Attribute des Nutzerprofils

Diese Seite dient als Referenz für die Standard- und angepassten Attributansichten in Snowflake. Es gibt drei Ansichten für Standardattribute und drei Ansichten für angepasste Attribute, die jeweils für einen bestimmten Anwendungsfall mit eigenen Performance-Überlegungen konzipiert wurden.

Datenparität mit dem Dashboard

In seltenen Fällen stimmen die Werte von Standard- und angepassten Attributen in den Snowflake-Ansichten auf dieser Seite möglicherweise nicht mit dem überein, was Sie im Nutzerprofil im Braze-Dashboard sehen.

Beispielsweise kann ein Attribut in Snowflake als NULL erscheinen, während das Dashboard einen Wert für diese:n Nutzer:in anzeigt.

Wenn Sie weitverbreitete Abweichungen feststellen, wenden Sie sich an Ihren Customer-Success-Manager oder den Braze Support.

Verfügbare Ansichten

Schnappschüsse von Nutzerprofilen

Diese Ansichten bieten regelmäßige Schnappschüsse der Attribute des Nutzerprofils. Die Daten werden um bis zu 12 Stunden verzögert, was sie für Abfragen nützlich macht, die keine Realtime-Updates erfordern.

• USER_DEFAULT_ATTRIBUTES_VIEW_SHARED
• USER_CUSTOM_ATTRIBUTES_VIEW_SHARED

Verwendung

• Liefert eine Momentaufnahme der Attribute von Nutzer:innen mit einer Verzögerung von bis zu 12 Stunden.
• Gute Performance bei Abfragen, die keine Realtime-Genauigkeit erfordern.
• Schnellere Abfrageausführung, insbesondere beim Filtern nach anderen Attributen als USER_ID.
• Einschränkung: Die Daten sind nicht in Realtime auf dem neuesten Stand.

Hinweis

Understanding date fields:

• TIME and TIME_MS: Represent the time the user profile update occurred in Braze (in seconds and milliseconds, respectively). For backfilled data, these values are the time of the backfill.
• SF_UPDATED_AT: Represents the time the data was last persisted in Snowflake. This field is most useful for determining data freshness—the time the row was most recently synced to your data warehouse.

USER_DEFAULT_ATTRIBUTES_VIEW_SHARED-Schema

USER_CUSTOM_ATTRIBUTES_VIEW_SHARED-Schema

Arbeiten mit CUSTOM_ATTRIBUTES

Die Spalte CUSTOM_ATTRIBUTES speichert alle Ihre angepassten Attribute als JSON-Objekt. Sie können auf einzelne Attribute über die JSON-Funktionen von Snowflake zugreifen.

Beispiel: Bestimmte angepasste Attribute abfragen

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
-- Get users with a specific loyalty tier
SELECT
  USER_ID,
  EXTERNAL_USER_ID,
  CUSTOM_ATTRIBUTES:loyalty_tier::STRING as loyalty_tier,
  CUSTOM_ATTRIBUTES:points::NUMBER as points
FROM USER_CUSTOM_ATTRIBUTES_VIEW_SHARED
WHERE CUSTOM_ATTRIBUTES:loyalty_tier::STRING = 'gold';

-- Get users who made a purchase above a certain amount
SELECT
  USER_ID,
  CUSTOM_ATTRIBUTES:last_purchase_amount::NUMBER as last_purchase_amount
FROM USER_CUSTOM_ATTRIBUTES_VIEW_SHARED
WHERE CUSTOM_ATTRIBUTES:last_purchase_amount::NUMBER > 100;

Beispiel: Daten angepasster Attribute analysieren

1
2
3
4
5
6
7
8
9
10
11
12
13
14
-- Count users by subscription status
SELECT
  CUSTOM_ATTRIBUTES:subscription_status::STRING as subscription_status,
  COUNT(*) as user_count
FROM USER_CUSTOM_ATTRIBUTES_VIEW_SHARED
GROUP BY CUSTOM_ATTRIBUTES:subscription_status::STRING;

-- Find average order value by customer segment
SELECT
  CUSTOM_ATTRIBUTES:customer_segment::STRING as segment,
  AVG(CUSTOM_ATTRIBUTES:lifetime_value::NUMBER) as avg_lifetime_value
FROM USER_CUSTOM_ATTRIBUTES_VIEW_SHARED
WHERE CUSTOM_ATTRIBUTES:customer_segment IS NOT NULL
GROUP BY CUSTOM_ATTRIBUTES:customer_segment::STRING;

Realtime-Ansichten des Nutzerprofils

Diese Ansichten bieten nahezu Realtime-Updates der Attribute des Nutzerprofils, wobei die Daten bis zu 10 Minuten nach einem Update in Braze verzögert werden.

