Analyseinzichten voor web- en mobiele interacties
Met Adobe Experience Platform kunt u gegevens uit Adobe Analytics-rapportreeksen invoeren met XDM-velden (Experience Data Model) voor het vullen van gegevenssets. Deze analysegegevens worden gewijzigd conform de klasse XDM ExperienceEvent . De Dienst van de vraag kan dan gebruik van deze gegevens maken door SQL vragen in werking te stellen om waardevolle inzichten van het gedrag van een gebruiker over de digitale platforms te produceren.
Dit document bevat een groot aantal voorbeeld-SQL-query's die veelvoorkomende gebruiksgevallen aantonen bij het maken van inzichten op basis van gegevens van Analytics via internet en mobiele apparatuur.
Zie de documentatie van de het gebiedstoewijzingen van Analyticsvoor meer informatie bij het opnemen van en het in kaart brengen van analysegegevens.
Aan de slag
Voor elk van de volgende gebruiksgevallen wordt een geparametriseerd SQL vraagvoorbeeld verstrekt als malplaatje voor u aan te passen. Verstrek parameters waar u { } in de SQL voorbeelden voor de dataset, de eVar, de gebeurtenis, of het tijdkader ziet u in het evalueren geinteresseerd bent.
Doelstellingen
In de volgende voorbeelden worden SQL-query's getoond voor veelvoorkomende gebruiksscenario's voor het analyseren van uw Adobe Analytics-gegevens.
Het aantal bezoekers genereren voor elk uur op een bepaalde dag
SELECT Substring(from_utc_timestamp(timestamp, 'America/New_York'), 1, 10) AS Day,
Substring(from_utc_timestamp(timestamp, 'America/New_York'), 12, 2) AS Hour,
Count(DISTINCT enduserids._experience.aaid.id) AS Visitor_Count
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY Day, Hour
ORDER BY Hour;
De tien meest bekeken pagina's op een bepaalde dag identificeren
SELECT web.webpagedetails.name AS Page_Name,
Sum(web.webpagedetails.pageviews.value) AS Page_Views
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY web.webpagedetails.name
ORDER BY page_views DESC
LIMIT 10;
De 10 meest actieve gebruikers identificeren
SELECT enduserids._experience.aaid.id AS aaid,
Count(timestamp) AS Count
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY enduserids._experience.aaid.id
ORDER BY Count DESC
LIMIT 10;
De 10 meest gewenste steden identificeren op basis van gebruikersactiviteit
SELECT concat(placeContext.geo.stateProvince, ' - ', placeContext.geo.city) AS state_city,
Count(timestamp) AS Count
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY state_city
ORDER BY Count DESC
LIMIT 10;
De tien meest bekeken producten identificeren
SELECT Product_SKU,
Sum(Product_Views) AS Total_Product_Views
FROM (SELECT Explode(productlistitems.sku) AS Product_SKU,
commerce.productviews.value AS Product_Views
FROM {TARGET_TABLE}
WHERE TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
AND commerce.productviews.value IS NOT NULL)
GROUP BY Product_SKU
ORDER BY Total_Product_Views DESC
LIMIT 10;
Identificeer de 10 hoogste orderopbrengsten
SELECT Purchase_ID,
Round(Sum(Product_Items.priceTotal * Product_Items.quantity), 2) AS Total_Order_Revenue
FROM (SELECT commerce.`order`.purchaseid AS Purchase_ID,
Explode(productlistitems) AS Product_Items
FROM {TARGET_TABLE}
WHERE commerce.`order`.purchaseid IS NOT NULL
AND TIMESTAMP = to_timestamp('{TARGET_YEAR}-{TARGET_MONTH}-{TARGET_DAY}')
GROUP BY Purchase_ID
ORDER BY total_order_revenue DESC
LIMIT 10;