建立事件的趨勢報表
本檔案提供依日期在特定日期範圍內建立事件趨勢報表所需SQL的範例。 使用Adobe Experience Platform查詢服務，您可以撰寫使用Experience Events來擷取各種使用案例的查詢。 體驗事件由體驗資料模型(XDM) ExperienceEvent類別表示，可在使用者與網站或服務互動時，擷取系統不可變且非彙總的快照。 體驗事件甚至可用於時間網域分析。 請參閱後續步驟一節，瞭解更多涉及Experience Events產生訪客報表的使用案例。
報表可讓您存取Experience Platform資料，以受益於組織的策略業務見解。 透過這些報表，您可以透過多種方式檢查Experience Platform資料、以簡單易懂的格式顯示關鍵量度，以及分享成果見解。
有關XDM和Experience Events的更多資訊可在XDM System 總覽中找到。 結合查詢服務與Experience Events，您就能有效追蹤使用者之間的行為趨勢。 下列檔案提供涉及Experience Events的查詢範例。
目標
下列範例會建立指定日期範圍內之事件的趨勢報表，依日期分組。 具體來說，這個SQL範例將各種分析值加總為A、B和C，然後加總一個月期間檢視公園的次數。
在Experience Event資料集中找到的時間戳記資料行是UTC格式。 此範例使用from_utc_timestamp()函式將時間戳記從UTC轉換為EDT，然後使用date_format()函式將日期與時間戳記的其餘部分隔離。
SELECT
date_format( from_utc_timestamp(timestamp, 'EDT') , 'yyyy-MM-dd') as Day,
SUM(web.webPageDetails.pageviews.value) as pageViews,
SUM(_experience.analytics.event1to100.event1.value) as A,
SUM(_experience.analytics.event1to100.event2.value) as B,
SUM(_experience.analytics.event1to100.event3.value) as C,
SUM(
CASE
WHEN _experience.analytics.customDimensions.evars.evar1 = 'parkas'
THEN 1
ELSE 0
END) as viewedParkas
FROM your_analytics_table
WHERE TIMESTAMP >= to_timestamp('2019-03-01') AND TIMESTAMP <= to_timestamp('2019-03-31')
GROUP BY Day
ORDER BY Day ASC, pageViews DESC;
此查詢的結果如下所示。
Day | pageViews | A | B | C | viewedParkas
-------------+-----------+--------+-------+---------+--------------
2019-03-01 | 55317.0 | 8503.0 | 804.0 | 1578.0 | 73
2019-03-02 | 55302.0 | 8600.0 | 854.0 | 1528.0 | 86
2019-03-03 | 54613.0 | 8162.0 | 795.0 | 1568.0 | 100
2019-03-04 | 54501.0 | 8479.0 | 832.0 | 1509.0 | 100
2019-03-05 | 54941.0 | 8603.0 | 816.0 | 1514.0 | 73
2019-03-06 | 54817.0 | 8434.0 | 855.0 | 1538.0 | 76
2019-03-07 | 55201.0 | 8604.0 | 843.0 | 1517.0 | 64
2019-03-08 | 55020.0 | 8490.0 | 849.0 | 1536.0 | 99
2019-03-09 | 43186.0 | 6736.0 | 643.0 | 1150.0 | 52
2019-03-10 | 48471.0 | 7542.0 | 772.0 | 1272.0 | 70
2019-03-11 | 56307.0 | 8721.0 | 818.0 | 1571.0 | 81
2019-03-12 | 55374.0 | 8653.0 | 843.0 | 1501.0 | 59
2019-03-13 | 55046.0 | 8509.0 | 887.0 | 1556.0 | 65
2019-03-14 | 55518.0 | 8551.0 | 848.0 | 1516.0 | 77
2019-03-15 | 55329.0 | 8575.0 | 818.0 | 1607.0 | 96
2019-03-16 | 55030.0 | 8651.0 | 815.0 | 1542.0 | 66
2019-03-17 | 55143.0 | 8435.0 | 774.0 | 1572.0 | 65
2019-03-18 | 54065.0 | 8211.0 | 816.0 | 1574.0 | 111
2019-03-19 | 55097.0 | 8395.0 | 771.0 | 1498.0 | 86
2019-03-20 | 55198.0 | 8472.0 | 863.0 | 1583.0 | 82
2019-03-21 | 54978.0 | 8490.0 | 820.0 | 1580.0 | 83
2019-03-22 | 55464.0 | 8561.0 | 820.0 | 1559.0 | 83
2019-03-23 | 55384.0 | 8482.0 | 800.0 | 1139.0 | 82
2019-03-24 | 55295.0 | 8594.0 | 841.0 | 1382.0 | 78
2019-03-25 | 42069.0 | 6365.0 | 606.0 | 1509.0 | 62
2019-03-26 | 49724.0 | 7629.0 | 724.0 | 1553.0 | 44
2019-03-27 | 55111.0 | 8524.0 | 804.0 | 1524.0 | 94
2019-03-28 | 55030.0 | 8439.0 | 822.0 | 1554.0 | 73
2019-03-29 | 55281.0 | 8601.0 | 854.0 | 1580.0 | 73
2019-03-30 | 55162.0 | 8538.0 | 846.0 | 1534.0 | 79
2019-03-31 | 55437.0 | 8486.0 | 807.0 | 1649.0 | 68
(31 rows)
後續步驟 next-steps
閱讀本檔案可讓您更瞭解如何將查詢服務與Experience Events搭配使用，以有效追蹤使用者中的行為趨勢。
若要瞭解使用Experience Events的其他訪客型使用案例，請閱讀下列檔案：