Show Menu
TÓPICOS×

Usar feeds de dados para calcular métricas comuns

Descreve como calcular métricas comuns usando feeds de dados.
As ocorrências normalmente excluídas do Adobe Analytics são incluídas nos feeds de dados. Use exclude_hit > 0 para remover ocorrências excluídas de consultas em dados brutos. Os dados obtidos também são incluídos nos feeds de dados. Se desejar excluir fontes de dados, exclua todas as linhas com hit_source = 5,7,8,9 .

Exibições de página

  1. Conte o número de linhas nas quais um valor está em post_pagename ou post_page_url .

Visitas

  1. Concatenar post_visid_high , post_visid_low , visit_num e visit_start_time_gmt .
  2. Conte o número exclusivo de valores.
Irregularidades na Internet, irregularidades no sistema ou o uso de IDs de visitante personalizados raramente podem usar os mesmos visit_num valores para diferentes visitas. Use visit_start_time_gmt ao contar visitas para garantir que essas visitas sejam contadas.

Visitantes

Todos os métodos que a Adobe usa para identificar visitantes únicos (ID de visitante personalizado, serviço da Experience Cloud ID etc.) são todos calculados como um valor em post_visid_high e post_visid_low . A concatenação dessas duas colunas pode ser usada como padrão para identificar visitantes únicos, independentemente de como eles foram identificados como um visitante único. Se você quiser entender qual método a Adobe usou para identificar um visitante único, use a coluna post_visid_type .
  1. Concatenar post_visid_high e post_visid_low .
  2. Conte o número exclusivo de valores.

Eventos personalizados

Todas as métricas são contadas na post_event_list coluna como números inteiros delimitados por vírgulas. Use event.tsv para corresponder valores numéricos ao evento desejado. Por exemplo, post_event_list = 1,200 indica que a ocorrência continha um evento de compra e um evento personalizado 1.
  1. Conte o número de vezes em que o valor de pesquisa do evento aparece em post_event_list .

Tempo gasto

As ocorrências devem primeiro ser agrupadas por visita e, em seguida, ordenadas de acordo com o número da ocorrência na visita.
  1. Concatenar post_visid_high , post_visid_low , visit_num e visit_start_time_gmt .
  2. Classifique por esse valor concatenado e aplique uma classificação secundária por visit_page_num .
  3. Se uma ocorrência não for a última em uma visita, subtraia o post_cust_hit_time valor do post_cust_hit_time valor da ocorrência subsequente.
  4. Esse número é a quantidade de tempo gasto (em segundos) para a ocorrência. Os filtros podem ser aplicados para focalizar valores de dimensão ou eventos.

Pedidos, unidades e receita

Se o currency valor de uma ocorrência não corresponder à moeda de um conjunto de relatórios, ele será convertido usando a taxa de conversão desse dia. A coluna post_product_list usa o valor da moeda convertida, de modo que todas as ocorrências usam a mesma moeda nesta coluna.
  1. Excluir todas as linhas nas quais duplicate_purchase = 1 .
  2. Incluir somente linhas nas quais event_list contém o evento compra.
  3. Analise a coluna post_product_list para extrair todos os dados de preço. A coluna post_product_list é formatada da mesma forma que a s.products variável.
  4. Calcule a métrica desejada:
    • Contar o número de linhas para calcular Pedidos
    • Soma o número de unidades na sequência de produtos quantity para calcular Unidades
    • Soma o número de price na string do produto para calcular a receita