬프의 나머지 부분에서 날짜를 분리합니다.
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;
이 쿼리의 결과는 아래에서 볼 수 있습니다.
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)
다음 단계 next-steps
이 문서를 읽으면 Experience Events과(와) 함께 쿼리 서비스를 사용하여 사용자 간의 동작 트렌드를 효과적으로 추적하는 방법을 더 잘 이해할 수 있습니다.
Experience Events을(를) 사용하는 다른 방문자 기반 사용 사례에 대해 알아보려면 다음 문서를 읽어 보십시오.