Din Adobe Commerce Intelligence-miljö
När ni analyserar era e-handelsdata bör ni vara medvetna om dessa faktorer och vanliga missuppfattningar. Om du behöver hjälp med att se till att du använder ditt Commerce-schema korrekt går det bra att kontakta support.
entity_id
Många av tabellerna innehåller en kolumn med namnet entity\_id. I varje tabell som innehåller en entity\_id används den kolumnen för att identifiera unika rader.
Till exempel är varje rad i tabellen sales\_order en unik ordning. Primärnyckeln i tabellen kallas entity\_id. Den här kolumnen kan betraktas som order\_id. I en separat tabell, customer\_entity, representerar varje rad en unik kund. Primärnyckeln i den här tabellen kallas också entity\_id, som kan tolkas som customer\_id.
I de tabellerna är sales\_order.entity\_id inte lika med customer\_entity.entity\_id. Detta gäller för alla tabelluppsättningar som innehåller entity\_id: table\_A.entity\_id är inte lika med table\_B.entity\_id.
Guest orders
Om du tillåter kunder att beställa från din webbplats utan att ha ett konto (gästbeställningar) fylls dessa kunder inte i som en rad i din customer\_entity-tabell. Dessutom har varje order som en gäst placerar ett null-värde customer\_id i tabellen sales\_order.
Om du vill spåra gästernas beteenden över tid måste därför alla kundnivåkolumner beräknas i tabellen sales\_order med hjälp av en kundidentifierare som customer\_email.
Om du använder tabellen sales\_order som ett kundregister måste du vara försiktig när du skapar kundnivåstatistik. Ta till exempel en genomsnittlig intäktssiffra för livstid. Det här måttet används för att identifiera de genomsnittliga intäkterna för hela kundlivscykeln. För det första krävs det en ny kolumn som för varje kund returnerar livstidsintäkterna. Sedan måste ni beräkna genomsnittsvärdet för den här kolumnen för att få kundernas genomsnittliga livstidsintäkter.
Om du kan använda tabellen customer\_entity är varje rad en enskild kund, och varje kund finns bara en gång i tabellen. När du har livstidsintäktskolumnen behöver du därför bara skapa ett medelvärde. Men om du använder tabellen sales\_order som kundtabell kan en kund finnas på flera rader. När du har ställt in livstidsintäktskolumnen kommer varje order (rad) som läggs av en viss kund att visa kundens livstidsintäkt, men du vill bara inkludera den kunden en gång i det övergripande medelvärdet.
Tricket här är att ni måste lägga till ett filter i mätvärdena som ser till att ni bara inkluderar varje kund en gång. Adobe rekommenderar att du skapar och använder en filteruppsättning med namnet Kunder som vi räknar som filtrerar efter kundens ordernummer = 1 (bland andra filter som du kanske måste exkludera oönskade kunder). Genom att lägga till det här filtret kan du bara inkludera varje kund en gång i kundnivåmätningen.
Produkter och kategorier
Produkter kan ha flera kategorier och kategorier kan användas för mer än en produkt. När du ställer in kategorinivåanalyser måste du därför vara noga med att använda rätt definitioner. Vill du ha kategorin på den översta nivån? Kategori på andra nivån? Vad händer om produkten kan delas in i flera kategorier på den översta nivån?
Tänk dig ett par jeans som faller inom tre olika kategorinivåer, enligt definitionen i en Commerce-implementering: Clothing (översta nivån), Outerwear (andra nivån) och Pants (tredje nivån). Du kanske vill analysera kategoriernas prestanda utifrån antalet sålda enheter. Det mätvärde du behöver för den här analysen är Artiklar som säljs, som bygger på tabellen sales\_order\_item. Därför måste du flytta information på kategorinivå till objekttabellen. Varje rad i tabellen sales\_order\_item har en associerad product\_id, så om du vet vilka kategorier som är associerade med en produkt kan du överföra informationen till önskad tabell.
Innan du flyttar data måste du känna till vilka kopplingar och filter som behövs för att du ska kunna hitta rätt kategori. För vissa analyser kan du behöva känna till "myror", men i andra analyser kan 'Clothing' vara mer lämpligt. Dessa är distinkta kategorier som identifieras separat. Genom att veta hur varje kategorinivå är definierad kan du attribuera enhetsförsäljningen till rätt kategori för din specifika analys.
Nu kan du föreställa dig att du också har en Our Favorites-kategori på webbplatsens hemsida. Du kanske har implementerat din Commerce-butik för att inkludera dessa jeans i både kategorin Clothing och kategorin Our Favorites. I så fall har dessa jeans mer än en kategori på den översta nivån. Om du flyttar en enskild kategori på den översta nivån till tabellen sales\_order\_item blir det då inte helt logiskt, eftersom det finns flera alternativ. För att ta hänsyn till detta föreslår Adobe att du skapar ja/nej-kolumner som söker efter specifika kategorier. I kolumnerna Is product in Clothing category? och Is product in Our Favorites category? kan du till exempel kontrollera om en produkt tillhör dessa specifika kategorier.