• USER_LATEST_STATE_DEFAULT_ATTRIBUTES_VIEW_SHARED
• USER_LATEST_STATE_CUSTOM_ATTRIBUTE_VIEW_SHARED

Verwendung

• Liefert aktuelle Attribute der Nutzer:innen mit minimaler Verzögerung (~10 Minuten).
• Nützlich für Realtime-Analysen und Szenarien, in denen aktuelle Daten benötigt werden.
• Performance-Überlegungen:
  • Abfragen zu einzelnen Nutzer:innen sind schneller (unter einer Minute bei einem großen Warehouse).
  • Abfragen ohne USER_ID-Filter erfordern eine Aggregation über alle Nutzer:innen, was zu deutlich längeren Ausführungszeiten führt.
  • Abfragen eines großen Datensatzes (z. B. über 100 Millionen Nutzer:innen) können viele Minuten dauern.

Hinweis

Understanding date fields:

• TIME and TIME_MS: Represent the time the user profile update occurred in Braze (in seconds and milliseconds, respectively). For backfilled data, these values are the time of the backfill.
• SF_UPDATED_AT: Represents the time the data was last persisted in Snowflake. This field is most useful for determining data freshness—the time the row was most recently synced to your data warehouse.

USER_LATEST_STATE_DEFAULT_ATTRIBUTES_VIEW_SHARED-Schema

USER_LATEST_STATE_CUSTOM_ATTRIBUTE_VIEW_SHARED-Schema

Hinweis

Diese Ansicht verwendet den Typ OBJECT für CUSTOM_ATTRIBUTES anstelle von VARIANT. Verwenden Sie dieselbe JSON-Zugriffssyntax (:attribute_name::TYPE), um einzelne Attribute abzufragen.

Historische Änderungsprotokolle

Diese Ansichten speichern historische Änderungsprotokolle von Nutzerattributen, wobei Änderungen mit einer Granularität von 12 Stunden erfasst werden.

• USER_DEFAULT_ATTRIBUTES_HISTORY_VIEW_SHARED
• USER_CUSTOM_ATTRIBUTES_HISTORY_VIEW_SHARED

Verwendung

• Bietet eine Aufzeichnung historischer Änderungen an Nutzerattributen für einen rollierenden Zeitraum von 6 Monaten.
• Die Daten werden alle 12 Stunden in einem Snapshot festgehalten, d. h. mehrere Updates in diesem Fenster werden zu einem einzigen Datensatz zusammengefasst. Einzelne Änderungen innerhalb dieses Zeitraums werden nicht separat gespeichert.
• EFF_DT und END_DT markieren den Beginn und das Ende des Attribut-Status einer:eines Nutzer:in.

Hinweis

Understanding date fields:

• TIME and TIME_MS: Represent the time the user profile update occurred in Braze (in seconds and milliseconds, respectively). For backfilled data, these values are the time of the backfill.
• SF_UPDATED_AT: Represents the time the data was last persisted in Snowflake. This field is most useful for determining data freshness—the time the row was most recently synced to your data warehouse.

USER_DEFAULT_ATTRIBUTES_HISTORY_VIEW_SHARED-Schema

USER_CUSTOM_ATTRIBUTES_HISTORY_VIEW_SHARED-Schema

Häufige Anwendungsfälle

Nutzersegmente erstellen

1
2
3
4
5
6
7
8
9
10
11
12
13
-- Find active users in a specific city who haven't received an email recently
SELECT
  d.EXTERNAL_USER_ID,
  d.EMAIL_ADDRESS,
  d.HOME_CITY,
  c.CUSTOM_ATTRIBUTES:last_email_sent::TIMESTAMP as last_email_sent
FROM USER_DEFAULT_ATTRIBUTES_VIEW_SHARED d
JOIN USER_CUSTOM_ATTRIBUTES_VIEW_SHARED c
  ON d.USER_ID = c.USER_ID
WHERE d.HOME_CITY = 'New York'
  AND d.EMAIL_ADDRESS IS NOT NULL
  AND (c.CUSTOM_ATTRIBUTES:last_email_sent::TIMESTAMP < DATEADD(day, -30, CURRENT_TIMESTAMP())
       OR c.CUSTOM_ATTRIBUTES:last_email_sent IS NULL);

