Uw Adobe Commerce Intelligence -omgeving
Terwijl u uw handelsgegevens analyseert, dient u rekening te houden met deze factoren en algemene misvattingen. Als u hulp met het ervoor zorgen nodig hebt u uw schema van Commerce correct gebruikt, aarzel niet aan contactsteun .
entity_id
Veel van uw tabellen bevatten een kolom met de naam entity\_id . In elke tabel die een entity\_id bevat, wordt die kolom gebruikt om unieke rijen te identificeren.
Elke rij in de tabel sales\_order is bijvoorbeeld een unieke volgorde. De primaire sleutel in deze tabel wordt entity\_id genoemd. Deze kolom kan worden beschouwd als order\_id . In een afzonderlijke tabel, customer\_entity , vertegenwoordigt elke rij een unieke klant. De primaire sleutel in deze tabel wordt ook entity\_id genoemd, wat als customer\_id kan worden beschouwd.
In deze tabellen is sales\_order.entity\_id niet gelijk aan customer\_entity.entity\_id . Dit geldt voor alle sets tabellen die entity\_id bevatten: table\_A.entity\_id is niet gelijk aan table\_B.entity\_id .
Guest orders
Als u klanten toestaat om van uw plaats tot opdracht te geven zonder een rekening (gastorden) te hebben, bevolken die klanten niet als rij in uw customer\_entity lijst. Elke volgorde die door een gast wordt geplaatst, heeft bovendien de waarde null customer\_id in de sales\_order -tabel.
Daarom als u het gedrag van uw gasten in tijd wilt volgen, moeten alle klant-vlakke kolommen op de sales\_order lijst worden berekend, gebruikend een klant herkenningsteken zoals customer\_email.
Als u de sales\_order lijst als klantenlijst gebruikt, moet u dan zorgvuldig zijn wanneer het creëren van klant-vlakke metriek. Bijvoorbeeld, overweeg een metrische gemiddelde levenopbrengst. Dit metrisch wordt gebruikt om de gemiddelde levenopbrengst over uw klantenbasis te identificeren. Dit vereist eerst een nieuwe kolom die, voor elke klant, hun levenopbrengst terugkeert. Dan moet u deze kolom gemiddelde om de gemiddelde levenopbrengst van uw klanten te verkrijgen.
Als u de tabel customer\_entity kunt gebruiken, is elke rij één klant en bestaat elke klant slechts één keer in die tabel. Daarom wanneer u de kolom van de levenopbrengst hebt, allen moet u gemiddelde metrisch tot stand brengen. Als u de tabel sales\_order echter gebruikt als uw klantentabel, kan een klant mogelijk in meerdere rijen bestaan. Na vestiging zal de kolom van de levenopbrengst, elke orde (rij) die door een bepaalde klant wordt geplaatst tonen dat de levenopbrengst van die klant; maar u wilt slechts die klant één keer in uw algemeen gemiddelde metrisch omvatten.
De truc hier is dat u een filter aan metrisch moet toevoegen die u verzekert slechts elke klant één keer omvat. Adobe moedigt u aan om een genoemde filterreeks Klanten tot stand te brengen en te gebruiken wij tellen die filters voor de ordeaantal van de Klant = 1 (onder andere filters u ongewenste klanten kunt moeten uitsluiten). Het toevoegen van dit filter verzekert u slechts elke klant één keer in klant-vlakke metrisch omvat.
Producten en categorieën
Producten kunnen meerdere categorieën hebben en categorieën kunnen voor meerdere producten worden gebruikt. Bij het instellen van analyses op categorieniveau moet u dus oppassen dat u de juiste definities gebruikt. Wilt u de topcategorie? Tweede categorie? Wat als het product in veelvoudige top-level categorieën kan vallen?
Stel je een spijkerbroek voor die in drie verschillende categorieniveaus valt, zoals gedefinieerd in een Commerce-implementatie: 'Kleding' (hoogste niveau), 'Buitendgoedkleding' (tweede niveau) en 'Kant' (derde niveau). Je kunt de rubriekprestaties analyseren op basis van het aantal verkochte eenheden. Metrisch u voor deze analyse nodig hebt is Verkochte Punten, die op de sales\_order\_item lijst wordt voortgebouwd. Daarom moet u op categorieniveau informatie op de puntlijst bewegen. Aan elke rij in de tabel sales\_order\_item is een product\_id gekoppeld. Als u dus weet welke categorieën aan een product zijn gekoppeld, kunt u die informatie overbrengen naar de gewenste tabel.
Voordat u gegevens kunt verplaatsen, moet u eerst de juiste verbindingen en filters weten om te controleren of u de juiste categorie hebt gekozen. Voor sommige analyses moet u misschien 'Kant' weten, maar in andere analyses is 'Koud' wellicht geschikter. Dit zijn afzonderlijke categorieën die afzonderlijk worden geïdentificeerd. Als u weet hoe elk categorieniveau is gedefinieerd, kunt u de verkoop per eenheid toewijzen aan de juiste categorie voor uw specifieke analyse.
Stel nu dat u ook een categorie op hoofdniveau Our Favorites op de homepage van uw website hebt. Mogelijk hebt u uw Commerce-winkel geïmplementeerd om deze jeans op te nemen in de categorie Clothing en Our Favorites . Zo ja, dan heeft dit spijkerbroek meer dan één topcategorie. In dat geval heeft het niet echt zin één categorie op hoofdniveau naar de tabel sales\_order\_item te verplaatsen, omdat er meerdere opties zijn. Om dit te verantwoorden, stelt Adobe voor ja/nee-kolommen te maken die voor specifieke categorieën controleren. Met de kolommen Is product in Clothing category? en Is product in Our Favorites category? kunt u bijvoorbeeld controleren of een product in die specifieke categorieën valt.