Aan de slag

Als onderdeel van dit proces moet u een model voor machinaal leren trainen, wordt in dit document uitgegaan van een praktische kennis van een of meer computerleeromgevingen.

In dit voorbeeld wordt Jupyter Notebook gebruikt als een ontwikkelomgeving. Hoewel er veel opties beschikbaar zijn, wordt Jupyter Notebook aanbevolen omdat het een opensource webtoepassing is die lage computervereisten heeft. Het kan van de officiële plaatsworden gedownload.

Gebruik Query Service om een drempel voor beide activiteit te definiëren

De twee kenmerken die worden gebruikt om gegevens voor beide detectie te extraheren, zijn:

  • Bezoeker-id voor Experience Cloud (ECID, ook wel MCID genoemd): hiermee beschikt u over een universele, permanente id die uw bezoekers identificeert voor alle oplossingen voor Adobe.
  • Tijdstempel: geeft de tijd en datum in UTC-indeling op wanneer een activiteit op de website is opgetreden.
NOTE
Het gebruik van mcid wordt nog steeds gevonden in naamruimteverwijzingen naar de Experience Cloud Bezoeker-id, zoals in het onderstaande voorbeeld wordt getoond.

De volgende SQL-instructie biedt een eerste voorbeeld om beide activiteiten te identificeren. De instructie gaat ervan uit dat als een bezoeker binnen één minuut 50 klikken uitvoert, de gebruiker een bot is.

SELECT *
FROM   <YOUR_TABLE_NAME>
WHERE  enduserids._experience.mcid NOT IN (SELECT enduserids._experience.mcid
                                           FROM   <YOUR_TABLE_NAME>
                                           GROUP  BY Unix_timestamp(timestamp) /
                                                     60,
                                                     enduserids._experience.mcid
                                           HAVING Count(*) > 50);

De uitdrukking filtert ECIDs (mcid) van alle bezoekers die de drempel ontmoeten maar richt geen pieken in verkeer van andere intervallen.