1. SoftwareAdobeAnalyzing Data med Adobe Analytics: Hvor dataene kommer fra
Adobe Analytics til dummies

Af David Karlins

Du ved muligvis ikke dette, men Adobe Analytics-brugere udfører dataanalyse på ting ud over deres websteder. Adobe indfanger også data på deres kunders vegne i mobile apps, tablet-apps og meget mere. Plus, Adobe har indbygget betydelig fleksibilitet i Adobe Analytics til at håndtere en mere digitalt tilsluttet forbrugerverden, der problemfrit skifter fra stemmeassistent til telefon til bærbar computer.

Adobe Analytics datakilder

Opfattelser af arten af ​​dataanalyse blev defineret i populærkulturområdet af Jonah Hill-karakteren i filmadaptionen af ​​bogen Moneyball. I den rigtige historie lykkedes et baseballhold på små markeder (Oakland A'erne) dramatisk at overgå hold med meget større lønningslister ved innovativt at identificere og handle for at erhverve underprisede spillere baseret på statistiske mål for en spillers effektivitet ud over og på mange måder gå imod traditionelle beregninger, såsom kæmpe gennemsnit, hjemmekørsler pr. sæson og RBIs (kørsler kæmpet ind).

Siden den film kom ud, er der kommet nye og stadig mere komplekse udfordringer med at indsamle og analysere data. (Se denne artikel for at få flere oplysninger om datatendenser.)

For eksempel har brugere af online-enheder været betinget af, at de hurtigt kan navigere fra et sted til et andet, hvilket kræver mere nuancerede og detaljerede målinger for nøjagtigt at spore brugeraktivitet. Og brugerne er i stigende grad bevidste om privatlivets overvejelser og træffer mere informerede beslutninger om, hvordan de vil administrere forholdet mellem bekvemmeligheden ved at få deres aktivitet sporet i forhold til at opretholde fortrolighed i deres online aktivitet.

På den anden side af dataanalysemønten findes der langt flere kilder til brugerdata end for kun få år siden. I dag har Adobe en række mekanismer til at importere information til dataanalyse fra digitalt frakoblede kilder, såsom callcentre, CRM-systemer (customer relations management) og handelsmotorer i butikken.

Før du dykker ned i detaljerne om, hvordan data indsamles, er det vigtigt at forstå, at indsamling af data og pumpning af dem i Adobe Analytics normalt ikke er domænet for dataanalytikere. Dit job som analytiker er at godt analysere de data, der er indsamlet fra brugeraktivitet.

Men den følgende grundlæggende oversigt over, hvordan data indsamles, er vigtig for analytikere af to grunde. For det første er det godt at vide, hvor data kommer fra, når du vil vurdere deres gyldighed; og to, ved at have et grundlæggende greb om processen med at udvinde og sende data til Adobe Analytics giver du dig mulighed for at have mere produktive interaktioner med de mennesker, der opsætter værktøjer, der udtrækker data.

Brug af Adobe Analytics til at indsamle data fra websteder

Lad os starte med den mest almindelige Adobe Analytics-datakilde: websteder. Webdata blev oprindeligt analyseret baseret på serverlogfiler. Serverlog-data genereres automatisk af servere, der er vært for websteder og giver en tælling og tidsstempel for hver anmodning og download af hver fil på webstedet. Desværre er dataene meget upålidelige, fordi serverlogfiler ikke har mulighed for at skelne bots fra mennesker.

Bots er automatiserede computere, der scanner websteder. Disse bots er ofte venlige og bruges til at rangere websteder til søgemaskiner eller websteder med produktaggregatorer. Nogle bots er imidlertid uvenlige og bruges til konkurrencedygtige intel eller værre.

Da serverlogfiler ikke kan fortælle et menneske fra en bot, migrerede branchen hurtigt til tags, som nu er branchestandarden. Generelt er tags JavaScript-baserede kodelinjer, der føjer et usynligt billede til hver side og handling på dit websted. Disse billeder fungerer som et fyrtårn til analyseværktøjer, hvor flere ting sker på bare et par millisekunder:

  1. JavaScript-kode kører for at identificere browser- og enhedsoplysninger samt tidsstempel for sidevisningen. Mere JavaScript-kode kører for at se efter eksistensen af ​​en cookie, som er et stykke tekst gemt i en browser. Cookies kan kun fås adgang til af de domæner, der indstiller dem og har ofte en udløbsdato. Hvis det findes, udvindes et besøgende-ID fra cookien for at identificere brugeren på tværs af besøg og sider. Hvis et besøgende-id ikke findes, oprettes en unik ID og indstilles i en ny cookie. Disse ID'er er unikke for hver besøgende, men er ikke forbundet med en brugers personlige data, hvilket giver et mål for privatlivets fred for brugerne. Mere JavaScript bruges til at fange oplysninger om siden: URL'en, referencen og en række tilpassede dimensioner, der identificerer den besøgende's handling og opførsel.

Efter alt, hvad JavaScript-logikken kører, genereres billedfyret for at sende data til indsamlings- og behandlingsmotoren i Adobes analyse.

Intimiderende er det ikke? Det var sådan, webudviklere følte. Da webanalyse først kom på scenen, lærte et af de hårdeste job at udvikle, hvordan man skriver og testede alt dette JavaScript for at sikre, at vores tags blev fyret nøjagtigt. Lærer udviklere at udvikle sig - ikke et sjovt job.

Heldig for os kom en endnu smartere udvikler med en idé om at flytte alt det JavaScript til en enkelt brugergrænseflade (brugergrænseflade). webudviklere måtte kun tilføje en eller to kodelinjer til hver side på webstedet, og marketingmedarbejderen kunne derefter administrere deres tags i denne nye platform kaldet et tag management system eller TMS. Det tog ikke lang tid, før taghåndteringsindustrien eksploderede, hvilket førte til snesevis af leverandører og derefter overtagelser, fusioner og teknologiske drejepunkter.

Den gode nyhed er, at branche til tagadministrationssystem er blevet kommoditiseret og er tilgængeligt gratis fra Adobe i form af Dynamic Tag Manager (DTM) og Adobe Launch. Du er muligvis allerede bekendt med Googles TMS, Google Tag Manager eller en af ​​de uafhængige TMS-afspillere som Tealium, Ensighten eller Signal.

Chancerne er, at din virksomhed allerede bruger en af ​​disse teknologier til at implementere marketing tags på dit websted. Alle af dem kan implementere Adobe Analytics, selvom Adobes anbefaling om bedste praksis er at bruge Adobe Launch.

Brug af Adobe Analytics til at indsamle data fra mobile enheder

Hvis standardwebsteder, der leveres til en bærbar computer, er det naturlige sted at starte med vores diskussion om dataindsamling, er det logiske næste trin at flytte til en mindre mobilskærm.

Du ved muligvis allerede, at mobile websteder på dette stadie i udviklingen af ​​webdesign fungerer fuldt ud fungerende websider, ikke eftertænkte vedhæng til laptop, desktop eller store skærmwebsteder. Disse mindre skalaer oprettes ved hjælp af en tilgang til webudvikling kaldet responsivt design, hvor koden, der bruges til at oprette webstedsindhold, er den samme uanset størrelsen på webbesøgendes skærm og browser. Din virksomhed udnytter sandsynligvis allerede responsivt design.

Når der anvendes responsivt design, skal de samme tags, der skyder på desktopwebstedet, fungere på mobil- og tabletoptimerede websteder, fordi de stort set er de samme ting, hvilket er gode nyheder i tagadministrationsverdenen. Imidlertid er verdenen med responsive design-baserede mobile apps helt anderledes end den for indfødte apps.

Minedata fra oprindelige apps med Adobe Analytics

Indfødte apps udgør særlige udfordringer til dataindsamling. Disse mobil- og tabletapplikationer er programmeret på en anden måde end responsive websteder.

Generelt kører ikke indfødte apps i browsere, bruger ikke HTML og kan ikke køre JavaScript. Faktisk er applikationer, der er bygget til iOS, bygget på et andet programmeringssprog (mål C) end Android-apps (Java). Disse tekniske programmeringssprog er nævnt af en vigtig grund: Et tagadministrationssystem fungerer ikke på dine mobil- og tablet-applikationer.

Nogle leverandører af taghåndteringssystemer har hacket muligheden for at integrere JavaScript i apps, men resultatet har begrænsede muligheder og er langt fra en bedste praksis. Den mest komplette, nøjagtige og skalerbare måde at implementere Adobe-værktøjer på er at bruge Adobe Mobile Software Development Kit (SDK). Adobe mobile SDK er bygget til at fungere som et dataindsamlingssystem, som et taghåndteringssystem, men bruger appens oprindelige programmeringssprog (mål C for iOS eller Java til Android).

Adobe SDK er vigtig, fordi den har dybere adgang til koden, der kører appen, og derfor kan bruges til mere end blot dataindsamling. Ud over at sende data til Adobe Analytics skal Adobe SDK gøre følgende:

  • Optag geografiske lokaliseringsdata baseret på GPS. Brug geofences baseret på disse GPS-data til analyse eller handling. Send push-meddelelser til brugere. Opdater indhold i appen via in-app-meddelelser, personalisering og test.

Adgang til disse muligheder kan være begrænset til den SKU eller version, som din virksomhed har købt fra Adobe. Arbejd med din Adobe Account Manager for at forstå, hvilke af disse muligheder der er inkluderet i din kontrakt.

Brug af Adobe Analytics til at indsamle data fra IoT og videre

Nu hvor du forstår indsamlingsstandarder for de to største anvendelsessager (web og mobil), er det tid til at forgrene sig til et mere generisk sæt Internet of Things (IoT). Alle, der stiller spørgsmål om data, skal tænke på digitale kiosker, smarte ure, tilsluttede biler, interaktive skærme og uanset hvilke andre nye enheder vores tekniske overherrer har annonceret siden denne sætning blev skrevet.

Sælgere som Adobe har svært ved at holde sig på toppen af ​​enhver ny enhed, fordi det at bygge SDK'er tager tid, penge, forskning, ingeniører, kode, kvalitetssikring og mere. Men rol ikke: Enheder, der ikke har indbyggede SDK'er, kan stadig sende data til Adobe Analytics.

Den bedste praksis for at sende data fra en af ​​disse enheder er gennem en applikationsprogrammeringsgrænseflade (API). Kort sagt betyder det, at udviklerne af IoT-applikationen kan skrive deres egen kode for at oprette en forbindelse til din Adobe Analytics-konto og derefter sende data til den.

API'er er blevet standardmåden, hvorpå data sendes fra enhver enhed, der er tilsluttet internettet enten heltid eller deltid. Adobe har også nogle anbefalinger til at dele, især for nogle af deres store væddemål, når det kommer til disse nye enheder, såsom tale og tilsluttet bil. På dette tidspunkt er SDK'er ikke tilgængelige til stemmeaktiverede enheder eller tilsluttede bilapplikationer. Imidlertid har Adobe bedste fremgangsmåder til datatilpasninger, variable indstillinger og kodeindstillinger for begge disse teknologier.

Enterprise-software - software, der er licenseret til institutioner - opdateres regelmæssigt, og Adobe frigiver bedste praksis for sporing af data, der er knyttet til nye digitale medier såsom tale og den tilsluttede bil.

Du har nu undersøgt alle typer data genereret af enheder, der har deltid eller fuldtidsadgang til internettet: computere, telefoner, tablets og IoT.

Folkets digitale oplevelser og interaktioner på disse enheder indfanges af en eller anden kombination af TMS, SDK og API. Ifølge marketingfolk og analytikere mangler den liste noget: data, der ikke er baseret på opførsel.

Det bedste eksempel på ikke-adfærdsdata kommer måske fra dit CRM-værktøj (CRM). CRM-værktøjer bruges til at organisere, kategorisere og styre dine kundeemner og kunder. Andre eksempler på ikke-opførselsdata, som marketingfolk og analytikere ville være interesseret i inkluderer følgende:

  • Call center Offline- eller butikskøb Returnerer eller afbestiller Produktomkostninger for solgte varer Annoncekampagne Kundetilfredshed

Adobe Analytics kan importere en hvilken som helst af disse datatyper sammen med masser af andre. Generelt importeres disse data til Adobe Analytics via enten File Transfer Protocol (FTP) eller API.