1. SoftwareAdobeHvordan bruges Adobe Analytics til at analysere succes med dine marketingkanaler
Adobe Analytics til dummies

Af David Karlins

Adobe Analytics er et kraftfuldt værktøj til at afsløre dit publikum. Som dataanalytiker har du uundgåeligt brug for en betragtelig detaljeret oversigt over kanalerne, der fører besøgende til dit websted. Dimensioneringen af ​​marketingkanal i Adobe Analytics giver en fuldstændig oversigt over hver kategori af henvisninger og annoncer, der fører trafik til dit websted eller din app.

Adobe Analytics-marketingkanaldimension er bygget på et brugerdefineret sæt regler, der er defineret i din rapportsuites administrationskonsol. Disse regler kaldes behandlingsregler for marketingkanal. Det ville være smart at synkronisere med dine Adobe Analytics-administratorer for at forstå, hvordan disse regler er blevet defineret, og om muligt endda hjælpe med at beslutte, hvordan de er opsat og prioriteret.

Identificering af dimensionering af marketingkanal i Adobe Analytics

Som standard har Analyse-arbejdsområdet seks marketingkanaldimensioner. For at holde tingene enkle grupperes de i to sæt: kanal og kanaldetaljer.

Marketingkanal, sidste touch-kanal og first touch-kanal er de dimensioner, der er forbundet med en højere granularitet-bucketing af besøg, der ofte indeholder værdier for betalt søgning, naturlig søgning, e-mail, display, sociale netværk og henvisende domæner. Disse dimensioner defineres af den første rulleliste i kanalindstillingerne inden for et regelsæt.

Den vigtigste forskel mellem de tre kanaldimensioner er knyttet til attribution: Hvilken værdi skal over tid gælde for de tilsvarende målinger? Følgende præsenterer et simpelt eksempel, der hjælper dig med at forstå begrebet:

Bemærk, hvordan tabellen beskriver to separate besøg, det første kørt fra display og det andet kørt fra betalt søgning. Lederen for reklame vil vide, om budgettet for næste kvartal skal placeres i display eller betalt søgning. Som analytiker vil du tildele indtægterne til en af ​​disse to kanaler, men hvilken?

I årevis har analytikere brugt en sidste berøringsattributmodel for at knytte indtægterne til betalt søgning. I denne model fortjener 100% af kreditten for indtægten, uanset hvilken kanal der er den seneste.

I dette tilfælde vil de annoncører, der er ansvarlige for visning, hævde, at besøgende ikke engang havde vidst om mærket uden deres displaydrevne oplysningskampagne, så de skulle fortjene 100 procent af kreditten. Denne fremgangsmåde er kendt som første berøringsattribution.

Som du måske har gætt, tildeler den sidste berøringskanal målinger til kanalværdien ved hjælp af en sidste berøringsattributmodel. Den første berøringskanal attribuerer målinger ved hjælp af en første berøringsattributionsmodel.

Da Adobe frigav Attribution IQ, en kraftfuld måde at ændre attributionsmodellen for en hvilken som helst metrisk bundet til en hvilken som helst dimension, var de bekymrede over, at dimensionerne på den sidste berøringskanal og den første berøringskanal kunne være vildledende, fordi teknisk set den sidste berøringskanal kunne bindes til målinger, hvor tilskrivningsmodellen er blevet justeret til første berøring!

For at løse denne potentielle konflikt oprettede Adobe en mere generisk marketingkanaldimension. Markedsføringskanal har en standardattributning for sidste touch, men bærer ikke den forvirrende skelnen mellem efternavn, fordi metrics er mere tilpassede nu.

Den bedste praksis er altid at bruge (eller migrere dine gamle projekter til at bruge) marketingkanal og ignorere den første touch og den sidste touch-dimension.

Det andet sæt dimensioner, der er oprettet ved behandling af kanalbehandlingsregler, indstilles efter værdien i hvert regelsæt, som er det andet rulleliste i kanalindstillingerne. Marketingkanaldetaljer, sidste touchkanaldetail og første touchkanaldetail giver en mere detaljeret oversigt over kanalen.

Disse dimensioner er indstillet til at fange nøgleordet til betalt søgning, kampagnenavnet til visning eller søgemaskinen til naturlig søgning. Da disse værdier kan tilpasses, skal du sørge for at arbejde sammen med dit Adobe admin-team for at se, hvordan hver kanals værdi er indstillet i reglerne for behandling af marketingkanaler for hver af dine rapportsuiter.

Adobe Analytics leverer tre separate kanaldetaljer-dimensioner, ligesom de giver tre kanaldimensioner: første touch, sidste touch og marketingkanaldetaljer. Detaljering af markedsføringskanal er en kopi af detaljen ved berøringskanal og er på samme måde mindre forvirrende, når der bruges nye Attribution IQ-modeller. Derfor er den bedste praksis den samme som med marketingkanal: Brug (eller start migrering til) marketingkanaldetaljer.

Billedet herunder viser marketingkanalens dimension, yderligere opdelt efter marketingkanaldetaljer.

Adobe Analytics marketingkanal detaljer

Definition af dine marketingkanaler i Adobe Analytics

Regler for behandling af marketingkanaler defineres ved hjælp af en kombination af dimensioner baseret på henvisende, søgemaskine, forespørgselsparameter, side, enhver eVar og mere.

Vær forsigtig! Behandlingsregler er permanente, så sørg for at undgå ulykker, når du justerer dem i Adobe Analytics.

Hvis din rapportsuite endnu ikke indsamler data i marketingkanalens dimension, vil Adobe foreslå et standardsæt med regler, første gang en administrator får adgang til deres indstillinger (tilgængelig i administrationskonsol → Rapporter suiter → Rediger indstillinger → Marketingkanaler).

