- Singular 데이터 대상에 대한 소개는 Singular 데이터 대상(ETL) FAQ를 참조하세요.
- 사용자 수준 데이터에 대한 데이터 스키마는 데이터 대상을 참조하십시오 : 사용자 수준 데이터 스키마를 참조하세요.
- 업데이트 [2022년 4월]: SKAdNetwork 데이터 스키마에서 skan_revenue 메트릭이 이전의 skan_estimated_revenue 메트릭을 대체했습니다. 마찬가지로, skan_roi가 skan_estimated_roi를 대체했습니다.
이제 skan_revenue에는 소스(IAP 또는 광고 월) 또는 전환 모델에 관계없이 획득한 모든 구매이 포함됩니다.
Singular 데이터 대상을 사용하는 경우, Singular는 소스의 데이터를 표준화하여 데이터 스키마에 맞춰 데이터베이스에서 쉽게 쿼리할 수 있도록 합니다.
Singular는 데이터 스키마를 선택할 수 있습니다. 각 스키마는 Singular 데이터 대상에서 데이터베이스에 로드할 서로 다른 기준 및 메트릭 집합을 정의합니다.
참고: 각 필드에 대한 자세한 내용은 Singular 메트릭 및 기준 용어집을 참조하세요.
데이터 스키마에는 네트워크, 어트리뷰션, 광고 구매화, SKAN 또는 웹 데이터 중한 가지 유형의 데이터만 포함할 수 있습니다. 아래 목록을 참고하여 필요에 가장 적합한 데이터 스키마를 선택하세요.
네트워크 데이터 스키마
네트워크 데이터 스키마에는 다양한 애드네트워크(예: 페이스북, 유니티 등)에서 가져온 집계 데이터가 포함됩니다.
캠페인 수준 및 네트워크 수준 최적화에 유용합니다. 데이터 공간을 작고 관리하기 쉽게 유지합니다.
Dimensions:
data_connector_source_name
data_connector_id
data_connector_username
data_connector_timestamp_utc
date
app
source
os
platform
country_field
adn_sub_adnetwork_ name
adn_account_id
adn_account_name
adn_campaign_id
adn_campaign_name
adn_sub_campaign_id
adn_sub_campaign_name
adn_campaign_url
Metrics:
adn_cost
adn_original_cost
adn_original_currency
adn_impressions
adn_clicks
adn_installs
검색 캠페인에 대한 키워드 수준 최적화를 지원합니다.
Dimensions:
data_connector_source_name
data_connector_id
data_connector_username
data_connector_timestamp_utc
date
app
source
os
platform
country_field
adn_sub_adnetwork_ name
adn_account_id
adn_account_name
adn_campaign_id
adn_campaign_name
adn_sub_campaign_id
adn_sub_campaign_name
adn_campaign_url
keyword_id
keyword
Metrics:
adn_cost
adn_original_cost
adn_original_currency
adn_impressions
adn_clicks
adn_installs
퍼블리셔 기반 입찰가, 화이트리스트, 블랙리스트를 최적화하는 데 도움이 됩니다. 대량의 데이터를 생성할 수 있습니다!
Dimensions:
data_connector_source_name
data_connector_id
data_connector_username
data_connector_timestamp_utc
date
app
source
os
platform
country_field
adn_sub_adnetwork_ name
adn_account_id
adn_account_name
adn_campaign_id
adn_campaign_name
adn_sub_campaign_id
adn_sub_campaign_name
adn_campaign_url
keyword_id
keyword
publisher_id
publisher_site_id
publisher_site_name
Metrics:
adn_cost
adn_original_cost
adn_original_currency
adn_impressions
adn_clicks
adn_installs
크리에이티브 기반 최적화를 지원합니다.
Dimensions:
data_connector_source_name
data_connector_id
data_connector_username
data_connector_timestamp_utc
date
app
source
os
platform
country_field
adn_sub_adnetwork_ name
adn_account_id
adn_account_name
adn_campaign_id
adn_campaign_name
adn_sub_campaign_id
adn_sub_campaign_name
adn_campaign_url
creative_type
adn_creative_id
adn_creative_name
creative_url
creative_image
creative_text
creative_width
creative_height
creative_is_video
asset_id
asset_name
Metrics:
adn_cost
adn_original_cost
adn_original_currency
adn_impressions
adn_clicks
adn_installs
어트리뷰션 데이터 스키마
이 스키마에는 Singular SDK(또는 SDK 대신 S2S를 사용하는 경우 S2S 이벤트)에서 가져온 집계된 데이터가 포함됩니다.
이러한 유형의 데이터에는 일반적으로 인스톨 및 구매과 같은 추가 인스톨 후 이벤트가 포함됩니다.
Dimensions:
data_connector_source_name
data_connector_id
data_connector_username
data_connector_timestamp_utc
date
app
source
os
platform
country_field
tracker_account_id
tracker_campaign_id
tracker_campaign_name //from the attribution provider
tracker_name
tracker_sub_campaign_id
tracker_sub_campaign_name
unified_campaign_name //combined from the network data (prioritized) and attribution provider. This field should be used to combine data with the data pulled from the networks
unified_campaign_id
Metrics:
revenue
tracker_impressions
tracker_clicks
tracker_installs
Cohorts: 1d, 7d, actual. Additional cohort periods can be added manually when setting up the data destination
광고 구매화 데이터 스키마
광고 구매을 추적하는 데 도움이 됩니다.
Dimensions:
data_connector_source_name
data_connector_id
data_connector_username
data_connector_timestamp_utc
date
etl_query_timestamp_utc
app
source
os
platform
ad_country
ad_type_id
ad_type_name
ad_placement_id
ad_placement_name
instance_id
instance_name
original_revenue_currency
Metrics:
ad_requests
ad_impressions
ad_clicks
ad_revenue
original_ad_revenue
SKAdNetwork 데이터 스키마
이 스키마는 SKAdNetwork 포스트백에서 수신한 SKAdNetwork 로데이터를 제공합니다.
두 스키마 모두 동일한 필드를 포함합니다. 차이점은 한 스키마에서는 주어진 날짜가 포스트백을 수신한 날짜인 반면, 다른 스키마에서는 Singular가 계산한 예상 설치 날짜라는 것입니다( Singular는 설치 날짜/어트리뷰션 날짜를 어떻게 계산하나요? 참조).
Dimensions:
app
country_field
data_connector_id
data_connector_source_name
data_connector_timestamp_utc
data_connector_username
date
etl_query_timestamp_utc
skan_app_id
skan_campaign_id
skan_conversion_value
skan_conversion_value_description
skan_digit_3
skan_digit_4
skan_network_id
skan_publisher_id
skan_redownloads
skan_source_domain
skan_unified_conversion_value
skan_validated
skan_version
skan_view_through
source
tracker_campaign_id
tracker_campaign_name
Metrics:
skan_conversion_values_count
skan_conversion_values_ratio
skan_installs
skan_p2_postbacks
skan_p3_postbacks
이 스키마는 디코딩된 SKAdNetwork 포스트백을 기반으로 한 SKAdNetwork 캠페인에 대한 데이터와 동일한 캠페인에 대한 네트워크 데이터(사용 가능한 경우)를 제공합니다.
두 스키마 모두 동일한 필드를 포함합니다. 차이점은 한 스키마에서는 포스트백이 수신된 날짜가 제공되지만, 다른 스키마에서는 Singular가 계산한 예상 설치 날짜가 제공된다는 점입니다( Singular는 설치 날짜/어트리뷰션 날짜를 어떻게 계산하나요? 참조).
Dimensions:
app
country_field
data_connector_id
data_connector_source_name
data_connector_timestamp_utc
data_connector_username
date
etl_query_timestamp_utc
skan_redownloads
skan_unified_publisher_id
skan_validated
skan_view_through
source
sub_campaign_id
sub_campaign_name
unified_campaign_id
unified_campaign_name
Metrics:
adn_cost
custom_clicks
custom_impressions
skan_admon_revenue
skan_combined_revenue
skan_conversion_values_count
skan_iap_revenue
skan_installs
skan_p2_postbacks
skan_p3_postbacks
skan_revenue
tracker_installs
이 두 스키마는 모델링된 SKAN 구매과 7d SKAN 구매을 포함한 Singular만의 고유한 SKAN 고급 애널리틱스 지표를 제공합니다. 자세한 내용은 SKAN 고급 애널리틱스 FAQ에서 확인하세요.
두 스키마 모두 동일한 필드를 포함하지만, 한 스키마의 날짜는 포스트백이 수신된 날짜인 반면 다른 스키마의 날짜는 Singular에서 계산한 예상 설치 날짜 입니다( 설치 날짜/어트리뷰션 날짜는 어떻게 계산하나요? 참조).
Dimensions:
app
data_connector_id
data_connector_source_name
data_connector_timestamp_utc
data_connector_username
date
etl_query_timestamp_utc
skan_redownloads
skan_validated
skan_view_through
source
sub_campaign_id
sub_campaign_name
unified_campaign_id
unified_campaign_name
Metrics:
adn_cost
custom_clicks
custom_impressions
modeled_skan_revenue
modeled_skan_revenue_7d
skan_conversion_values_count
skan_installs
skan_p2_postbacks
skan_p3_postbacks
skan_revenue
tracker_installs
연동 데이터 스키마
이 스키마는 유니파이드 보고서에서 사용할 수 있는 데이터를 제공합니다.
Dimensions:
app
source
unified_campaign_name
unified_campaign_id
Metrics:
adn_cost
custom_clicks
unified_installs
unified_revenue_1d
unified_revenue_7d
웹 데이터 스키마
이 스키마는 웹 캠페인에 대한 데이터를 제공합니다.
Dimensions:
adn_account_id
adn_account_name
adn_campaign_id
adn_campaign_name
adn_sub_campaign_id
adn_sub_campaign_name
app
country_field
data_connector_id
data_connector_source_name
data_connector_timestamp_utc
data_connector_username
date
etl_query_timestamp_utc
os
platform
source
utm_campaign
utm_content
utm_medium
utm_source
utm_term
Metrics:
adn_clicks
adn_cost
adn_impressions
adn_installs
new_visitors
re_engaged_visitors
revenue_actual
total_web_conversions
FAQ
나중에 데이터 스키마를 변경할 수 있나요?
데이터 대상을 생성하고 저장한 후에는 다른 데이터 스키마로 전환할 수 없습니다. 기존 데이터가 있는 라이브 데이터베이스의 테이블 구조를 변경하는 것은 여러 가지 위험과 복잡성을 수반하기 때문입니다.
데이터 스키마를 변경해야 하는 경우 새 대상을 만들면 됩니다. 새 대상을 만들기 전에 기존 테이블을 삭제하거나 다른 이름의 새 테이블에 데이터를 로드하도록 새 대상을 구성할 수 있습니다. 이 프로세스를 통해 데이터를 안전하게 유지하고 기존 쿼리 및 워크로드가 계속 작동하도록 할 수 있습니다.
사용자 지정 데이터 스키마를 만들 수 있나요?
예. 데이터 스키마를 선택하고 설정할 때 사용자 정의 기준과 사용자 정의 이벤트를 선택하여 스키마에 추가할 수 있습니다.
Singular는 프리미엄 고객을 위한 추가 사용자 지정을 지원합니다. Singular의 API에서 지원되는 모든 필드는 Singular 데이터 대상에서도 지원됩니다(전체 목록은 메트릭 및 기준 참조). 기존 스키마에 없는 특정 필드 조합이 필요한 경우, Singular 고객 성공 매니저와 논의하거나 Singular에 문의하세요.