Conjuntos de datos de evento combinados
Al crear una conexión, Customer Journey Analytics combina todos los esquemas y conjuntos de datos en un único conjunto de datos. Este "conjunto de datos de evento combinado" es lo que utiliza el Customer Journey Analytics para el sistema de informes. Cuando se incluyen varios esquemas o conjuntos de datos en una conexión:
- Los esquemas están combinados. Se combinan los campos de esquema duplicados.
- La columna 'ID de persona' de cada conjunto de datos se combina en una sola columna, independientemente de su nombre. Esta columna es la base de la identificación de personas únicas en Customer Journey Analytics.
- Las filas se procesan según la marca de tiempo.
- Los eventos se resuelven en el nivel de milisegundos.
Ejemplo
Consideremos el siguiente ejemplo. Tiene dos conjuntos de datos de eventos, cada uno con campos y datos diferentes.
example_idtimestampstring_colorstring_animalmetric_auser_3101 Jan 7:02 AMRedFoxuser_3101 Jan 7:04 AM2user_3101 Jan 7:08 AMBlue3user_8472 Jan 12:31 PMTurtle4user_8472 Jan 12:44 PM2different_idtimestampstring_colorstring_shapemetric_buser_8472 Jan 12:26 PMYellowCircle8.5user_8472 Jan 1:01 PMRedalternateid_6562 Jan 8:58 PMRedSquare4.2alternateid_6562 Jan 9:03 PMTriangle3.1Cuando se crea una conexión con estos dos conjuntos de datos de eventos, se utiliza la siguiente tabla para el sistema de informes.
idtimestampstring_colorstring_animalstring_shapemetric_ametric_buser_3101 Jan 7:02 AMRedFoxuser_3101 Jan 7:04 AM2user_3101 Jan 7:08 AMBlue3user_8472 Jan 12:26 PMYellowCircle8.5user_8472 Jan 12:31 PMTurtle4user_8472 Jan 12:44 PM2user_8472 Jan 1:01 PMRedalternateid_6562 Jan 8:58 PMRedSquare4.2alternateid_6562 Jan 9:03 PMTriangle3.1Este conjunto de datos de evento combinado es lo que se usa en el sistema de informes. No importa de qué conjunto de datos proviene una fila; Customer Journey Analytics trata todos los datos como si estuvieran en el mismo conjunto de datos. Si aparece una ID de persona coincidente en ambos conjuntos de datos, se consideran la misma persona única. Si en ambos conjuntos de datos aparece una ID de persona coincidente con una marca de tiempo en un lapso de 30 minutos, se considerarán parte de la misma sesión.
Este concepto también se aplica a la atribución. No importa de qué conjunto de datos proviene una fila; la atribución funciona exactamente como si todos los eventos procedieran de un único conjunto de datos. Ejemplo de uso de las tablas anteriores:
Si la conexión solo incluía la primera tabla y no la segunda, al extraer un informe con la string_color dimensión y la métrica metric_a mediante atribución de último contacto, se mostraría:
Sin embargo, si ha incluido ambas tablas en la conexión, la atribución cambia porque user_847 está en ambos conjuntos de datos. Una fila de los atributos del segundo conjunto de datos metric_a a 'Amarillo' donde no se habían especificado antes:
Análisis en canales múltiples
El siguiente nivel de combinación de conjuntos de datos es el análisis en canales múltiples, donde se combinan conjuntos de datos de diferentes canales, en función de un identificador común (ID de persona). El análisis en canales múltiples puede beneficiarse de la funcionalidad de vinculación, que le permite volver a escribir el ID de persona de un conjunto de datos para que el conjunto de datos se actualice correctamente y permita una combinación perfecta de varios conjuntos de datos. La vinculación busca los datos de usuario de las sesiones autenticadas y no autenticadas para generar un ID vinculado.
El análisis en canales múltiples le permite responder preguntas como las siguientes:
- ¿Cuántas personas comienzan su experiencia en un canal y luego la terminan en otro?
- ¿Cuántas personas interactúan con mi marca? ¿Cuántos y qué tipos de dispositivos utilizan? ¿Cómo se superponen?
- ¿Con qué frecuencia comienzan una tarea en un dispositivo móvil y luego se trasladan a un ordenador de escritorio para completarla? ¿Los clics de campaña que llegan a un dispositivo llevan a la conversión en otro dispositivo diferente?
- ¿Cómo cambia mi comprensión de la eficacia de la campaña si tengo en cuenta los recorridos entre dispositivos? ¿Cómo cambia mi análisis de embudo?
- ¿Cuáles son las rutas más comunes que los usuarios realizan de un dispositivo a otro? ¿En qué punto abandonan? ¿Dónde tienen éxito?
- ¿En qué se diferencia el comportamiento de los usuarios con varios dispositivos de los usuarios con un único dispositivo?
Para obtener más información sobre el análisis entre canales, consulte el caso de uso específico:
Para obtener una funcionalidad de vinculación de discusión más detallada, vaya a: