Handläggningsbaserade härledda datauppsättningar - användningsfall

Härledda datauppsättningar underlättar komplicerade användningsfall för att analysera data från datasjön som kan användas tillsammans med andra plattformstjänster längre fram i kedjan eller publiceras i kundprofildata i realtid.

I det här exemplet visas hur du skapar decimalbaserade härledda datauppsättningar som kan användas med dina kundprofildata i realtid. Om du använder ett lojalitetsscenario för ett flygbolag som exempel får du information i den här guiden om hur du skapar en datauppsättning som använder kategoriserade deciler för att segmentera och skapa målgrupper baserat på rankade attribut.

Följande viktiga begrepp visas:

Komma igång

Guiden kräver en fungerande förståelse av frågekörningen i Query Service och följande komponenter i Adobe Experience Platform:

Mål

Exemplet i det här dokumentet använder deciler för att skapa härledda datauppsättningar för att rangordna data från ett lojalitetsschema för flygbolag. Med härledda datauppsättningar kan ni maximera dataanvändningen genom att identifiera en målgrupp baserat på de högsta 'n' % för en vald kategori.

Skapa decimalbaserade härledda datauppsättningar

Om du vill definiera decimalernas rangordning baserat på en viss dimension och ett motsvarande mått, måste ett schema utformas så att det går att dekorera spärrning.

I den här guiden används en datauppsättning om flygbolagets lojalitet för att visa hur frågetjänsten kan användas för att skapa deciler baserat på de engelska mil som följer av olika uppslagsperioder.

Använd frågetjänsten för att skapa decimaler

Med hjälp av frågetjänsten kan du skapa en datauppsättning som innehåller kategoriserade decilar, som sedan kan segmenteras för att skapa målgrupper baserat på attribueringsrankning. De begrepp som visas i följande exempel kan användas för att skapa andra datauppsättningar med decimalintervall, så länge som en kategori definieras och ett mätvärde är tillgängligt.

I exemplet med flygbolagets lojalitetsdata används en XDM ExperienceEvents-klass. Varje händelse är ett kvitto på en affärstransaktion för milage, antingen krediterad eller debiterad, och medlemskapets lojalitetsstatus för antingen "Flyer", "Frequent", "Silver" eller "Gold". Det primära identitetsfältet är membershipNumber.

Exempeldatauppsättningar

Den första datamängden för flygbolagets lojalitet i det här exemplet är"Airline Loyalty Data" och har följande schema. Observera att schemats primära identitet är _profilefoundationreportingstg.membershipNumber.

Exempeldata

I följande tabell visas exempeldata i objektet _profilefoundationreportingstg som används i det här exemplet. Den ger kontext för användning av decimalluckor för att skapa komplexa härledda datauppsättningar.

Generera decimaldatauppsättningar

I de data om flygbolagets lojalitet som visas ovan innehåller värdet .mileage antalet engelska mil som en medlem har följt för varje enskild flygning som utförs. Dessa data används för att skapa deciler för antalet engelska mil som flugit över livslängdslookback och en mängd olika lookback-perioder. Därför skapas en datauppsättning som innehåller deciler i en mappningsdatatyp för varje uppslagsperiod och en lämplig decimal för varje uppslagsperiod som tilldelats under membershipNumber.

Skapa ett"Airline Loyalty Decile Schema" om du vill skapa en decimaldatauppsättning med hjälp av Query Service.

Aktivera schemat för kundprofil i realtid

Data som hämtas till Experience Platform för användning av kundprofilen i realtid måste överensstämma med ett XDM-schema (Experience Data Model) som är aktiverat för profilen. För att ett schema ska kunna aktiveras för profilen måste det implementera antingen klassen XDM Individual Profile eller klassen XDM ExperienceEvent.

Aktivera ditt schema för användning i kundprofilen i realtid med API:t för schemaregister eller användargränssnittet för Schemaredigeraren. Detaljerade anvisningar om hur du aktiverar ett schema för profil finns i deras respektive dokumentation.

Skapa sedan en datatyp som ska återanvändas för alla decimalrelaterade fältgrupper. Skapandet av decimalfältgruppen är ett steg per sandlåda. Den kan också återanvändas för alla decimalrelaterade scheman.

Skapa ett identitetsnamnutrymme och markera det som primär identifierare identity-namespace

Alla scheman som skapas för användning med deciler måste ha en primär identitet tilldelad. Du kan definiera ett identitetsfält i Adobe Experience Platform Schemas-gränssnittet eller via API:t för schemaregister.

Med frågetjänsten kan du även ange en identitet eller en primär identitet för ad hoc-schemadatauppsättningsfält direkt via SQL. Mer information finns i dokumentationen om att ange en sekundär identitet och primär identitet i ad hoc-schemaidentiteter.

Skapa en fråga för att beräkna decimaler över en uppslagsperiod create-a-query

I följande exempel visas SQL-frågan för att beräkna en decimal över en uppslagsperiod.

