Data Views SFMC expliquées — sans SQL | QAiry
Salesforce Marketing Cloud • Data Views

Data Views SFMC
avec l'IA générative

Interrogez les Data Views système de SFMC en langage naturel. QAiry convertit votre question en SQL approprié, afin que les marketeurs et les équipes puissent accéder à des analyses fiables de performance et de délivrabilité — rapidement, et sans approximation.

Langage naturel → SQL Analyses de suivi & délivrabilité Surveillance de votre environnement Gratuit
Aperçu

Que sont les Data Views de SFMC ?

Les Data Views SFMC sont des tables système qui exposent des données opérationnelles et de suivi — statut des abonnés, envois, ouvertures, clics, rebonds, désabonnements, plaintes, et plus encore. Une Data View dans SFMC est en lecture seule et basée sur SQL, c'est pourquoi les équipes les associent à la segmentation d'audience par IA dans SFMC pour transformer les données de suivi brutes en actions. Essentielles pour l'analyse des performances et la surveillance de la délivrabilité, mais elles nécessitent généralement du SQL pour y accéder.

Vérité opérationnelle

Utilisez les données système — jobs, abonnés, événements de suivi — comme source fiable pour la mesure dans l'ensemble de votre environnement SFMC.

Reporting d'entreprise

Standardisez les KPI entre marques, BU et campagnes grâce à des définitions cohérentes issues des Data Views système.

Décisions plus rapides

Identifiez les problèmes — rebonds, plaintes, faible engagement — tôt et agissez en toute confiance en utilisant immédiatement les bonnes données.

Comment fonctionne QAiry

De la question à la requête — sans la friction du SQL

QAiry traduit le langage naturel en SQL SFMC, en sélectionnant les bonnes Data Views, clés de jointure et filtres pour que le résultat soit exploitable dans Automation Studio.

1) Posez la question en langage clair

Décrivez l'analyse dont vous avez besoin — santé des campagnes, engagement, délivrabilité ou performance des parcours. Plus de 80 langues prises en charge.

Quels domaines ont enregistré le taux de rebond définitif le plus élevé au cours des 7 derniers jours ? Répartition par domaine et total des rebonds.

2) QAiry génère un SQL conforme aux bonnes pratiques

QAiry produit un SQL aligné sur les modèles des Data Views SFMC — jointures JobID / SubscriberKey, logique d'ouvertures/clics uniques, filtrage de dates correct.

Donnez-moi un récapitulatif sur 7 jours par JobID : envois, ouvertures uniques, clics uniques, rebonds, désabonnements.

3) Utilisez le résultat immédiatement

La requête s'exécute dans Automation Studio et crée une Data Extension dans le dossier QAiry. Vous pouvez prévisualiser les résultats directement dans les tableaux de bord QAiry, puis programmer l'actualisation quotidienne de la Data Extension.

Data Views principales

Data Views courantes et exemples de prompts

Data Views fréquemment utilisées et prompts QAiry pratiques que vous pouvez exécuter pour répondre dès maintenant à de vraies questions opérationnelles.

_Subscribers

Identité et statut des abonnés — actif, suspendu, désabonné — ainsi que les compteurs opérationnels.

Listez les abonnés actifs avec leur adresse e-mail et leur statut.

_Job

Métadonnées des jobs d'envoi — objet, heures d'envoi, classification d'envoi. Utile pour les agrégations de reporting.

Affichez les 10 principaux envois par volume total le mois dernier (avec l'objet de l'e-mail).

_Sent

Événements d'envoi — la base des calculs de performance et des jointures d'engagement sur toutes les Data Views.

Combien d'e-mails ont été envoyés à Gmail par rapport à Outlook au cours des 30 derniers jours ?

_Open

Événements d'ouverture — uniques et totaux. Utilisez les ouvertures uniques pour une cohérence des KPI entre campagnes et équipes.

Quel e-mail a enregistré le taux d'ouverture unique le plus élevé hier ?

_Click

Événements de clic et performance au niveau des liens. Idéal pour l'optimisation du contenu et des CTA sur l'ensemble des envois.

Les 5 liens les plus cliqués au cours des 7 derniers jours par total de clics uniques.

_Bounce / _Complaint / _Unsubscribe

Signaux de délivrabilité et de santé de la liste — essentiels pour la gestion de la réputation d'expéditeur.

Quelles campagnes ont eu un taux de désabonnement supérieur à 0,3 % le mois dernier ?
Cas d'usage avancés

Analyses à fort impact exécutées chaque semaine par les équipes

Standardisez la surveillance de la délivrabilité et des performances entre les équipes grâce à des questions reproductibles et fiables.

Segments engagés

Identifiez les abonnés qui ont récemment ouvert ou cliqué, à des fins de reciblage ou de messagerie prioritaire — les mêmes signaux d'engagement que vous utilisez pour créer des audiences dynamiques dans SFMC.

Trouvez les abonnés qui ont cliqué au moins une fois au cours des 14 derniers jours.

Audiences de réengagement

Construisez des cohortes sans ouvertures ni clics sur une période définie pour exécuter des stratégies de reconquête efficaces. Associez cela au dédoublonnage des contacts dans SFMC pour garder vos listes propres.

Abonnés sans ouverture au cours des 90 derniers jours (excluez les nouveaux inscrits récents).

Surveillance de la délivrabilité

Repérez les domaines présentant des rebonds définitifs ou des taux de plaintes élevés et agissez rapidement pour protéger la réputation d'expéditeur.

Domaines avec un taux de rebond définitif supérieur à 1 % au cours des 7 derniers jours.
Reporting

Joignez automatiquement plusieurs Data Views

QAiry construit un reporting multi-vues en une seule étape — en combinant envois, ouvertures uniques, clics uniques et rebonds par JobID. C'est la base d'une surveillance cohérente de la santé des campagnes et des agrégations hebdomadaires de KPI.

Exemple de prompt

Générez un récapitulatif sur 7 jours par JobID : Total des envois, Ouvertures uniques, Clics uniques, Rebonds uniques, ainsi que le taux d'ouverture, le CTR et le taux de rebond.

Bonne pratique : utilisez _Sent comme base et calculez les uniques à partir de IsUnique = 1.

SQL généré

Voir l'exemple de SQL
SELECT
  s.JobID,
  MIN(s.EventDate)   AS FirstSendDate,
  COUNT(1)           AS TotalSends,
  COUNT(DISTINCT CASE WHEN o.IsUnique = 1 THEN o.SubscriberKey END) AS UniqueOpens,
  COUNT(DISTINCT CASE WHEN c.IsUnique = 1 THEN c.SubscriberKey END) AS UniqueClicks,
  COUNT(DISTINCT CASE WHEN b.IsUnique = 1 THEN b.SubscriberKey END) AS UniqueBounces,
  CAST(COUNT(DISTINCT CASE WHEN o.IsUnique = 1 THEN o.SubscriberKey END) AS FLOAT)
    / NULLIF(COUNT(1), 0) AS OpenRate,
  CAST(COUNT(DISTINCT CASE WHEN c.IsUnique = 1 THEN c.SubscriberKey END) AS FLOAT)
    / NULLIF(COUNT(1), 0) AS ClickThroughRate,
  CAST(COUNT(DISTINCT CASE WHEN b.IsUnique = 1 THEN b.SubscriberKey END) AS FLOAT)
    / NULLIF(COUNT(1), 0) AS BounceRate
FROM _Sent s
LEFT JOIN _Open   o ON s.JobID = o.JobID AND s.SubscriberKey = o.SubscriberKey
LEFT JOIN _Click  c ON s.JobID = c.JobID AND s.SubscriberKey = c.SubscriberKey
LEFT JOIN _Bounce b ON s.JobID = b.JobID AND s.SubscriberKey = b.SubscriberKey
WHERE s.EventDate >= DATEADD(day, -7, GETDATE())
GROUP BY s.JobID;

Remarque : les Data Views de suivi ont des limites de rétention ; planifiez les agrégations en conséquence.

Data Extension de sortie (exemple)

Exemples de lignes de la DE cible après l'exécution de la Query Activity.

DE cible Clé primaire : JobID
JobID FirstSendDate TotalSends UniqueOpens UniqueClicks UniqueBounces OpenRate CTR BounceRate
8210452026-02-03 09:12125,40049,87010,9421,50639.77%8.72%1.20%
8210462026-02-04 08:5598,12034,6407,1052,06035.30%7.24%2.10%
8211022026-02-06 10:05210,88092,34017,9901,26543.79%8.53%0.60%
8211402026-02-08 07:4075,60021,1403,2101,96527.96%4.25%2.60%

Commencez à utiliser vos Data Views SFMC

QAiry est gratuit. Connectez-vous, posez vos questions et obtenez les analyses SFMC dont votre équipe a besoin — sans écrire une seule ligne de SQL.