Regler for markedsføringskanal til Adobe Analytics

En beretningssuits regler for behandling af marketingkanaler består af tre nøgleelementer. Kun en administrator kan redigere dem, men du skal forstå deres muligheder:

  • Regelsæt indeholder en eller flere regler til at indstille en værdi for en marketingkanal og en kanaldetaljer-dimension. Hvert regel sæt definerer en enkelt værdi til kanaldimensionen og en enkelt værdi til kanaldetaljer-dimensionen. Regler definerer, hvordan besøg skal indsættes i kanal- og kanaldetaljer-dimensioner baseret på betingelser, som du definerer. For eksempel kunne en regel's tilstand konfigureres til at identificere, om et besøgs henvisning stammer fra en søgemaskine. Behandlingsordre er en velkaldt komponent i reglerne for behandling af marketingkanaler, fordi den definerer prioriteten for hvert regelsæt. Så snart et besøg matcher et regelsæt, indstilles besøgets kanal og kanaldetail baseret på det regelsæt. For eksempel kan du have et regelsæt, der definerer betalt søgning (baseret på en søgemaskinehenviser og eksistensen af ​​en CID-forespørgselsparameter) og et andet regelsæt, der definerer naturlig søgning (kun baseret på eksistensen af ​​en søgemaskinehenviser) . Hvis regelsættet for naturlig søgning prioriteres over regelsættet for betalt søgning, indstilles den betalte søgekanal aldrig, fordi alle søgemaskinebesøg, uanset eksistensen af ​​forespørgselsparameteren, vil blive bucketet som naturlig søgning.
Opsætning af Adobe Analytics marketingkanal
  1. SoftwareAdobeAdobe Analytics vs. Google Analytics
Adobe Analytics til dummies

Af David Karlins

Når du vurderer, hvilken dataanalyseløsning der passer til dig, vil spørgsmålet sandsynligvis opstå: Hvad er forholdet mellem Adobe Analytics og Google Analytics? Som de to største aktører i feltet betaler det sig at sammenligne Adobe Analytics med Google Analytics.

Utallige kunder og fagfolk i branchen spørger eksperter, hvilken analyseløsning de bedst kan lide. I stedet for at besvare dette spørgsmål, lad os overveje et mere objektivt spørgsmål: Hvad er styrker og begrænsninger ved Adobe Analytics og Google Analytics?

Dette fokus har hjulpet potentielle købere af dataanalyseløsninger hurtigt kortlægning af funktioner og integrationer til deres behov. Og ved at sammenligne og kontrastere de to, vil du forstå, hvorfor din organisation foretog opfordringen til at implementere Adobe Analytics.

Kortlægning af, hvordan Adobe Analytics stables op mod Google Analytics

Lad os starte denne sammenligning med at fokusere på Adobe Analytics, fordi det er emnet for denne bog. Adobes analyseløsning betragtes ofte som Ferrari i branchen - imponerende kraftfuld, men kostbar. Denne analogi har noget sandhed i det. Men lad os fordele nogle af de funktioner, der er unikke for Adobe Analytics.

Kigger på analyse arbejdsområdet

Når det gælder strøm, kan en analytisk løsning øverste de Adobe-funktioner, som du vil gå igennem i denne bog. Den første nøgledifferentiering for Adobe er Analyse-arbejdsområdet, standardmotoren i Adobe Analytics til analyse, visualisering, kuration og deling. Bygget med både marketingmedarbejderen og analytikeren i tankerne, giver Analyse Workspace ubegrænsede sammenbrud, segmentering og beregnede målinger, en række datavisualiseringsegenskaber og fire nøgleindbyggede, data-videnskabsdrevne funktioner.

For kun at tage et eksempel anvender Adobe Analytics Anomaly Detection-algoritmer til at identificere anomalier såsom svære at finde fald i gennemsnitlig ordreværdi, pigge i ordrer med lav indtægt, statistisk signifikante stigninger i prøveregistreringer og fald i visninger af destinationssider.

anomali-detektion i Adobe Analytics

Adobe har for nylig føjet til Analysearbejdsområdet en meget tiltrængt komponent til attribution, der tillader næsten alle målinger at have en af ​​ti attributmodeller, som du kan anvende til næsten enhver dimension i platformen.

Kort sagt hjælper marketingattribution dig med at forstå, hvordan dine kunder og kunder interagerer med din online tilstedeværelse, og hvad de ønsker, på en måde, der muliggør meget fokuserede og præcise markedsførings- eller servicebeslutninger. Attribution IQ i Analyse Workspace, for eksempel, giver dig mulighed for at tilføje mange nye typer attribution modeller til freeform tabeller, visualiseringer og beregnede metrics. Attribution IQ vises nedenfor.

Adobe Analytics Attribution IQ-panel

Fra denne skrivning kræver algoritmiske og datadrevne modeller en opgradering til Adobes Data Workbench-løsning til betydelige omkostninger.

Visualisering af flow og nedfald i Adobe Analytics

To store differentierere til Adobe er knyttet til deres visualisering af kunderejsen: flow og nedfald. Andre leverandører ser ud til ikke at få fleksibilitet og brugervenlighed rigtigt til disse typer analyser. Derudover er Adobe grundlagt til at frigive Customer Journey Analytics, en funktion, der fokuserer på at sy besøg og enheder på tværs af enheder baseret på logins eller Adobes Device Co- op.

Visualiserer flow i Adobe Analytics

Adobe har også indbyggede dataforbindelser med snesevis af partnere, der giver mulighed for relativt sømløse og ofte tovejsintegrationer af datasæt på tværs af e-mail, søgemaskineoptimering (SEO), handel, reklameplatformer og mere. Hvis disse forudbyggede integrationer ikke er gode nok, anbefaler Adobe en brugerdefineret integration via en række indstillinger inklusive den nyligt frigivne Adobe Experience Platform.

Det andet store salgsargument for Adobes integrationer kommer fra dybt inde i deres egen Experience Cloud - integration med andre Adobe-løsninger. Adobe var det første firma, der havde en tovejsintegration med en Analytics og Data Management Platform (DMP). DMP'er bruges til at flette data fra flere datasæt, opbygge målgrupper fra de fusionerede data og aktivere disse målgrupper i reklameplatforme.

