Set di dati evento combinati

Quando crei una connessione, Customer Journey Analytics combina tutti gli schemi e i set di dati in un unico set di dati. Questo "set di dati evento combinato" è ciò che il Customer Journey Analytics utilizza per il reporting. Quando includi più schemi o set di dati in una connessione:

  • Gli schemi vengono combinati. I campi degli schemi duplicati vengono uniti.
  • La colonna “ID persona” di ciascun set di dati viene unita in una singola colonna, indipendentemente dal suo nome. Questa colonna è la base per identificare le persone univoche nel Customer Journey Analytics.
  • Le righe vengono elaborate in base alla marca temporale.
  • Gli eventi vengono risolti a livello di millisecondi.

Esempio

Prendi in considerazione l’esempio seguente. Ci sono due set di dati evento, ciascuno con campi diversi contenenti dati diversi.

NOTE
Adobe Experience Platform in genere memorizza la marca temporale in millisecondi Unix. In questo esempio, sono utilizzate data e ora per questioni di leggibilità.
example_id
timestamp
string_color
string_animal
metric_a
user_310
1 Jan 7:02 AM
Red
Fox
user_310
1 Jan 7:04 AM
2
user_310
1 Jan 7:08 AM
Blue
3
user_847
2 Jan 12:31 PM
Turtle
4
user_847
2 Jan 12:44 PM
2
different_id
timestamp
string_color
string_shape
metric_b
user_847
2 Jan 12:26 PM
Yellow
Circle
8.5
user_847
2 Jan 1:01 PM
Red
alternateid_656
2 Jan 8:58 PM
Red
Square
4.2
alternateid_656
2 Jan 9:03 PM
Triangle
3.1

Quando crei una connessione utilizzando questi due set di dati evento, per il reporting viene utilizzata la seguente tabella.

id
timestamp
string_color
string_animal
string_shape
metric_a
metric_b
user_310
1 Jan 7:02 AM
Red
Fox
user_310
1 Jan 7:04 AM
2
user_310
1 Jan 7:08 AM
Blue
3
user_847
2 Jan 12:26 PM
Yellow
Circle
8.5
user_847
2 Jan 12:31 PM
Turtle
4
user_847
2 Jan 12:44 PM
2
user_847
2 Jan 1:01 PM
Red
alternateid_656
2 Jan 8:58 PM
Red
Square
4.2
alternateid_656
2 Jan 9:03 PM
Triangle
3.1

Questo set di dati evento combinato è ciò che viene utilizzato nel reporting. Non importa da quale set di dati provenga una riga; il Customer Journey Analytics tratta tutti i dati come se fossero nello stesso set di dati. Se un ID persona corrispondente è presente in entrambi i set di dati, viene considerato la stessa persona univoca. Se un ID persona corrispondente è presente in entrambi i set di dati con una marca temporale entro 30 minuti, viene considerato parte della stessa sessione.

Questo concetto si applica anche all’attribuzione. Non importa da quale insieme di dati provenga una riga; l’attribuzione funziona esattamente come se tutti gli eventi provenissero da un singolo set di dati. Utilizzo delle tabelle precedenti in un esempio:

Se la connessione includesse solo la prima tabella e non la seconda, l’estrazione di un rapporto con la dimensione string_color e la metrica metric_a utilizzando l’attribuzione ultimo contatto apparirebbe così:

string_color
metric_a
Non specificato
6
Blu
3
Rosso
2

Tuttavia, se nella connessione includessi entrambe le tabelle, l’attribuzione sarebbe modificata poiché user_847 si trova in entrambi i set di dati. Una riga del secondo set di dati attribuisce metric_a a “Giallo”, in precedenza non specificato:

string_color
metric_a
Giallo
6
Blu
3
Rosso
2

Analisi cross-channel

Il livello successivo di combinazione dei set di dati è l’analisi cross-channel, in cui vengono combinati set di dati di canali diversi, in base a un identificatore comune (ID persona). L’analisi cross-channel può trarre vantaggio dalla funzionalità di unione, che consente di reimpostare l’ID persona di un set di dati in modo che il set di dati venga aggiornato correttamente per consentire una combinazione perfetta di più set di dati. L’unione esamina i dati utente provenienti da sessioni autenticate e non autenticate per generare un ID unico.

L’analisi cross-channel consente di rispondere a domande quali:

  • Quante persone iniziano la loro esperienza in un canale, poi la finiscono in un altro?
  • Quante persone interagiscono con il mio marchio? Quanti e quali tipi di dispositivi usano? Come si sovrappongono?
  • Con quale frequenza le persone iniziano un’attività su un dispositivo mobile e successivamente passano a un PC desktop per completare l’attività? I click-through di campagne che arrivano su un dispositivo portano a una conversione su un altro?
  • Quali informazioni aggiuntive sull’efficacia della campagna posso ottenere considerando i percorsi cross-device? Come cambia la mia analisi funnel?
  • Quali sono i percorsi più comuni seguiti dagli utenti per passare da un dispositivo all’altro? Dove decidono di lasciar perdere? Dove hanno successo?
  • In che modo gli utenti con più dispositivi differiscono da quelli con un solo dispositivo?

Per ulteriori informazioni sull’analisi cross-channel, consulta il caso d’uso specifico:

Per una funzionalità di unione delle discussioni più approfondita, vai a:

recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79