前提条件

Product Analytics または RUM データからメトリクスを作成するには、アプリケーションに Datadog の クライアントサイド SDK がインストールされており、データがアクティブにキャプチャされている必要があります。SDK をまだ構成していない場合は、アプリケーションタイプを選択して開始します。

• Android および Android TV
• iOS と tvOS
• Browser (JavaScript)
• React Native

Product Analytics は、Real User Monitoring (RUM) と同じ SDK および構成を使用します。RUM のセットアップドキュメントを使用して SDK を構成した後、Product Analytics UI でメトリクスを作成します。

Product Analytics または RUM データを使用してメトリクスを作成する

実験用のメトリクスを作成するには、以下の手順を実行します。

1. Datadog Product Analytics の メトリクスページ に移動します。
2. Metrics タブを選択し、右上隅の Create Metric をクリックします。
3. Metric name を追加し、必要に応じて Description を追加します。
4. Metric definition セクションで、Select an event をクリックしてイベントピッカーを開きます。右側のチャートは、メトリクスを構成するとリアルタイムで更新されます。
   1. 特定のイベントを検索するか、By Type フィルターを使用してイベントタイプ別に参照します。
5. ドロップダウンから集計方法を選択します。デフォルトは Count of events です。
6. Add Filter をクリックして、追加のプロパティでメトリクスをフィルタリングします。
7. (オプション) Additional settings セクションで、以下を行います。
   1. このメトリクスが重要な意思決定のために承認されていることを示すには、Mark as certified をオンにします。これには、Product Analytics 認定メトリクス書き込み権限が必要です。
   2. 必要に応じて Experiment settings および Units を調整します。デフォルト設定は、ほとんどのユースケースに対応しています。
8. Save をクリックします。

フィルターを追加する

サービス、国、デバイスタイプなどの Event properties フィルターを選択して、メトリクスをフィルタリングできます。By Data Type フィルターを使用して、利用可能なプロパティのリストをタイプ (文字列やブール値など) で絞り込みます。

必要なプロパティが表示されない場合は、Custom property フィールドにプロパティ名 (例: @context.tracking) を入力し、Add をクリックします。

前提条件

ウェアハウスデータからメトリクスを作成するには、ウェアハウスを Datadog に接続 する必要があります。Datadog は、BigQuery、Databricks、Redshift、Snowflake をサポートしています。

ウェアハウスを接続した後、SQL モデルを作成してデータを Datadog にマッピングし、そのモデルを使用してメトリクスを作成します。

SQL モデルを作成する

SQL クエリを書き込んでデータを定義およびプレビューし、モデルを構成してデータを Datadog にマッピングします。

SQL を書き込む

まず、クエリを書き込んでデータを取得します。

1. Datadog Product Analytics の メトリクスページ に移動します。
2. Metric SQL Models タブを選択し、Create SQL Model をクリックします。
3. Write SQL セクションで、目的のデータを返す SQL クエリを入力します。SQL エディターは SELECT * FROM およびより高度な SQL ステートメントをサポートしています。
4. Run をクリックしてデータをプレビューします。

大規模なテーブルの場合は、SQL テンプレート変数 を使用して Datadog の日付フィルターをクエリにプッシュし、実行ごとにデータウェアハウスがスキャンするデータ量を削減します。

ウェアハウスデータを Datadog にマッピングする

データをプレビューした後、それを Datadog にマッピングします。Structure your model セクションで以下を行います。

1. Metric SQL Model Name を追加します (例: Revenue Orders)。
2. (オプション) この SQL モデルが重要な意思決定のために承認されていることを示すには、Mark as certified をオンにします。これには、Product Analytics 認定メトリクス書き込み権限が必要です。
3. ウェアハウステーブルの列を以下にマッピングします。
   • Timestamp column
     • メトリクスイベントに関連付けられたタイムスタンプをリストする列。
     • 分析には、対象が実験に登録された後に作成された行のみが含まれます。
   • Subject Type
     • Datadog が実験グループをランダムに割り当てるために使用する属性。
     • Subject Types ページで、サブジェクトタイプとそのデフォルトのウェアハウス列を定義できます。たとえば、個々のユーザーには user_id を、組織アカウントには org_id を使用できます。
   • Measures (オプション)
     • Datadog がメトリクスに集計できるウェアハウステーブルの数値列 (例: revenue または amount 列)。
     • 各 SQL モデルには、each record メジャーが自動的に含まれます。このメジャーを使用して、特定の実験サブジェクトについてテーブル内の関連する行数をカウントします。
4. Create Metric SQL Model をクリックして SQL モデルを保存します。

SQL モデルを使用してメトリクスを作成する

SQL モデルを作成したら、それを使用してメトリクスを作成します。

1. Datadog Product Analytics の メトリクスページ に移動します。
2. Metrics タブを選択し、右上隅の Create Metric をクリックします。
3. Metric name を追加し、必要に応じて Description を追加します。
4. Metric definition セクションで、Select an event をクリックしてイベントピッカーを開きます。右側のチャートは、メトリクスを構成するとリアルタイムで更新されます。
   1. 関連する SQL モデルを選択します。SQL モデルはそれぞれのソースの下に表示されます (例: Snowflake の下の Revenue Orders)。
5. ドロップダウンから集計方法を選択します。
6. (オプション) Additional settings セクションで、以下を行います。
   1. このメトリクスが重要な意思決定のために承認されていることを示すには、Mark as certified をオンにします。これには、Product Analytics 認定メトリクス書き込み権限が必要です。
   2. 必要に応じて Experiment settings および Units を調整します。デフォルト設定は、ほとんどのユースケースに対応しています。
7. Save をクリックします。