Bare rolig. Hvis dette emne er for avanceret, skal du bare vide, at marketingfolk kan definere segmenter i Analytics, som derefter er beriget med yderligere datakilder i Audience Manager (Adobes DMP) og derefter dele disse segmenter tilbage i Analytics for yderligere analyse. Adobe har også kvalitetsintegrationer med Target (test og personalisering), Kampagne (1: 1 marketingkampagnestyring), Experience Manager (content and asset management) og Ad Cloud (optimering af annoncebud).

Identificering af begrænsningerne i Adobes Analytics-løsning

Adobes største manglende funktion kan være en stor en for dig: integration med Google Ads. Adobe har flere måder at integrere med reklamedata fra deres største analytikekonkurrent, men ingen er så sømløse eller så komplette som Googles.

Derudover klager nogle mennesker over, at Adobes løsning er for vanskelig at bruge, men denne udtalelse ser ud til at være baseret på Omniture-grænsefladen (programmet Adobe erhvervede, der udviklede sig til Adobe Analytics), der ærligt talt var skræmmende. Analyse Workspace har fjernet disse begrænsninger og skabt unikke måder til at styrke nye brugere.

Hvis du føler dig overvældet, så tjek disse ressourcer, du kan bruge til at hjælpe dig med at navigere i Adobe Analytics.

At forstå, hvordan Google Analytics passer ind i dataanalysebilledet

Hvis du aldrig har brugt Adobe Analytics, men har brugt en analytisk løsning, er oddsene store, at du har brugt Google Analytics. Lad os tage et skridt tilbage og se på, hvordan Google Analytics passer ind i analyseverdenen.

For det første er det vigtigt at bemærke forskellen mellem Googles gratis værktøj, Google Analytics og virksomhedsniveauet (og ikke gratis), Google Analytics 360.

At skelne mellem Google Analytics og Google Analytics 360

Google har hjørnet med det frie marked for analyseløsninger og gjort hele branchen en service ved at hjælpe med at få en enorm bølge af forretningsfolk til at begynde at stille spørgsmål om deres data. Den gratis version af Google Analytics er et værdifuldt og tilgængeligt værktøj til at generere rapporter om, hvem der kommer til et websted, og hvordan de interagerer med dette websted. Det er ikke et værktøj på virksomhedsniveau til dataanalyse.

Fokus her er på Google Analytics 360. Google frigav denne betalingsløsning for flere år siden. En betydelig differentierer og fordel ved Google Analytics er dens oprindelige integration med Google Ads. Hvis reklame er din analytiske raison d’être, bruger du sandsynligvis mere af dit budget og din tid i Googles annonceværktøjer end noget andet værktøj, og derfor finder Googles annonceintegrationer værdifulde.

Google Analytics

Google importerer data fra Google-annoncer (tidligere DoubleClick for Annoncører), Google-søgekonsol, display- og videoannoncer og betalte søgeannoncer til Google Analytics 360-kunder.

Derudover kan segmenter oprettet i Google Analytics aktiveres til remarketingkampagner via Google Ads. Bemærk dog, at disse remarketinglister ikke opdateres med tilbagevirkende kraft, så brugere i dit segment, inden segmentet deles til Google Ads, ikke er inkluderet i remarketinglisten. Kun brugere, der bliver en del af dit segment, når det er delt som en remarketing-målgruppe, er tilgængelige til remarketing.

Beregnede målinger i Google Analytics og Google Analytics 360 er begrænset til de fire grundlæggende aritmetiske operatører (tilføj, subtraher, multiplicer, opdel) og kan kun bruges i brugerdefinerede rapporter og oprettes kun af administratorer.

Nogle beregninger er forudindbygget i rapporter, men de er ofte enkle opdelere af andre målinger, der allerede findes i rapporten. Analytikere har ofte brug for mere komplekse operatører og funktioner, såsom forskellige / unikke tællinger, midler, medianer, percentiler og logiske operatører (hvis, da, og, eller, større end, og mindre end). Grænsefladen til oprettelse af en beregnet metric i Google Analytics vises nedenfor.

Google Analytics-beregninger

Integration med Google Cloud Platform

En anden kendetegn ved Googles værktøj er integration med Google Cloud Platform (GCP). Avancerede analytikere og datavidenskabere, der er behagelige med SQL (Structured Query Language, et sprog til at få adgang til og manipulere databaser) vil være i stand til at køre forespørgsler takket være integrationen af ​​Google-data i BigQuery, Googles hurtigt bevægelige SQL-baserede platform til komplekse analyser af flere datasæt fyldt med enorme data.

Forbeholdet eller ulempen her er, at adgang til disse data kræver en høj grad af flyt med SQL for at generere de slags rapporter, som du kan generere uden SQL i Adobe Analytics.

Kortlægning af Googles interface til avanceret analyse

Googles nyligt frigivne interface til Analytics 360 kaldes Avanceret analyse. Det inkluderer et par nøglefunktioner, der ikke tidligere var tilgængelige i standard Google Analytics. For eksempel øger avanceret analyse en brugers evne til at nedbryde en rapport, såsom at nedbryde rapporten om marketingkanal ved destinationsside. Googles avancerede analyse giver mulighed for ti sammenbrud i en rapport, hvorimod den gamle interface tillader maksimalt fem.

Segmentoverlapning er den anden rapport i avanceret analyse. Denne rapport giver analytikere et Venn-diagram over segmenter, der viser procentdelen af ​​brugere, der deler et segment. Endelig har Google udvidet brugerdefinerede tragtfunktioner i avanceret analyse. Google Analytics 360-kunder elsker muligheden for at oprette brugerdefinerede tragt på farten, mens ikke-360-kunder er nødt til at oprette tragten, før data flyder ind i den.

I avanceret analyse har Google udvidet disse brugerdefinerede tragte til maks ud i 10 tragttrin og fordoblet det maksimale i Google Analytics. Sammenlignet med Adobes analyse-arbejdsområde er Googles avancerede analyse-værktøj langt mindre robust, men vi er glade for at se, hvad Google laver mad i fremtidige udgivelser.

Evaluering af plusser og minusser fra Adobe Analytics og Google Analytics

Som bemærket får Google høje karakterer for deres integration med andre Google-platforme. Google Analytics har dog kun en betydelig ikke-Google-integration med Salesforce, så alle andre datakilder kræver en tilpasset opsætning via API.

Google Analytics udviklede sig fra og bevarer betydningsfulde evolutionære holdovers og begrænsninger baseret på dens oprindelse som et meget enklere redskab til rapportering, i modsætning til et fuldt ud analyseværktøj. Begrænsningerne, der er forbundet med beregnede metriske egenskaber, dimensionelle sammenbrud og brugerdefinerede tragte kan være svækkende for analytikere, der ikke er i stand til eller ikke interesserer sig for at bruge SQL.

Den mest markante mangel kan være, at Google Analytics, endda den premium Analytics 360-løsning, bruger dataprøver i sine rapporter, så nogle rapporter muligvis ikke viser et komplet overblik over besøgende. I lighed med valgmålinger viser Google Analytics-rapporter data, der er forbundet med en procentdel af det fulde datasæt (f.eks. 20 procent) og ganges derefter dette antal med det samlede antal besøgende på webstedet (med fem i dette eksempel).

Selvfølgelig er Googles virkelige samplingsalgoritme mere kompliceret end dette, men slutresultatet er vigtigt: Data kan give dig forskellige svar, afhængigt af hvordan de er skåret. I Analytics 360 øges prøveudtagningsminimumene i mange rapporter.

Kort sagt, den gratis version af Google Analytics spiller en værdifuld rolle i åbningen af ​​døren til dataanalyse for en lang række små udviklere, herunder individuelle webstedsdesignere, der opretter deres websteder med WordPress, Wix eller andre værktøjer. Det giver dem mulighed for at generere basale rapporter og udføre en begrænset række væsentligt foruddefinerede analyser.

Den mindre kendte og implementerede Google Analytics 360 med den avancerede analyse-grænseflade tilføjer et par funktioner, der på nogle måder overlapper hinanden med dem i Adobe Analytics. Begrænsninger inkluderer behovet for SQL-programmering for at få mest muligt ud af de indsamlede data og væsentligt problemerne med datanøjagtighed. Google Analytics har fordelen ved at give den mest direkte vej til dataanalyse med fokus på reklame og publicering.

Andre indstillinger for dataanalyse

Nu er det tid til at tjekke nogle andre indstillinger. Disse analyseprodukter er ofte mere nicheorienterede og fokuserer på begivenhedsbaseret tracking, realtidsstatistik for udgivere, mobile applikationsrammer eller data bygget til produktledere.

Hver af disse leverandører, herunder MixPanel, Heap, Amplitude og Localytics, giver mere fokuserede, men færre funktioner end Google Analytics 360 eller Adobe Analytics. Ingen har haft til formål at konkurrere med de mere komplette skytilbud i Google Marketing Platform eller Adobe Experience Cloud.

  1. SoftwareAdobe8 Adobe Analytics tilpassede segmenter
Adobe Analytics til dummies

Af David Karlins

Nøglen til at gøre dig hjemme i og produktiv med Adobe Analytics er at sammenlægge et sæt tilpassede segmenter, som du kan indsætte til nul på væsentlige elementer i webstedsaktivitet. Her finder du nogle gode tilpassede segmenter, der hjælper dig med at finde de data, du har brug for med Adobe Analytics.

Net-sektionen indeholder instruktionerne for oprettelse af et tilpasset segment i Adobe Analytics. De tilpassede segmenter, der er anført efter det, indeholder ikke detaljerede instruktioner, men de leverer det, der skal ændres.

Isolering af besøgende på én side med Adobe Analytics

"Ét og gjort" refererer undertiden til stjernebasketballspillere, der satte et obligatorisk år på college, før de underskrev med NBA. Dataanalytikere er derimod undertiden nødt til at spænde besøgende, der rammer en side og er væk.

Identificering af disse “én og færdige” brugere, der er nyttige, for eksempel når de analyserer marketingkampagner. Hvad kan du identificere som en mangel ved reklame, der bragte en besøgende til vores ejendom, men ikke var effektiv nok til at få besøgende til at se mere end en side? Du kan stille spørgsmål om destinationssiden, kampagnenavn, enhedstype, geolocation, tid på dagen og mere for at hjælpe med at optimere dit annoncebudget for at begrænse antallet af besøgende på en side, du har i fremtiden.

Lad os oprette et brugerdefineret segment i Adobe Analytics for at isolere besøgende på én side nu.

Følg disse trin for at oprette et brugerdefineret segment, der spander besøgende på en side:

Adobe Analytics Segment Builder

Identificering af enkeltbesøgsbesøg på flere sider med Adobe Analytics

Her er et segment til at identificere besøgende, der får adgang til flere sider på dit websted, men som kun har besøgt webstedet. Du kan finde dette segment praktisk, når du har brug for yderligere at analysere succes for en annoncekampagne, der har en bedre afvisningsprocent end forventet, men som ikke skaber den type klæbrighed, der vil føre til flere returbesøg.

Definitionen for dette segment er næsten identisk med det foregående segment, besøgende på én side. Den eneste forskel er, at du indstiller den logiske operatør for besøgsdimensionen på én side i den første container til Er ikke lig i stedet for Lig.

tilpasset segment til flere sider af besøgende Adobe Analytics

Bucketing SEO til intern søgning med Adobe Analytics

Analytikere har forsøgt at identificere proxies til naturlige søgeord lige siden Google fjernede adgangen til dem fra analytiske platforme. Du kan bruge Adobe Analytics til at udfylde hullet. En af de bedste måder at løse for de manglende data er at analysere interne søgetermdata som en proxy.

Hvis en besøgende ankommer til dit websted ved en naturlig søgning og derefter udfører en intern søgning på dit websted, er chancerne gode for, at nøgleordene er relaterede. Dette segment er fantastisk, når du skal analysere interne søgeudtryk og indgangssider for at identificere muligheder for forbedret analyse.

Da den interne søgemetrik ikke er standard, kan dit besøgsbaserede segment muligvis se lidt anderledes ud end det, du ser nedenfor. De vigtigste ingredienser forbliver de samme: Marketing Channel er lig med naturlig søgning; og en anden container, der begrænser din interne søgemetrik til det andet hit i et besøg. Dimensionen af ​​hitdybde sikrer, at den interne søgning finder sted umiddelbart efter den indledende visning af destinationssiden.

SEO-segment Adobe Analytics

Segmentering af aktiviteter inden købet med Adobe Analytics

Det næste tilpassede segment hjælper dig med bedre at forstå, hvad der sker, før en køber går ind i køb / indkøbskurv. Den indsigt, du får fra dette Adobe Analytics-segment, hjælper dig med bedre at forstå de typer aktiviteter, der ofte resulterer i køb.

I dette brugerdefinerede segment skal du vide, hvordan dit websted / app og implementeringen er konfigureret til at definere købsstrømmen. Find den dimensionelle værdi eller den metrik, der definerer begyndelsen på kassen, og indstil den til det første trin i din besøgsbaserede container.

Den anden kompleksitet opstår, efter at du har trukket ordrer til drop zone for segment og ændret til et sekventielt segment ved at justere logik operatoren til derefter. Hvis du vil fokusere din analyse på handlingen inden dit segments definition, skal du justere sekvenstypen fra standarden Inkluder alle til kun inden sekvens.

pre-køb tilpasset segment Adobe Analytics

Find strengt organisk trafik med Adobe Analytics

Fokus her er ikke på ikke-GMO, lokalt fremstillede grøntsager, men på at identificere hjemmesideaktivitet genereret fra strengt organiske, ikke-betalte kilder. Det kan være nyttigt at forstå, hvordan dine besøgende kommer til dit websted naturligt uden at bruge reklamedollar til at påvirke deres besøg. Dette segment er et godt stykke at smide ind i segment-sammenligning for at se, hvordan adfærden er forskellig fra andre.

Detaljerne i dit segment kan være lidt anderledes end det, du ser nedenfor, men kernen er den samme. Opret et besøgsbaseret segment, der fokuserer på markedsføringskanaler, der er ubetalte - og sørg for at indstille en Or logisk operator mellem dem, når du konfigurerer det i Adobe Analytics.

organisk søgesegment Adobe Analytics

Find strengt betalt aktivitet med Adobe Analytics

Det inverse til det strengt organiske segment er et strengt betalt segment. At zoome ind på netop betalt aktivitet kan også være et nyttigt segment for en segment-sammenligning for hurtigt at se, hvordan de besøgende, din virksomhed betaler for, er forskellige fra dem, der forekommer naturligt.

Dette besøgsbaserede segment med den Or logiske operatør igen kan være anderledes i din rapportsuite, hvis du har andre betalte marketingkanaler. Du kan se et eksempel på at definere et segment til strengt betalt aktivitet nedenfor.

Adobe Analytics betalt søgesegment

Filtrering af potentielle bots med Adobe Analytics

Hvis Shakespeare skrev i dag, i stedet for "ude af det sted," kunne Lady Macbeth muligvis have det sagt "Ude forbandet!" Okay, måske ikke. Men for en dataanalytiker er det vigtigt at identificere og fjerne bots fra trafikdata for at arbejde med gyldige data. Med det i tankerne er her en Adobe Analytics-opskrift på et tilpasset segment, der kan isolere potentielle bots.

Definitionen af ​​dette potentielle bots-segment blev leveret af Adobe baseret på betydelig forskning i botaktivitet. Aflukning af ukendte operativsystemer eller browsere og Linux-servere giver dig mulighed for at fjerne en betydelig mængde bottrafik fra rapportsuiter.

Det eneste avancerede koncept er at sikre, at du har anvendt en ekskludering på hele segmentet ved at klikke på Valgmuligheder, Ekskluder i afsnittet Drop-zone. Definition af alle tre kriterier som udelukkelser skygger hele dropzonen rød.

Adobe Analytics bots tilpasset segment

Identificering af checkout-nedfald med Adobe Analytics

Her finder du en plan for at oprette et brugerdefineret segment til at hjælpe med at identificere checkout-nedfald, især besøgende, der får adgang til kassesiden, men ikke konverterer. Her identificerer du aktivitet, hvor besøgende kom helt til kassen siden, men ikke klikk på knappen Køb.

Dette segment er nyttigt til at identificere almindelige årsager til opgørelse af vogn. Plus, det er et fantastisk segment at dele med resten af ​​Experience Cloud til at markedsføre og prøve at omregne købsprocessen for disse besøgende.

tilpasset segment for chckout-nedfald i Adobe Analytics
  1. SoftwareAdobeHvordan bruges Adobe Analytics til at indsnævre dit markedssegment: Identificering af købere
Adobe Analytics til dummies

Af David Karlins

Ideen bag brugen af ​​en hvilken som helst platform til at analysere data er at hjælpe med til at skabe bedre beslutningstagning. Adobe Analytics tilbyder så mange forskellige værktøjer til at nå dette mål. Især marketing forsøger altid altid at finde måder at identificere og målrette bestemte markedssegmenter til. Adobe Analytics leverer et tilpasset segment til at gøre nøjagtigt det.

Her er et tilpasset segment, som næsten enhver kan bruge i Adobe Analytics: Hvem køber ting?

Det er superværdifuldt i alle former for rapportering at være i stand til at analysere dette markedssegment af besøgende. Det er trods alt dine succeshistorier, og jo lettere det er at fremhæve dem i tabeller, jo mere kan du høste og udnytte data, der letter mere salg.

Lad os konceptualisere målet, inden du rammer Segment Builder: Du ønsker at identificere besøgende, for hvilke der findes en ordre. Med disse kriterier klart i fokus kan du definere et brugerdefineret segment til at se på data for købere ved at følge disse trin:

Adobe Analytics-segmentkomponenter
  1. SoftwareAdobeAdobe Analytics og Search Engine Data
Adobe Analytics til dummies

Af David Karlins

En vigtig fordel ved at analysere data med Adobe Analytics er at hjælpe med at drive dine marketing- og reklamestrategier. Når du dykker ned i Adobe Analytics, kan du se, hvordan platformen kan bruges til at binde dataene fra søgemaskiner i din marketingindsats.

En vigtig reklamekanal for alle mærker forekommer på søgemaskiner som Google, Bing og Yahoo! Virksomheder anvender to typer taktikker for at øge synligheden af ​​deres brand på søgemaskiner: søgemaskineoptimering (SEO) og markedsføring af søgemaskiner (SEM eller betalt søgning).

Analytikere er nødt til at analysere adfærd fra søgemaskiner som en kanal samt skelne mellem betalt og naturligt. Dataene hjælper dem med at bestemme, hvordan kanalen påvirker adfærd og konverteringsfrekvens.

Adobe Analytics indsamler data i flere søgefokuserede dimensioner, men de er desværre mindre pålidelige end marketingkanal og henvisningsdimensioner. Vores anbefaling er at følge Adobes bedste praksis ved at ignorere data i disse dimensioner og i stedet bruge marketingkanal, henviser, henvisningsdomæne og de dimensioner, der er forbundet med Ad Analytics for betalt søgning.

For at være grundig, og fordi din installation af Adobe Analytics muligvis er konfigureret på denne måde (det er måske ikke muligt eller forsigtigt at forsøge at ændre det, i det mindste ikke hurtigt), er det nyttigt at give detaljer om de originale mål for disse Adobe-dimensioner . Når det er sagt, skal du overveje den anbefalede bedste praksis i stedet, hvis du er i stand til det.

Registrering af betalte søgebesøg med Adobe Analytics

Adobe Analytics giver administratorer mulighed for at definere regler, der hjælper med at differentiere betalt søgning fra naturlig søgning. Reglerne er indstillet i en rapportsuites administrationskonsol, der er anført under Rapport suiter → Rediger indstillinger → Generelt → Betalt søgning. En automatisk regel, som Adobe leverer, er, at et besøg skal have en henviser, der er en kendt søgemaskine.

Adobe holder heldigvis denne liste opdateret, så administratorer ikke behøver at bekymre sig om den. Definitionerne af de resterende betalte søgedetektionsregler er baseret på en forespørgselsstrengsparameter, for eksempel: cid = PS. Virksomheder kan indstille forskellige forespørgselsstrengsparametre baseret på søgemaskinen, men vi har fundet det at foretrække at bruge en enkelt variabel på tværs af alle motorer for at holde dataene rene mere enkle.

Billedet herunder viser, hvordan du konfigurerer detektering af betalt søgning, som afspejler Google Analytics-standarder.

Adobe Analytics Report Suite

Hvis du er bekendt med Google Analytics, er du sandsynligvis vant til konceptet med forespørgselsparametre til at definere marketingkanaler som f.eks. Betalt søgning. Google Analytics kræver, at du bruger utm_medium = cpc som forespørgselseparameter til korrekt bucket betalte søgebesøg. Da Adobe kan definere betalt søgning baseret på en hvilken som helst forespørgselsparameter, kan mærker, der overgår fra Google til Adobe-sporing, beholde den samme forespørgselsparameter. Rapportsuittens regel for betalt søgning til detektion skal simpelthen læres at lede efter utm_medium = cpc.

Differentierer betalt søgning i Adobe Analytics

Den enkleste af de dimensioner, der er fokuseret på data fra søgemaskinerne, er den betalte søgedimension. Den betalte søgedimension hjælper analytikere med at nedbryde opførelsen af ​​søgemaskinerne som enten betalte eller naturlige. Denne opdeling på højt niveau kan bruges til let at differentiere adfærd ved en meget høj granularitet.

Adobe Analytics betalt søgetabel

Analyse af betalte og naturlige søgemaskiner i Adobe Analytics

Alle adfærdsdata fra alle søgemaskiner, uanset hvilken betalingssøgningsdetektion der er, er knyttet til søgemaskinens dimension. De dimensionelle værdier er heldigvis venligere end bare domæner. Adobe returnerer dataene som tekst, f.eks. Yahoo! eller Google - Danmark.

Adobe Analytics-søgemaskindata

Den venligere visning af dine søgemaskindata kan være nyttig, når du filtrerer eller segmenterer data for at finde nøjagtigt de motorer, du prøver at analysere. Billedet ovenfor viser søgemaskinedimensionen med et betalt søgesegment.

Ser du noget mærkeligt på billedet ovenfor? Da dataene er sorteret efter besøg, som ikke har et segment anvendt til det, vises den første linjepost som uspecificeret.

Uspecificeret vises øverst, fordi det er resultatet af alle besøg, der ikke kom fra en søgemaskine. Hvis en analytiker skulle opsummere alle besøg på hver af de individuelle søgemaskiner, ville der være en betydelig forskel mellem denne sum og det samlede antal besøg på webstedet; Uspecificeret fungerer som resten. Adobe tilføjer en uspecificeret række som standard for næsten alle dimensioner for at gøre det lettere at fokusere på opførsel, hvor dimensionen ikke blev indstillet (eller uspecificeret), da denne metrisk blev fanget.

Adobe gør det nemt for analytikere at fjerne det dimensionelle element fra visningen gennem tabelfilterfunktionen. Billedet herunder illustrerer detaljerne for at fjerne Uspecificeret nu.

Adobe Analytics avanceret filter

Regler for betalt søgning detekterer hjælper analytikere ved at oprette to dimensioner ved søgemaskinens granularitet: søgemaskine - naturlig og søgemaskine - betalt. Den eneste forskel mellem disse er direkte i overensstemmelse med, om besøgene opfyldte opdagelsesreglerne.

Analytikere kan bruge data fra søgemaskinerne til at hjælpe marketingfolk med at tildele deres marketing dollars. Hvis en betalt søgemaskine kører en markant højere trafikmængde, men en lavere konverteringsfrekvens, kan det være fornuftigt at justere budgettet for denne søgemaskine. Søgemaskine alene er normalt ikke nok til at komme med denne anbefaling. Som du kunne forvente, giver Adobe også lignende dimensioner, der er fokuseret på søgeordet i stedet for motoren.

Initier søgeordsanalyse i Adobe Analytics

Søgeord giver analytikere mulighed for at grave dybere ned i deres søgeannonceringsdata for at identificere, hvilke nøgleord der driver udsigterne og forbrugerne til at besøge deres websted. Disse nøgleord kan ofte blive nogle af de mest nyttige dimensionelle værdier for en analytiker; hvornår fortæller forbrugerne dig nøjagtigt, hvad de leder efter?

Desværre er der en fangst. For mange år siden blokerede Google i privatlivets navn naturlige nøgleord fra visning af alle analytiske platforme. Andre søgemaskiner fulgte hurtigt efter, og nu er vores elskede naturlige søgeord søgt fjernet fra Adobe Analytics (og Google Analytics, Webtrends, Coremetrics og så videre).

Søgemaskinerne fortsatte dog med at give annoncører adgang til at fange søgeordet, hvis en bruger klikkede igennem på en betalt søgeannonce, men kun hvis det søgeord blev sendt via forespørgselseparameter på landingssiden.

Så hvad betyder alt dette? Alle tre af disse dimensioner er for det meste ubrugelige, fordi de generelt kun indeholder et nøgleord, der ikke er tilgængeligt. Du kan muligvis se nogle minimale data i dem fra søgemaskiner, som endnu ikke har blokeret betalt søgning, men du skal i stedet samarbejde med dit Adobe admin-team og annonceringsteam for at sikre, at betalte søgeord indfanges i en tilpasset Adobe-dimension.

  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.

  1. SoftwareAdobeTop 10 Data Analytics-ressourcer, der skal parres med Adobe Analytics
Adobe Analytics til dummies

Af David Karlins

Hvor finder du ressourcer til at udvide din kommando af Adobe Analytics? Her finder du nogle gode ressourcer. Nogle er officielle Adobe-websteder med opdateret dokumentation i realtid. Andre er mere generiske ressourcer til dataanalyse. Og mindst en af ​​dem er her hovedsageligt for dem, der, for at citere Sheryl Crow, "vil have det lidt sjovt" med Adobe Analytics.

Adobes Analytics-implementeringsvejledning

Du er måske for ung til at huske, men folk plejede at købe software-apps fra butikker, og apps kom med en bog, der dokumenterer, hvordan man bruger appen. Adobes Analytics-implementeringsvejledning spiller den rolle. Dette suppe-til-nødder sæt ressourcer fra Adobe indeholder en makroguide og en mikroguide til de opgaver, du skal udføre for at implementere Analytics.

Meget af materialet i Analytics-implementeringsvejledningen præsenteres som downloadbare PDF-filer. Disse PDF'er suppleres med en bred vifte af videotutorials.

Adobe Analytics-videotutorials

For at give en menu med sortering om, hvad du finder i implementeringsvejledningen, har vi samlet et sæt nøgleemner. Det er en god idé at besøge stedet, bogmærke det og notere tilgængelige hvidbøger, dokumentation og videoer. Du ønsker at holde dette websted praktisk, når du deltager i dybere niveauer af Adobe Analytics.

Emner inkluderer følgende:

  • Opdagelse og krav: Hvordan definerer du dine analytiske mål og indsamler krav til implementering, startende med at udvikle og dokumentere en objektiv forståelse af webstedet og dets forretningsmæssige mål. I denne fase indsamler din konsulent eller partner målingskrav. Hvad Adobe kalder "indsamle [ing] målingskrav" er synonymt med det, der ofte kaldes oprettelse af et forretningskravdokument (BRD). Dette dokument kortlægger målene for et websted eller en app til virksomhedens overordnede forretningsmål og foreslår branchens bedste praksis. Installation og levering: Sådan konfigureres Adobe Analytics og får en e-mail med loginoplysninger. Konfiguration og implementering: Hvad du skal have på plads inden lancering af Analytics, herunder dokumentere et referenceredskab til løsningsdesign og en teknisk specifikation. Referencedokumentet til løsningsdesignet indeholder en oversigt over webstedets datalag, startelementer / regler og Adobe Analytics-variabler. Tekniske specifikationer er detaljeret dokumentation om, hvordan man implementerer hver komponent i løsningen, og hvordan man validerer dem. Postimplementering: I denne fase af udrullning af Analytics arbejder du sammen med en konsulent eller partner for at identificere data, der er tilgængelige via Adobe Analytics, og brainstorme, hvordan du bruger disse data til at optimere din digitale forretning. Denne fase inkluderer også aktivering af forskellige tidsbesparende funktioner i Adobe Analytics, såsom Report Scheduler, Workspace og Microsoft Report Builder. (Report Builder er et kun Windows-plugin). Implementeringsressourcer: Her finder du links til tre omfattende yderligere ressourcer og dokumentation til Adobe Analytics. Disse ressourcer følger: Analytics-implementeringsvejledningen (en PDF, der kan downloades) Analytics-implementeringstræning (træningsressourcer til dit team) Analytics Video Learning (et bibliotek med nyttige videoer)

En plan for dataanalyse for din Adobe Analytics-strategi

Måleplaner fremhæves på denne top-ti liste, fordi de er det fundament, hvorpå succesrige analyserammer bygger. Artiklen "Sådan opretter du en måleplan og hvorfor du virkelig har brug for en" er en nyttig diskussion af måleplaner. Og som titlen antyder, giver det også specifikke værktøjer til opbygning af en måleplan.

Disse værktøjer inkluderer et pænt formateret og gennemtænkt designet Excel-regneark, der tjener som en skabelon (og model) til en måleplan, herunder oprettelse af en integreret strategi med en webstedsmålingsplan baseret på identificerede mål. Billedet herunder viser det skabelon regneark, der følger med artiklen, som det hostes på det britiske-baserede freshegg-sted (således den britiske stavemåde for Organisation).

Plan for dataanalyse

Datastyring og Adobe Analytics

Artiklen "Datastyring: nøglen til at opbygge konsistente, fremragende digitale oplevelser" af Eric, identificerer det forhold, at "markedsførere oftere end ikke har flere data, end de ved, hvad de skal gøre med - og det kan bare være deres største problem . ”Artiklen trækker på erfaringer fra den virkelige verden hos Southwest Airlines og Zebra Technologies Corporation (der erhvervede Motorola).

Adobe analytics implementering

Artiklen og casestudiet giver et kortfattet argument for følgende temaer, der løber gennem denne bog:

  • Hold analytics i centrum for din datastyring Invester i produkter, definition og processer Træn dit team til succes Betal prisen for bedre digitale oplevelser

Webanalyseløsningsdesign

En løsningsdesign eller løsningsdesignreference (SDR) forbinder de forretningsmæssige krav og mål, der er defineret i en måleplan med de tekniske krav, der er nødvendige for at kunne implementere analyseteknologi. Artiklen "7 trin til opsætning af dit webanalys-løsningsdesign" identificerer og går gennem syv strategiske trin til at udvikle et effektivt løsningsdesign til at beskytte integriteten af ​​din webanalyseimplementering.

På dette link er også adgang til et halvtimes webinar med Jason Call, senior dataanalytisk ekspert hos ObservePoint.

SDR-koncepter

Digital Analytics Power Hour

Et af de mest grundige, ærlige og irreverente medier til at blive på toppen af ​​branchen er via podcast. De tre værter af Digital Analytics Power Hour - Michael Helbling, Tim Wilson og Moe Kiss - giver deres eksplicitte følelser på en lang række analytiske emner. Værterne inviterer ofte andre mennesker i branchen til at sikre, at flere meninger er repræsenteret, og nye teknologier og tankegang diskuteres. Figur 18-5 viser podcastens raison d’etre.

Digital Analytics Power Hour

Analytics-agenturer og Adobe Analytics

Verden for analysebureauer er fyldt med smarte og succesrige konsulenter. Det ville være umuligt at linke til alt deres indhold, men her er et par ressourcer, der er særlig værdifulde for den voksende Adobe Analytics-analytiker.

Teamet på 33 Sticks deler et unikt sæt af indsigt og oplevelser, der arbejder med kunderne for at implementere digital analyse. Se blogartiklerne og 33 Tangents-podcasts-episoder. Indholdet vedrører en lang række emner fra digital analyse til forretning og teknologi til fjernarbejde.

33 Sticks-blog

Skibsførerne hos Analytics Demystified har skrevet indhold om Adobe Analytics i mere end 10 år. Vi kan varmt anbefale at bruge lidt tid på deres blog (https://analyticsdemystified.com/blog/) for at lære om virkelighedens applikationer af Adobes teknologi og vejledninger. Adam Grecos indhold er især værdifuldt for både nye og erfarne analytikere.

Konferencer, konferencer, konferencer ... for dataanalytikeren

Analytics-entusiaster er en tæt sammensat gruppe af mennesker, der elsker at dele og lære af hinanden. Der er ingen bedre måde at lære mere om analytics, Adobe og data industri tendenser end ved at deltage og netværk på analytics konferencer. Nogle af vores yndlingshændelser inden for branchen inkluderer følgende:

2019 Adobe SUMMIT
  • Adobe Insider Tour: Ud over SUMMIT ramte Adobe vejen for første gang i 2017, og feedbacken har været imponerende positiv. Disse sjove, gratis, halvdagsbegivenheder bringer medlemmer af Adobe Analytics-produktteamet til byer rundt om i verden (fra Chicago og Dallas til London og Sydney) for at sprede tip og tricks med Adobe-løsninger, give et indblik i Adobe-køreplanen, og give Adobe-partnere og kunder chancen for at præsentere. Hvis turen kommer til din by, vil du være glad for, at du tog dig tid til at nyde festlighederne. Tilmeld dig som en Adobe Insider for at blive informeret. DA Hub og Målcamp: To af vores foretrukne sælger-agnostiske begivenheder er kendt som ukonferencer. En ukonference sigter mod at undgå de store keynotes, store breakout-sessioner og generiske samtaler, som nogle større konferencer er kendt for. I stedet fokuserer ukonferencen på små krusninger - gruppesamtaler - og en mere stram gruppe deltagere. Deltagere i disse ukonferencer er en meget loyal gruppe, som du vil møde og diskutere analyse med.

Adobe Experience League

Adobes Experience League er et lager af værdifuld information om Adobe Experience Cloud-produkter. På dette websted leverer Adobe videoer, tutorials og et community forum. Hvis du logger ind med dit Adobe ID, får du en skræddersyet oplevelse baseret på indhold, du tidligere har set, og de funktioner, du bruger i Adobe-produkter.

Adobe Analytics YouTube-kanal

Adobe Analytics YouTube-kanalen er en af ​​de bedste måder at holde sig ajour med nye funktioner og den nyeste bedste praksis. Adobe-produktteam administrerer indholdet her, og du kan endda genkende navnet på en af ​​de almindelige præsentanter - en af ​​dine to foretrukne analytiske forfattere, Eric Matisoff!

Hver gang Adobe frigiver nye funktioner eller tilføjer nye funktioner til gamle funktioner, opretter Adobe en playliste med tre-til-fem-minutters videoer, der forklarer ændringerne. Over 10.000 abonnenter ser regelmæssigt de 180+ videoer, der er aktuelle og let tilgængelige takket være de velorganiserede YouTube-spillelister, som Adobe har oprettet. Følgende billede viser en sammenligning af segmenter i Adobe Analytics. Tilmeld dig i dag!

sammenligning af Adobe Analytics-segmenter

Hacking af beslaget med Adobe Analytics

Du kan let trække på sport for at forstå og anvende analyser. Det sjove, interaktive site Hack the Bracket trækker på data, der er behandlet af Adobe Analytics for at forudsige resultatet af NCAA-basketballkampkampe.

Havk beslaget

Lyder det som sjovt? Prøv det! Naturligvis garanterer ikke Adobe nogen garantier for forudsigelighedernes pålidelighed, pålidelighed og nøjagtighed, og enhver handling, du foretager dig forudsatte forudsigelser, er strengt på din egen risiko.