En mall kan skapas antingen med hjälp av frågeredigeraren i användargränssnittet eller med API:t för frågetjänsten.

CREATE TABLE AS airline_loyality_decile
{  WITH summed_miles_1 AS (
        SELECT _profilefoundationreportingstg.membershipNumber AS membershipNumber,
            _profilefoundationreportingstg.loyaltyStatus AS loyaltyStatus,
            SUM(_profilefoundationreportingstg.mileage) AS totalMiles
        FROM airline_loyalty_data
        WHERE _profilefoundationreportingstg.transactionDate < (MAKE_DATE(YEAR(CURRENT_DATE), MONTH(CURRENT_DATE), 1) - MAKE_YM_INTERVAL(0, 0))
    GROUP BY 1,2
    ),
    summed_miles_3 AS (
        SELECT _profilefoundationreportingstg.membershipNumber AS membershipNumber,
            _profilefoundationreportingstg.loyaltyStatus AS loyaltyStatus,
            SUM(_profilefoundationreportingstg.mileage) AS totalMiles
        FROM airline_loyalty_data
        WHERE _profilefoundationreportingstg.transactionDate < (MAKE_DATE(YEAR(CURRENT_DATE), MONTH(CURRENT_DATE), 1) - MAKE_YM_INTERVAL(0, 1))
    GROUP BY 1,2
    ),
    summed_miles_6 AS (
        SELECT _profilefoundationreportingstg.membershipNumber AS membershipNumber,
            _profilefoundationreportingstg.loyaltyStatus AS loyaltyStatus,
            SUM(_profilefoundationreportingstg.mileage) AS totalMiles
        FROM airline_loyalty_data
        WHERE _profilefoundationreportingstg.transactionDate < (MAKE_DATE(YEAR(CURRENT_DATE), MONTH(CURRENT_DATE), 1) - MAKE_YM_INTERVAL(0, 4))
    GROUP BY 1,2
    ),
    rankings_1 AS (
        SELECT membershipNumber,
            loyaltyStatus,
            totalMiles,
            NTILE(10) OVER (PARTITION BY loyaltyStatus ORDER BY totalMiles DESC) AS decileBucket
        FROM summed_miles_1
    ),
    rankings_3 AS (
        SELECT membershipNumber,
            loyaltyStatus,
            totalMiles,
            NTILE(10) OVER (PARTITION BY loyaltyStatus ORDER BY totalMiles DESC) AS decileBucket
        FROM summed_miles_3
    ),
    rankings_6 AS (
        SELECT membershipNumber,
            loyaltyStatus,
            totalMiles,
            NTILE(10) OVER (PARTITION BY loyaltyStatus ORDER BY totalMiles DESC) AS decileBucket
        FROM summed_miles_6
    ),
    map_1 AS (
        SELECT membershipNumber,
            MAP_FROM_ARRAYS(COLLECT_LIST(loyaltyStatus), COLLECT_LIST(decileBucket)) AS decileMonth1
        FROM rankings_1
        GROUP BY membershipNumber
    ),
    map_3 AS (
        SELECT membershipNumber,
            MAP_FROM_ARRAYS(COLLECT_LIST(loyaltyStatus), COLLECT_LIST(decileBucket)) AS decileMonth3
        FROM rankings_3
        GROUP BY membershipNumber
    ),
    map_6 AS (
        SELECT membershipNumber,
            MAP_FROM_ARRAYS(COLLECT_LIST(loyaltyStatus), COLLECT_LIST(decileBucket)) AS decileMonth6
        FROM rankings_6
        GROUP BY membershipNumber
    ),
    all_memberships AS (
        SELECT DISTINCT _profilefoundationreportingstg.membershipNumber AS membershipNumber FROM airline_loyalty_data
    )
    SELECT STRUCT(
            all_memberships.membershipNumber AS membershipNumber,
            STRUCT(
                    map_1.decileMonth1 AS decileMonth1,
                    map_3.decileMonth3 AS decileMonth3,
                    map_6.decileMonth6 AS decileMonth6
            ) AS decilesMileage
        ) AS _profilefoundationreportingstg
    FROM all_memberships
        LEFT JOIN map_1 ON  (all_memberships.membershipNumber = map_1.membershipNumber)
        LEFT JOIN map_3 ON  (all_memberships.membershipNumber = map_3.membershipNumber)
        LEFT JOIN map_6 ON  (all_memberships.membershipNumber = map_6.membershipNumber)
    }

Granskning av fråga

Avsnitt i exempelfrågan granskas närmare nedan.

Återställningsperioder

Datatypen decile innehåller en bucket för 1, 3, 6, 9, 12 och livstidssökningar. Frågan använder uppslagsperioderna 1, 3 och 6 månader, så varje avsnitt innehåller några"upprepade" frågor för att skapa temporära tabeller för varje uppslagsperiod.

Aggregering

Använd vanliga tabelluttryck (CTE) för att samla ihop körsträckan innan du skapar decimalluckor. Detta anger det totala antalet mil för en specifik uppslagsperiod. CTE:er finns tillfälligt och kan bara användas inom omfånget för den större frågan.

summed_miles_1 AS (
    SELECT _profilefoundationreportingstg.membershipNumber AS membershipNumber,
           _profilefoundationreportingstg.loyaltyStatus AS loyaltyStatus,
           SUM(_profilefoundationreportingstg.mileage) AS totalMiles
    FROM airline_loyalty_data
    WHERE _profilefoundationreportingstg.transactionDate < (MAKE_DATE(YEAR(CURRENT_DATE), MONTH(CURRENT_DATE), 1) - MAKE_YM_INTERVAL(0, 0))
    GROUP BY 1,2
)

Blocket upprepas två gånger i mallen (summed_miles_3 och summed_miles_6) med en ändring i datumberäkningen för att generera data för de andra uppslagsperioderna.

Det är viktigt att notera identitets-, dimension- och måttkolumnerna för frågan (membershipNumber, loyaltyStatus respektive totalMiles).

Rankning

Med Deciles kan du utföra kategoriserad bucketning. Om du vill skapa rangordningsnumret används funktionen NTILE med parametern 10 i ett WINDOW som grupperas i fältet loyaltyStatus. Detta resulterar i en rankning från 1 till 10. Ange ORDER BY-satsen för WINDOW till DESC för att säkerställa att ett rangordningsvärde på 1 ges till det största-måttet i dimensionen.

rankings_1 AS (
    SELECT membershipNumber,
           loyaltyStatus,
           totalMiles,
           NTILE(10) OVER (PARTITION BY loyaltyStatus ORDER BY totalMiles DESC) AS decileBucket
    FROM summed_miles_1
)

Kartaggregering

Om du har flera uppslagsperioder måste du skapa dekorfärgskartor i förväg med funktionerna MAP_FROM_ARRAYS och COLLECT_LIST. I exempelfragmentet skapar MAP_FROM_ARRAYS en karta med ett par nycklar (loyaltyStatus) och värden (decileBucket)-arrayer. COLLECT_LIST returnerar en array med alla värden i den angivna kolumnen.

map_1 AS (
    SELECT membershipNumber,
           MAP_FROM_ARRAYS(COLLECT_LIST(loyaltyStatus), COLLECT_LIST(decileBucket)) AS decileMonth1
    FROM rankings_1
    GROUP BY membershipNumber
)

Unika identiteter

Listan med unika identiteter (membershipNumber) krävs för att skapa en unik lista över alla medlemskap.

all_memberships AS (
    SELECT DISTINCT _profilefoundationreportingstg.membershipNumber AS membershipNumber FROM airline_loyalty_data
)

Sammanfoga alla temporära data

Det sista steget är att sammanfoga alla temporära data till en form som är identisk med decimalstrukturen i fältgruppen.

SELECT STRUCT(
           all_memberships.membershipNumber AS membershipNumber,
           STRUCT(
                map_1.decileMonth1 AS decileMonth1,
                map_3.decileMonth3 AS decileMonth3,
                map_6.decileMonth6 AS decileMonth6
           ) AS decilesMileage
       ) AS _profilefoundationreportingstg
FROM all_memberships
    LEFT JOIN map_1 ON  (all_memberships.membershipNumber = map_1.membershipNumber)
    LEFT JOIN map_3 ON  (all_memberships.membershipNumber = map_3.membershipNumber)
    LEFT JOIN map_6 ON  (all_memberships.membershipNumber = map_6.membershipNumber)

Om bara livstidsdata är tillgängliga visas din fråga så här:

SELECT STRUCT(
           rankings.membershipNumber AS membershipNumber,
           STRUCT(
                MAP_FROM_ARRAYS(COLLECT_LIST(loyaltyStatus), COLLECT_LIST(decileBucket)) AS decileMonthAll
           ) AS decilesMileage
       ) AS _profilefoundationreportingstg
FROM rankings
GROUP BY rankings.membershipNumber

Ett samband mellan rangordningsnumret och percentilen garanteras i frågeresultatet på grund av användning av deciler. Varje rankning motsvarar 10 %, så att en målgrupp som baseras på de 30 högsta procenten bara behöver ha rankningarna 1, 2 och 3 som mål.

Kör frågemallen

Kör frågan för att fylla i decimaldatauppsättningen. Du kan också spara frågan som en mall och schemalägga den så att den körs vid en avslutning. När frågan sparas som en mall kan den också uppdateras för att använda det mönster för att skapa och infoga som refererar till kommandot table_exists. Mer information om hur du använder kommandot table_existsfinns i SQL-syntaxguiden.

Nästa steg

Exemplet visar hur man gör decimalbaserade härledda datauppsättningar tillgängliga i kundprofilen i realtid. På så sätt kan segmenteringstjänsten, antingen via ett användargränssnitt eller RESTful API, generera målgrupper baserat på dessa decimalgrupper. Se Översikt över segmenteringstjänsten för mer information om hur du skapar, utvärderar och får tillgång till segment.