Anàlisi de dades amb Adobe Analytics: don provenen les dades

Potser no ho sabeu, però els usuaris d'Adobe Analytics realitzen anàlisis de dades en coses més enllà dels seus llocs web. Adobe també captura dades en nom dels seus clients en aplicacions mòbils, aplicacions per a tauletes i molt més. A més, Adobe ha incorporat una flexibilitat important a Adobe Analytics per gestionar un món de consum més connectat digitalment que canvia perfectament de l'assistent de veu al telèfon i al portàtil.

©Shutterstock/LineTale

Les percepcions de la naturalesa de l'anàlisi de dades van ser definides en l'àmbit de la cultura popular pel personatge de Jonah Hill a l'adaptació cinematogràfica del llibre Moneyball . En aquesta història real, un equip de beisbol de mercat petit (els Oakland A's) va aconseguir superar de manera espectacular els equips amb nòmines molt més grans identificant i actuant de manera innovadora per adquirir jugadors amb un preu baix basant-se en mesures estadístiques de l'eficàcia d'un jugador més enllà i, de moltes maneres, anant en contra dels tradicionals. mètriques, com ara les mitjanes de bateig, les jonrones per temporada i les carreras impulsades (carretes batejades).

Des que va sortir aquella pel·lícula, han sorgit reptes nous i cada cop més complexos en la recollida i anàlisi de dades. ( Consulteu aquest article per obtenir més informació sobre les tendències de dades .)

Per exemple, els usuaris de dispositius en línia han estat condicionats per navegar ràpidament d'un lloc a un altre, la qual cosa requereix mètriques més matisades i detallades per fer un seguiment de l'activitat dels usuaris amb precisió. I els usuaris són cada cop més conscients de les consideracions de privadesa i prenen decisions més informades sobre com volen gestionar la relació entre la comoditat que ofereix el seguiment de la seva activitat i el manteniment de la confidencialitat en la seva activitat en línia.

A l'altra cara de la moneda de l'anàlisi de dades, existeixen moltes més fonts de dades d'usuari que fa només uns anys. Avui, Adobe disposa d'una sèrie de mecanismes per importar informació per a l'anàlisi de dades des de fonts digitalment desconnectades, com ara centres de trucades, sistemes de gestió de relacions amb els clients (CRM) i motors de comerç a les botigues.

Abans d'aprofundir en els detalls de com es recullen les dades, és important entendre que capturar dades i introduir-les a Adobe Analytics no és normalment el domini dels analistes de dades. La vostra feina com a analista és analitzar les dades capturades de l'activitat dels usuaris.

Però la següent visió general bàsica de com es recullen les dades és important per als analistes per dos motius. Primer, és bo saber d'on provenen les dades quan se'n vol valorar la validesa; i dos, tenir una comprensió bàsica del procés de mineria i enviament de dades a Adobe Analytics us permet tenir interaccions més productives amb les persones que configuren les eines que extreuen dades.

Ús d'Adobe Analytics per capturar dades de llocs web

Comencem per la font de dades d'Adobe Analytics més habitual: els llocs web. Les dades web es van analitzar originalment a partir dels registres del servidor. Les dades del registre del servidor les generen automàticament els servidors que allotgen llocs web i proporcionen un recompte i una marca de temps de cada sol·licitud i descàrrega de cada fitxer del lloc. Malauradament, les dades són molt poc fiables perquè els registres del servidor no tenen la capacitat de distingir els robots dels humans.

Els bots són ordinadors automatitzats que escanegen llocs web. Aquests robots solen ser amigables i s'utilitzen per classificar llocs web per a motors de cerca o llocs web d'agregació de productes. Alguns robots, però, són hostils i s'utilitzen per a intel·ligència competitiva o pitjor.

Com que els registres del servidor no poden distingir un humà d'un bot, la indústria va migrar ràpidament a les etiquetes, que ara són l'estàndard del sector. En general, les etiquetes són línies de codi basades en JavaScript que afegeixen una imatge invisible a cada pàgina i acció del vostre lloc web. Aquestes imatges actuen com un far per a les eines d'anàlisi, on succeeixen diverses coses en només uns mil·lisegons:

El codi JavaScript s'executa per identificar la informació del navegador i del dispositiu, així com la marca de temps de la visualització de la pàgina.

S'executa més codi JavaScript per cercar l'existència d'una galeta, que és un fragment de text desat en un navegador. Només poden accedir a les galetes els dominis que les configuren i sovint tenen una data de caducitat.