Nutzerverhalten im Zeitverlauf analysieren

1
2
3
4
5
6
7
8
9
10
-- Track how a user's loyalty tier changed over the past 6 months
SELECT
  USER_ID,
  CUSTOM_ATTRIBUTES:loyalty_tier::STRING as loyalty_tier,
  EFF_DT,
  END_DT
FROM USER_CUSTOM_ATTRIBUTES_HISTORY_VIEW_SHARED
WHERE USER_ID = 'user_123'
  AND EFF_DT >= DATEADD(month, -6, CURRENT_TIMESTAMP())
ORDER BY EFF_DT DESC;

Standard- und angepasste Attribute kombinieren

1
2
3
4
5
6
7
8
9
10
11
12
13
14
-- Get a complete user profile with both default and custom attributes
SELECT
  d.EXTERNAL_USER_ID,
  d.FIRST_NAME,
  d.LAST_NAME,
  d.EMAIL_ADDRESS,
  d.COUNTRY,
  c.CUSTOM_ATTRIBUTES:subscription_status::STRING as subscription_status,
  c.CUSTOM_ATTRIBUTES:lifetime_value::NUMBER as lifetime_value,
  c.CUSTOM_ATTRIBUTES:last_purchase_date::DATE as last_purchase_date
FROM USER_DEFAULT_ATTRIBUTES_VIEW_SHARED d
LEFT JOIN USER_CUSTOM_ATTRIBUTES_VIEW_SHARED c
  ON d.USER_ID = c.USER_ID
WHERE d.EXTERNAL_USER_ID = 'customer_456';

Hochwertige Kund:innen finden

1
2
3
4
5
6
7
8
9
10
11
12
-- Identify users with high lifetime value who are at risk of churning
SELECT
  d.EXTERNAL_USER_ID,
  d.EMAIL_ADDRESS,
  c.CUSTOM_ATTRIBUTES:lifetime_value::NUMBER as lifetime_value,
  c.CUSTOM_ATTRIBUTES:days_since_last_purchase::NUMBER as days_since_last_purchase
FROM USER_DEFAULT_ATTRIBUTES_VIEW_SHARED d
JOIN USER_CUSTOM_ATTRIBUTES_VIEW_SHARED c
  ON d.USER_ID = c.USER_ID
WHERE c.CUSTOM_ATTRIBUTES:lifetime_value::NUMBER > 1000
  AND c.CUSTOM_ATTRIBUTES:days_since_last_purchase::NUMBER > 90
ORDER BY c.CUSTOM_ATTRIBUTES:lifetime_value::NUMBER DESC;

Best Practices

Empfohlene Abfrageverwendung

Performance-Überlegungen

• Abfragen auf USER_DEFAULT_ATTRIBUTES_VIEW_SHARED oder USER_CUSTOM_ATTRIBUTES_VIEW_SHARED sollten bei großen Datensätzen (~1 Milliarde Nutzer:innen) in einem großen Warehouse in unter 10 Sekunden zurückkommen.
• Abfragen auf USER_LATEST_STATE_DEFAULT_ATTRIBUTES_VIEW_SHARED oder USER_LATEST_STATE_CUSTOM_ATTRIBUTE_VIEW_SHARED für einzelne Nutzer:innen kommen in unter einer Minute zurück, skalieren aber schlecht ohne USER_ID-Filterung.
• Abfragen bei über 100 Millionen Nutzer:innen auf USER_LATEST_STATE_DEFAULT_ATTRIBUTES_VIEW_SHARED oder USER_LATEST_STATE_CUSTOM_ATTRIBUTE_VIEW_SHARED können aufgrund der Aggregation pro Nutzer:in mehrere Minuten dauern.