Show Menu
SUJETS×

Utiliser des flux de données pour calculer des mesures courantes

Décrit la méthode de calcul de mesures courantes à l’aide de flux de données.
Les accès normalement exclus d’Adobe Analytics sont inclus dans les flux de données. Utilisez exclude_hit > 0 pour supprimer les accès exclus des requêtes sur des données brutes. Les données sources de données sont également incluses dans les flux de données. Si vous souhaitez exclure les sources de données, excluez toutes les lignes avec hit_source = 5,7,8,9 .

Pages vues

  1. Comptez le nombre de lignes où se trouve une valeur post_pagename ou post_page_url .

Visites

  1. Concaténer post_visid_high , post_visid_low , visit_num et visit_start_time_gmt .
  2. Comptez le nombre unique de valeurs.
Les irrégularités Internet, les irrégularités système ou l’utilisation d’identifiants visiteur personnalisés peuvent rarement utiliser les mêmes visit_num valeurs pour différentes visites. Utilisez-la visit_start_time_gmt lors du comptage des visites pour vous assurer que ces visites sont comptabilisées.

Visiteurs

Toutes les méthodes qu’Adobe utilise pour identifier les visiteurs uniques (identifiant visiteur personnalisé, service d’ID d’expérience Cloud, etc.) sont toutes, en fin de compte, calculées comme une valeur dans post_visid_high et post_visid_low . La concaténation de ces deux colonnes peut servir de norme pour identifier les visiteurs uniques, quelle que soit la manière dont ils ont été identifiés comme visiteurs uniques. Si vous souhaitez comprendre la méthode utilisée par Adobe pour identifier un visiteur unique, utilisez la colonne post_visid_type .
  1. Concaténer post_visid_high et post_visid_low .
  2. Comptez le nombre unique de valeurs.

Liens personnalisés, de téléchargement ou de sortie

  1. Comptez le nombre de lignes où :
    • post_page_event = 100 pour les liens personnalisés
    • post_page_event = 101 pour les liens de téléchargement
    • post_page_event = 102 pour les liens de sortie

Événements personnalisés

Toutes les mesures sont comptées dans la post_event_list colonne comme des entiers délimités par des virgules. Utilisez event.tsv pour faire correspondre des valeurs numériques à l’événement souhaité. Par exemple, post_event_list = 1,200 indique que l’accès contenait un événement d’achat et un événement personnalisé 1.
  1. Count the number of times the event lookup value appears in post_event_list .

Durée

Les accès doivent d’abord être regroupés par visite, puis classés en fonction du nombre d’accès au sein de la visite.
  1. Concaténer post_visid_high , post_visid_low , visit_num et visit_start_time_gmt .
  2. Triez par cette valeur concaténée, puis appliquez un tri secondaire par visit_page_num .
  3. Si un accès n’est pas le dernier d’une visite, soustrayez la post_cust_hit_time valeur de la post_cust_hit_time valeur de l’accès suivant.
  4. Ce nombre correspond au temps passé (en secondes) pour l’accès. Les filtres peuvent être appliqués pour se concentrer sur les valeurs de dimension ou les événements.

Commandes, unités et recettes

Si la currency valeur d’un accès ne correspond pas à la devise d’une suite de rapports, elle est convertie à l’aide du taux de conversion de ce jour. La colonne post_product_list utilise la valeur de devise convertie, de sorte que tous les accès utilisent la même devise dans cette colonne.
  1. Exclude all rows where duplicate_purchase = 1 .
  2. N’incluez que les lignes où event_list contient l’événement d’achat.
  3. Parcourez la post_product_list colonne pour extraire toutes les données de prix. La post_product_list colonne est formatée de la même manière que la s.products variable.
  4. Calculez la mesure de votre choix :
    • Compter le nombre de lignes pour calculer les commandes
    • Somme du nombre de quantity dans la chaîne de produit pour calculer les unités
    • Somme du nombre de price dans la chaîne de produit pour calculer les recettes