Jämför med era Adobe Analytics-data
När ni antar Customer Journey Analytics kan det finnas vissa skillnader i data mellan Adobe Analytics och Customer Journey Analytics. Detta är normalt och kan inträffa av flera orsaker. Customer Journey Analytics är utformat för att du ska kunna förbättra vissa begränsningar av dina data i AA. Oväntade och oavsiktliga avvikelser kan dock förekomma. Den här artikeln är utformad för att hjälpa dig att diagnostisera och lösa de skillnaderna så att du och ditt team kan använda Customer Journey Analytics utan hinder av dataintegritetsfrågor.
Låt oss anta att du importerade Adobe Analytics-data till Adobe Experience Platform via Analytics-källkopplingen och sedan skapade en Customer Journey Analytics-anslutning med den här datauppsättningen.
Därefter skapade du en datavy och när du senare rapporterade data för Customer Journey Analytics upptäckte du att det fanns skillnader i rapportresultaten i Adobe Analytics.
Här följer några steg för att jämföra dina ursprungliga Adobe Analytics-data med Adobe Analytics-data som nu finns i Customer Journey Analytics.
Förutsättningar
-
Kontrollera att Analytics-datauppsättningen i Adobe Experience Platform innehåller data för det datumintervall som du undersöker.
-
Se till att rapportsviten som du valde i Analytics matchar rapportsviten som importerats till Adobe Experience Platform.
Steg 1: Kör förekomstmåttet i Adobe Analytics
Måttet Förekomster visar antalet träffar där en given dimension angavs eller beständig.
-
I Analytics > Workspace drar du datumintervallet som du vill rapportera som en dimension till en Freeform-tabell.
-
Måttet Occurrences används automatiskt i det datumintervallet.
-
Spara projektet så att du kan använda det i jämförelsen.
Steg 2: Jämför resultaten med Total records by timestamps i Customer Journey Analytics
Jämför nu Occurrences i Analytics med totalt antal poster med tidsstämplar i Customer Journey Analytics.
Totalt antal poster efter tidsstämplar bör matcha med förekomster, förutsatt att inga poster har utelämnats av Analytics Source Connector - se avsnittet nedan.
-
Kör följande Total Records by timestamps-fråga i Adobe Experience Platform Query Services:
code language-sql SELECT Substring(from_utc_timestamp(timestamp,'{timeZone}'), 1, 10) AS Day, Count(_id) AS Records FROM {dataset} WHERE timestamp >= from_utc_timestamp('{fromDate}','UTC') AND timestamp < from_utc_timestamp('{toDate}','UTC') AND timestamp IS NOT NULL AND enduserids._experience.aaid.id IS NOT NULL GROUP BY Day ORDER BY Day;
-
I Analysdatafeeds kan du utifrån rådata identifiera om vissa rader kan ha filtrerats bort av Analytics Source-kopplingen.
Source-kopplingen Analytics kan filtrera vissa rader under omvandlingen till XDM-schemat. Det kan finnas flera orsaker till att hela raden inte kan omformas. Om något av följande Analytics-fält har dessa värden kommer hela raden att filtreras bort.
table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 Analysfält Värden som gör att en rad tas bort Opt_ut y, Y In_data_only Inte 0 Exkludera_träff Inte 0 Bot_id Inte 0 Hit_source 0, 3, 5, 7, 8, 9, 10 Page_event 53, 63 Mer information om hit_source finns i: Datakolumnreferens. Mer information om page_event finns i: Sökning efter sidhändelser.
-
Om kopplingens filtrerade rader tar du bort de raderna från måttet Occurrences. Resultatet ska matcha antalet händelser i Adobe Experience Platform datamängder.
Varför poster kan filtreras eller hoppas över vid förtäring från Adobe Experience Platform
Med Customer Journey Analytics Anslutningar kan du samla ihop och koppla ihop flera datauppsättningar baserat på ett gemensamt person-ID för alla datauppsättningar. På backend använder vi borttagning av dubbletter: fullständig yttre koppling eller union av händelsedatamängder baserat på tidsstämplar, och sedan inre koppling på profil- och sökdatamängd, baserat på person-ID.
Här är några anledningar till varför poster kan hoppas över när data hämtas från Adobe Experience Platform.
-
Tidsstämplar saknas - Om tidsstämplar saknas i händelsedatamängder ignoreras dessa poster helt eller hoppas över under importen.
-
Saknade person-ID:n - Person-ID:n som saknas (från händelsedatamängden och/eller från profil-/sökdatamängden) gör att dessa poster ignoreras eller hoppas över. Orsaken är att det inte finns några vanliga ID:n eller matchande nycklar att koppla posterna till.
-
Ogiltiga eller stora person-ID:n - med ogiltiga ID:n kan systemet inte hitta ett giltigt gemensamt ID bland de datauppsättningar som ska kopplas. I vissa fall innehåller kolumnen med person-ID ogiltiga person-ID:n, till exempel "undefined" eller "0000000". Ett person-ID (med valfri kombination av siffror och bokstäver) som förekommer i en händelse som är mer än 1 miljon gånger i månaden kan inte tilldelas en viss användare eller person. Den kategoriseras som ogiltig. Dessa poster kan inte importeras till systemet och resulterar i felbenägen inmatning och rapportering.