Kombinerade händelsedatamängder
När du skapar en anslutning kombinerar Customer Journey Analytics alla scheman och datauppsättningar i en enda datauppsättning. Detta 'kombinerade händelsedatamängd' är vad Customer Journey Analytics använder för rapportering. När du inkluderar flera scheman eller datauppsättningar i en anslutning:
- Scheman kombineras. Duplicerade schemafält sammanfogas.
- Kolumnen "Person-ID" i varje datauppsättning sammanfogas till en enda kolumn, oavsett namn. Denna kolumn är grunden för att identifiera unika personer i Customer Journey Analytics.
- Rader bearbetas baserat på tidsstämpel.
- Händelser löses ned till millisekundnivån.
Exempel
Titta på följande exempel. Du har två händelsedatamängder, där vart och ett har olika fält som innehåller olika data.
example_idtimestampstring_colorstring_animalmetric_auser_3101 Jan 7:02 AMRedFoxuser_3101 Jan 7:04 AM2user_3101 Jan 7:08 AMBlue3user_8472 Jan 12:31 PMTurtle4user_8472 Jan 12:44 PM2different_idtimestampstring_colorstring_shapemetric_buser_8472 Jan 12:26 PMYellowCircle8.5user_8472 Jan 1:01 PMRedalternateid_6562 Jan 8:58 PMRedSquare4.2alternateid_6562 Jan 9:03 PMTriangle3.1När du skapar en anslutning med dessa två händelsedatamängder används följande tabell för rapportering.
idtimestampstring_colorstring_animalstring_shapemetric_ametric_buser_3101 Jan 7:02 AMRedFoxuser_3101 Jan 7:04 AM2user_3101 Jan 7:08 AMBlue3user_8472 Jan 12:26 PMYellowCircle8.5user_8472 Jan 12:31 PMTurtle4user_8472 Jan 12:44 PM2user_8472 Jan 1:01 PMRedalternateid_6562 Jan 8:58 PMRedSquare4.2alternateid_6562 Jan 9:03 PMTriangle3.1Den här kombinerade händelsedatamängden används för rapportering. Det spelar ingen roll vilken datauppsättning en rad kommer från. Customer Journey Analytics hanterar alla data som om de finns i samma datauppsättning. Om ett matchande person-ID visas i båda datauppsättningarna betraktas de som samma unika person. Om ett matchande person-ID visas i båda datauppsättningarna med en tidsstämpel inom 30 minuter betraktas de som en del av samma session.
Detta koncept gäller också attribuering. Det spelar ingen roll vilken datamängd en rad kommer från. Attribution fungerar exakt som om alla händelser kom från en enda datamängd. Använda tabellerna ovan som exempel:
Om anslutningen bara innehöll den första tabellen och inte den andra, drar du en rapport med hjälp av string_color dimension och metric_a mätvärden som använder den senaste beröringsattribueringen skulle visa:
Om du däremot inkluderar båda tabellerna i anslutningen ändras attribueringen sedan user_847 finns i båda datauppsättningarna. En rad från de andra datauppsättningsattributen metric_a till 'Gul' där de tidigare inte var angivna:
Flerkanalsanalys
Nästa nivå med att kombinera datauppsättningar är flerkanalsanalys, där datauppsättningar från olika kanaler kombineras, baserat på en gemensam identifierare (person-ID). Flerkanalsanalys kan dra nytta av sammanfogningsfunktioner som gör att du kan ändra inmatningen av en datauppsättnings person-ID så att datauppsättningen uppdateras på rätt sätt för att möjliggöra en sömlös kombination av flera datauppsättningar. Stitching undersöker användardata från både autentiserade och oautentiserade sessioner för att generera ett sammanfogat ID.
Med flerkanalsanalys kan ni besvara frågor som:
- Hur många börjar sin upplevelse i en kanal och avslutar den i en annan?
- Hur många interagerar med mitt varumärke? Hur många och vilka typer av enheter använder de? Hur överlappar de?
- Hur ofta startar man en uppgift på en mobil enhet och sedan övergår till en stationär dator för att slutföra uppgiften? Kommer kampanjklickningar som landar på en enhet att leda till konvertering någon annanstans?
- Hur påverkar min förståelse för kampanjens effektivitet om jag tänker på resor mellan olika enheter? Hur förändras min trattanalys?
- Vilka är de vanligaste sökvägarna som användare tar från en enhet till en annan? Var faller de? Var lyckas de?
- Hur skiljer sig beteendet hos användare med flera enheter från dem som har en enda enhet?
Mer information om flerkanalsanalys finns i det specifika användningsfallet:
Mer information om hur du sammanställer diskussioner finns på: