文件Customer Journey AnalyticsCustomer Journey Analytics 指南

共用裝置

Last update: Thu Oct 31 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

建立對象：

  • 管理員

本文提供共用裝置上的內容、如何使用拼接處理及緩解來自共用裝置的資料，以及使用查詢服務瞭解資料中的共用裝置曝光度。

什麼是共用裝置？

共用裝置是指由超過一個使用者使用的裝置。 常見的案例是平板電腦之類的裝置、資訊站中使用的裝置或呼叫中心代理程式共用的電腦裝置。

當兩個人使用同一部裝置且都進行購買時，範例事件資料可能如下所示：

事件
時間戳記
頁面名稱
裝置ID
電子郵件
1
2023-05-12 12:01
首頁
1234
2
2023-05-12 12:02
產品頁面
1234
3
2023-05-12 12:03
訂購成功
1234
ryan@a.com
4
2023-05-12 12:07
產品頁面
1234
5
2023-05-12 12:08
訂購成功
1234
cassidy@a.com

如表所示，一旦在事件3和5上執行驗證，裝置id和人員id之間就會開始形成連結。 若要瞭解任何行銷活動對個人層級的影響，這些未驗證事件必須歸因到正確的人員。

改善以人為中心的分析

彙整程式會將選取的人員識別碼（在範例資料中為電子郵件）新增至不存在該識別碼的事件，以解決此歸因問題。 拼接運用裝置ID和人員ID之間的對應，確保分析時可同時使用已驗證和未驗證的流量，並保持以人為中心。 如需詳細資訊，請參閱拼接。

拼接可以使用上次驗證歸因或裝置分割歸因來歸因共用裝置資料。 所有嘗試將未驗證事件拼接給已知使用者的行為都是非決定性的。

上次驗證歸因

上次驗證會將共用裝置中的所有未知活動，歸因於上次驗證的使用者。 Experience PlatformIdentity服務會根據上次驗證歸因建立圖表，因此會用於圖表式拚接。 如需詳細資訊，請參閱身分圖表連結規則總覽。

彙整使用上次驗證歸因時，彙整ID會解決問題，如下表所示。

時間戳記
頁面名稱
裝置ID
電子郵件
拼接的 ID
2023-05-12 12:01
首頁
1234
cassidy@a.com
2023-05-12 12:02
產品頁面
1234
cassidy@a.com
2023-05-12 12:03
訂購成功
1234
ryan@a.com
cassidy@a.com
2023-05-12 12:07
產品頁面
1234
cassidy@a.com
2023-05-12 12:08
訂購成功
1234
cassidy@a.com
cassidy@a.com
2023-05-13 11:08
首頁
1234
cassidy@a.com

裝置分割

裝置分割會將共用裝置的匿名活動歸因於最接近匿名活動的使用者。 裝置分割目前用於依欄位彙整。

在拼接中使用裝置分割歸因時，拼接ID會解析，如下表所示。

時間戳記
頁面名稱
裝置ID
電子郵件
拼接的 ID
2023-05-12 12:01
首頁
1234
ryan@a.com
2023-05-12 12:02
產品頁面
1234
ryan@a.com
2023-05-12 12:03
訂購成功
1234
ryan@a.com
ryan@a.com
2023-05-12 12:07
產品頁面
1234
ryan@a.com
2023-05-12 12:08
訂購成功
1234
cassidy@a.com
cassidy@a.com
2023-05-13 11:08
首頁
1234
cassidy@a.com

共用裝置曝光

請考慮數個因素，以正確瞭解共用裝置在您的組織中的普及程度。 此外，瞭解來自共用裝置的事件整體貢獻，有助於您瞭解對用於分析的整體事件資料的影響。

若要瞭解共用裝置的曝光度，您可以考慮執行下列查詢。

  1. 識別共用裝置

    若要瞭解共用的裝置數，請執行查詢，以計算與兩個或多個相關聯之人員ID的裝置ID。 這有助於識別多人使用的裝置。

    code language-sql 
    SELECT COUNT(*)
FROM (
  SELECT /* INSERT PERSISTENT FIELD HERE */ AS persistent_id,
      COUNT(DISTINCT /* INSERT TRANSIENT FIELD HERE */) AS transient_count
  FROM /* INSERT DATASET HERE */
  GROUP BY 1
)
WHERE transient_count > 1;

  2. 事件歸因至共用裝置

    針對已識別的共用裝置，決定總計中有多少事件可歸因於這些裝置。 此歸因可讓您深入瞭解共用裝置對您資料的影響，以及對於分析的影響。

    code language-sql 
    SELECT COUNT(*) AS total_events,
       COUNT(IF(shared_persistent_ids.persistent_id IS NOT NULL, 1, null)) shared_persistent_ids_events,
       (COUNT(IF(shared_persistent_ids.persistent_id IS NOT NULL, 1, null)) /
        COUNT(*)) * 100 AS shared_persistent_ids_events_percent
FROM (
  SELECT /* INSERT PERSISTENT FIELD HERE */ AS persistent_id,
         /* INSERT TRANSIENT FIELD HERE */ AS transient_id
  FROM /* INSERT DATASET HERE */
) events
LEFT JOIN (
  SELECT persistent_id
  FROM (
    SELECT /* INSERT PERSISTENT FIELD HERE */ AS persistent_id,
           COUNT(DISTINCT /* INSERT TRANSIENT FIELD HERE */) AS transient_count
    FROM /* INSERT DATASET HERE */
    GROUP BY 1
  )
  WHERE transient_count > 1
) shared_persistent_ids
ON events.persistent_id = shared_persistent_ids.persistent_id;

  3. 識別共用裝置上的匿名事件

    在歸因於共用裝置的事件中，找出多少沒有人員ID，以表示匿名事件。 您選擇用來增強資料品質的演演算法（例如last-auth、device-split或ECID-reset）會影響這些匿名事件。

    code language-sql 
    SELECT COUNT(IF(shared_persistent_ids.persistent_id IS NOT NULL, 1, null)) shared_persistent_ids_events,
       COUNT(IF(shared_persistent_ids.persistent_id IS NOT NULL AND events.transient_id IS NULL, 1, null)) shared_persistent_ids_anon_events,
       (COUNT(IF(shared_persistent_ids.persistent_id IS NOT NULL AND events.transient_id IS NULL, 1, null)) /
       COUNT(IF(shared_persistent_ids.persistent_id IS NOT NULL, 1, null))) * 100 AS shared_persistent_ids_anon_events_percent
FROM (
  SELECT /* INSERT PERSISTENT FIELD HERE */ AS persistent_id,
         /* INSERT TRANSIENT FIELD HERE */ AS transient_id
  FROM /* INSERT DATASET HERE */
) events
LEFT JOIN (
  SELECT persistent_id
  FROM (
    SELECT /* INSERT PERSISTENT FIELD HERE */ AS persistent_id,
           COUNT(DISTINCT /* INSERT TRANSIENT FIELD HERE */) AS transient_count
    FROM /* INSERT DATASET HERE */
    GROUP BY 1
  )
  WHERE transient_count > 1
) shared_persistent_ids
ON events.persistent_id = shared_persistent_ids.persistent_id;

  4. 根據事件錯誤分類計算曝光率

    最後，評估每位客戶因事件分類錯誤而可能面臨的曝光率。 計算每個共用裝置的匿名事件佔事件總數的百分比。 這有助於瞭解對客戶資料正確性的潛在影響。

    code language-sql 
    SELECT COUNT(*) AS total_events,
       COUNT(IF(shared_persistent_ids.persistent_id IS NOT NULL, 1, null)) shared_persistent_ids_events,
       (COUNT(IF(shared_persistent_ids.persistent_id IS NOT NULL AND events.transient_id IS NULL, 1, null)) /
        COUNT(*)) * 100 AS shared_persistent_ids_events_percent
FROM (
  SELECT /* INSERT PERSISTENT FIELD HERE */ AS persistent_id,
         /* INSERT TRANSIENT FIELD HERE */ AS transient_id
  FROM /* INSERT DATASET HERE */
) events
LEFT JOIN (
  SELECT persistent_id
  FROM (
    SELECT /* INSERT PERSISTENT FIELD HERE */ AS persistent_id,
           COUNT(DISTINCT /* INSERT TRANSIENT FIELD HERE */) AS transient_count
    FROM /* INSERT DATASET HERE */
    GROUP BY 1
  )
  WHERE transient_count > 1
) shared_persistent_ids
ON events.persistent_id = shared_persistent_ids.persistent_id;
recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79