Gecombineerde gegevenssets voor gebeurtenissen
Wanneer u een verbinding creeert, combineert de Customer Journey Analytics alle gebeurtenisdatasets in één enkele dataset. Deze gecombineerde gebeurtenisdataset is wat de Customer Journey Analytics voor het melden (samen met profiel en raadplegingsdatasets) gebruikt. Wanneer u veelvoudige gebeurtenisdatasets in een verbinding omvat:
- De gegevens voor gebieden in datasets die op de zelfde schemapad worden gebaseerd worden samengevoegd in één enkele kolom in de gecombineerde dataset.
- De kolom van identiteitskaart van de Persoon, die voor elke dataset wordt gespecificeerd, wordt samengevoegd in één enkele kolom in de gecombineerde dataset, ongeacht hun naam. Deze kolom vormt de basis voor het identificeren van unieke personen in Customer Journey Analytics.
- Rijen worden verwerkt op basis van een tijdstempel.
- Gebeurtenissen worden tot op het millisecondenniveau opgelost.
Voorbeeld
Kijk eens naar het volgende voorbeeld. U hebt twee gebeurtenisdatasets, elk met verschillende gebieden die verschillende gegevens bevatten.
Wanneer u een verbinding gebruikend deze twee gebeurtenisdatasets creeert en hebt geïdentificeerd
example_idals Persoon-id voor de eerste gegevensset, endifferent_idals Persoon-id voor de tweede dataset,
de volgende gecombineerde gegevensset wordt gebruikt voor de rapportage.
Om het belang van schemawegen te illustreren, overweeg dit scenario. In de eerste dataset, is string_color gebaseerd op schemapad _experience.whatever.string_color en in de tweede dataset op schemapad _experience.somethingelse.string_color. In dit scenario, wordt het gegeven niet samengevoegd in één kolom in de resulterende gecombineerde dataset. In plaats daarvan is het resultaat twee string_color kolommen in de gecombineerde dataset:
alles.
string_color
iets anders.
string_color
Deze gecombineerde gebeurtenisdataset is wat in het melden wordt gebruikt. Het maakt niet uit van welke dataset een rij afkomstig is. Customer Journey Analytics behandelt alle gegevens alsof het in de zelfde dataset is. Als een overeenkomende persoon-id in beide gegevenssets wordt weergegeven, worden deze als dezelfde unieke persoon beschouwd. Als een overeenkomende persoon-id binnen 30 minuten in beide gegevenssets wordt weergegeven met een tijdstempel, wordt deze beschouwd als onderdeel van dezelfde sessie. Velden met identieke schemapaden worden samengevoegd.
Dit concept is ook van toepassing op attributie. Het maakt niet uit van welke dataset een rij afkomstig is; de attributie werkt precies alsof alle gebeurtenissen uit één dataset kwamen. De bovenstaande tabellen als voorbeeld gebruiken:
Als uw verbinding alleen de eerste tabel bevatte en niet de tweede, zou het trekken van een rapport aan de hand van de string_color -dimensie en metric_a -meting met de laatste aanraakkenmerk het volgende laten zien:
Als u echter beide tabellen hebt opgenomen in uw verbinding, verandert de toewijzing omdat user_847 zich in beide gegevenssets bevindt. Een rij van de tweede dataset attributen metric_a aan "Geel"waar zij eerder niet specificeerden:
Kanaaloverschrijdende analyse
Het volgende niveau van het combineren van datasets is kanaalanalyse, waar datasets van verschillende kanalen worden gecombineerd, die op een gemeenschappelijke herkenningsteken (identiteitskaart van de Persoon) wordt gebaseerd. De analyse over kanalen kan van het stitching functionaliteit profiteren, die u toestaat om identiteitskaart van de Persoon van een dataset opnieuw te bepalen zodat wordt de dataset behoorlijk bijgewerkt om een naadloze combinatie veelvoudige datasets toe te laten. Bij het zoeken naar gebruikersgegevens van zowel geverifieerde als niet-geverifieerde sessies wordt een aangesloten id gegenereerd.
Met de kanaalanalyse kunt u vragen beantwoorden zoals:
- Hoeveel mensen beginnen met hun ervaring in één kanaal, en eindigen het in een andere?
- Hoeveel mensen interageren met mijn merk? Hoeveel en welke soorten apparaten gebruiken zij? Hoe overlappen ze elkaar?
- Hoe vaak beginnen mensen met een taak op een mobiel apparaat en gaan ze later over naar een desktop-pc om de taak te voltooien? Leidt de campagne klikdoorhalingen die op één apparaat landen tot omschakeling elders?
- Hoe verandert mijn begrip van campagnedoeltreffendheid als ik apparatuurreizen bekijk? Hoe verandert mijn trechter-analyse?
- Wat zijn de gemeenschappelijkste wegen die gebruikers van één apparaat aan een ander nemen? Waar komen ze uit? Waar slagen ze?
- Hoe verschilt het gedrag van gebruikers met meerdere apparaten van de gebruikers met één apparaat?
Raadpleeg het specifieke geval van gebruik voor meer informatie over kanaalanalyse:
Ga voor een diepgaandere bespreking van de stitching-functionaliteit naar: