Fullstory Ready To Analyze

Fullstory Ready to Analyze Views are the latest method of getting behavioral data from Fullstory that is transformed for Business Intelligence use cases. This approach utilizes an industry-standard schema (often referred to as "Silver schema") organized into Fact, Dimension, and Sub-dimension tables.

<p><br/></p>

All data in this listing is synthetic data generated from a demo e-commerce website.

<p><br/></p>

**Expected Workflow**:

- Activate this free sample dataset
- Identify the FULLSTORY_DEMO_DATA schema in your Snowflake database
- Query to understand the data model and all the experience events being captured

<p><br/></p>

**What is Fullstory Data?**

Unlike traditional analytics that only tell you *what* happened, Fullstory data reveals the *how* and *why* of user behavior. This comprehensive view is made possible by capturing and organizing every interaction and micro-moment into a query-ready format.

- **Granular Interaction Data:** Go beyond pageviews and clicks to analyze every scroll, highlight, frustration signal (like rage clicks), and technical event (like network performance or console errors) to get a complete picture of the user experience.
- **Rich Context:** Every event is enriched with hundreds of contextual properties, including device type, browser, location, and session-level information, powering everything from real-time alerting to advanced AI and machine learning models for churn prediction or conversion likelihood.

原始信息汇总

Fullstory Ready To Analyze 数据集概述

数据集基本信息

• 数据集名称: Fullstory Ready To Analyze
• 提供商: Fullstory
• 访问权限: 免费
• 访问模式: 无限访问
• 数据刷新频率: 每小时
• 地理覆盖范围: 全球（按经纬度）
• 云区域可用性 (AWS): 包括非洲（开普敦）、亚太（雅加达）、亚太（孟买）、亚太（大阪）等超过50个区域。
• 法律条款: 标准条款

数据集描述

Fullstory Ready to Analyze Views 是获取 Fullstory 行为数据的最新方法，这些数据经过转换，适用于商业智能用例。此方法采用行业标准模式（通常称为“Silver schema”），组织成事实表、维度表和子维度表。

• 此列表中的所有数据均生成自一个演示电子商务网站的合成数据。
• 与仅揭示发生了什么的传统分析不同，Fullstory 数据揭示了用户行为的方式和原因。通过捕获并将每次交互和微时刻组织成可查询的格式，实现了这种全面的视图。

数据特点

• 细粒度交互数据: 超越页面浏览量和点击量，分析每一次滚动、高亮、沮丧信号（如愤怒点击）和技术事件（如网络性能或控制台错误），以获取完整的用户体验视图。
• 丰富的上下文: 每个事件都丰富了数百个上下文属性，包括设备类型、浏览器、位置和会话级别信息，为从实时警报到用于流失预测或转化可能性的高级人工智能和机器学习模型的一切提供支持。

预期工作流程

1. 激活此免费样本数据集。
2. 在您的 Snowflake 数据库中识别 FULLSTORY_DEMO_DATA 模式。
3. 进行查询以了解数据模型和捕获的所有体验事件。

业务需求应用场景

360度客户视图

创建可信的客户生命周期 360° 视图。通过关键业务数据、Fullcapture 会话信号甚至自定义的沮丧信号，将匿名行为与已知的登录后活动相结合。将 Google Analytics 等工具的“发生了什么”与“方式”和“原因”结合起来。

• 业务影响（收入与成本）: 最大化营销投资回报率。通过成功将登录前行为归因于高价值客户，可以减少在重新定位现有用户上的广告浪费，并通过识别导致更快销售周期的早期转化信号来增加收入。

个性化客户体验

通过将 Fullstory 丰富的行为洞察与您的 CRM、CDP 和交易数据相结合，超越人口统计信息。根据用户的实际行为（而不仅仅是他们是谁）来个性化消息、产品优惠或支持。识别高价值用户在入职时何时遇到困难，并实时触发定向外联，从而提高参与度和留存率。

• 业务影响（收入）: 提升生命周期价值。从人口统计个性化转向行为个性化直接与收入增长相关。主动解决高价值用户的摩擦可以防止流失，而基于行为的优惠可以显著提高交叉销售和向上销售的转化率。

机器学习

使用细粒度用户行为的综合数据集训练您的 AI 计划。利用这些丰富的行为数据来构建精确的流失预测、客户生命周期价值或转化可能性模型。使您的 AI 能够识别复杂的历史模式并自动化洞察，从而大规模推动主动策略和个性化体验。

• 业务影响（风险缓解与AI战略）: 降低 AI 计划风险。AI 模型的成功完全取决于训练数据的质量。通过使用 Fullstory 高保真、结构化的行为数据，您可以消除“垃圾进，垃圾出”的风险，确保您的预测模型准确、可靠，并能带来真正的竞争优势。

数据字典与预览

数据模式包含以下对象（示例）：

• CLICKS
• CUSTOM_EVENTS
• EVENTS
• SOURCE_PROPERTIES
• USERS
• （+ 30 个对象）

数据预览（示例列）

• EVENT_ID: Varchar
• EVENT_TIME: Timestamp_NTZ
• UPDATED_TIME: Timestamp_NTZ
• PROCESSED_TIME: Timestamp_NTZ
• USER_ID: Varchar
• SESSION_ID: Varchar
• VIEW_ID: Varchar
• FS_ERROR_KIND: Varchar
• FS_RAGE_COUNT: Number
• FS_DEAD_COUNT: Number
• IS_CLICK_LONG: Boolean
• IS_CLICK_UNHANDLED: Boolean
• TARGET_RAW_SELECTOR: Varchar
• TARGET_TEXT: Varchar
• TARGET_MASKED: Boolean

使用示例

1. 唯一用户数: select count(distinct id) from FULLSTORY_DEMO_DATA.users;
2. 唯一页面浏览量: select count(distinct event_id) from FULLSTORY_DEMO_DATA.page_views;
3. 唯一会话数: select count(distinct session_id) from FULLSTORY_DEMO_DATA.events;
4. 会话回放链接: select https://app.fullstory.com/ui/{your org id}/session/||session_id as session_replay_url from FULLSTORY_DEMO_DATA.events
5. 会话回放中特定时刻的链接: select https://app.fullstory.com/ui/{your org id}/session/||session_id||:|| DATE_PART(epoch_millisecond, to_timestamp_ntz(event_time)) as session_replay_url from FULLSTORY_DEMO_DATA.events
6. 按浏览器分组的南卡罗来纳州注册按钮点击次数: sql select source_properties.user_agent_browser as user_agent_browser, count(*) from FULLSTORY_DEMO_DATA.clicks left join FULLSTORY_DEMO_DATA.source_properties on clicks.event_id = source_properties.event_id where clicks.target_text = Sign Up and source_properties.location_region = SC group by user_agent_browser

分类

• 360-Degree Customer View
• AI & ML
• Analytics Tools
• Cortex AI Ready
• Machine Learning
• Personalize Customer Experiences

联系信息

• 销售: [e-mail]
• 支持: [e-mail]

关于 Fullstory

Fullstory 的行为数据平台帮助技术领导者做出更好、更明智的决策。通过将数字行为数据注入其分析堆栈，其专利技术解锁了大规模高质量行为数据的力量——将每次数字访问转化为可操作的见解。