Si existeix, s'extreu un identificador de visitant de la galeta per identificar l'usuari a través de visites i pàgines. Si no existeix cap identificador de visitant, es crea un identificador únic i es configura en una galeta nova. Aquests identificadors són únics per a cada visitant, però no estan connectats a les dades personals d'un usuari, de manera que proporcionen una mesura de privadesa als usuaris.

S'utilitza més JavaScript per capturar informació sobre la pàgina: l'URL, el referent i un munt de dimensions personalitzades que identifiquen l'acció i el comportament del visitant.

Després de tota la lògica de JavaScript que s'executa, es genera la balisa d'imatge per enviar dades al motor de recopilació i processament de les analítiques d'Adobe.

Intimidant, no? Bé, així es van sentir els desenvolupadors web. Quan l'analítica web va aparèixer per primera vegada, una de les feines més difícils va ser ensenyar als desenvolupadors a escriure i provar tot aquest JavaScript per assegurar-se que les nostres etiquetes es disparaven amb precisió. Ensenyar als desenvolupadors a desenvolupar, no és una feina divertida.

Afortunadament per a nosaltres, un desenvolupador encara més intel·ligent va tenir la idea de moure tot aquest JavaScript a una única interfície d'usuari (interfície d'usuari). Els desenvolupadors web només havien d'afegir una o dues línies de codi a cada pàgina del lloc, i el venedor podria gestionar les seves etiquetes en aquesta nova plataforma anomenada sistema de gestió d'etiquetes, o TMS. No va passar gaire abans que la indústria de la gestió d'etiquetes va explotar, donant lloc a desenes de venedors, i després adquisicions, fusions i pivots tecnològics.

La bona notícia és que la indústria del sistema de gestió d'etiquetes s'ha convertit en una mercantilització i està disponible gratuïtament a Adobe en forma de Dynamic Tag Manager (DTM) i Adobe Launch. És possible que ja estigueu familiaritzat amb el TMS de Google, el Gestor d'etiquetes de Google o un dels reproductors independents de TMS com ara Tealium, Ensighten o Signal.

És probable que la vostra empresa ja faci servir una d'aquestes tecnologies per implementar etiquetes de màrqueting al vostre lloc web. Tots poden implementar Adobe Analytics, tot i que la recomanació d'Adobe per a les millors pràctiques és utilitzar Adobe Launch.

Ús d'Adobe Analytics per capturar dades des de dispositius mòbils

Si els llocs web estàndard lliurats a un ordinador portàtil són el lloc natural per començar amb la nostra discussió sobre la recollida de dades, passar a una pantalla mòbil més petita és el següent pas lògic.

Ja sabeu que en aquesta etapa de l'evolució del disseny web, els llocs web per a mòbils són pàgines web que funcionen completament, no apèndixs posteriors a llocs per a portàtils, ordinadors o monitors grans. Aquests llocs web a menor escala es creen utilitzant un enfocament de desenvolupament web anomenat disseny responsiu, en el qual el codi utilitzat per crear contingut del lloc web és el mateix independentment de la mida de la pantalla i del navegador del visitant web. El més probable és que la vostra empresa ja estigui aprofitant el disseny responsive.

Quan s'aplica un disseny responsiu, les mateixes etiquetes que s'activen al lloc d'escriptori haurien de funcionar en llocs web optimitzats per a mòbils i tauletes perquè són essencialment el mateix, la qual cosa és una bona notícia en el món de la gestió d'etiquetes. Tanmateix, el món de les aplicacions mòbils basades en el disseny responsiu és completament diferent del de les aplicacions natives.

Extracció de dades d'aplicacions natives amb Adobe Analytics

Les aplicacions natives presenten reptes particulars per a la recollida de dades. Aquestes aplicacions per a mòbils i tauletes es programen d'una manera diferent que els llocs web responsius.

En general, les aplicacions natives no s'executen als navegadors, no utilitzen HTML i no poden executar JavaScript. De fet, les aplicacions creades per a iOS es creen en un llenguatge de programació diferent (Objectiu C) que les aplicacions d'Android (Java). Aquests llenguatges de programació tècnics s'esmenten per un motiu important: un sistema de gestió d'etiquetes no funcionarà a les vostres aplicacions per a mòbils i tauletes.

Alguns venedors de sistemes de gestió d'etiquetes han piratejat la capacitat d'incorporar JavaScript a les aplicacions, però el resultat té capacitats limitades i està lluny de ser una bona pràctica. La manera més completa, precisa i escalable de desplegar les eines d'Adobe és utilitzar el kit de desenvolupament de programari mòbil (SDK) d'Adobe. L'SDK per a mòbils d'Adobe està dissenyat per funcionar com un sistema de recollida de dades, com un sistema de gestió d'etiquetes, però utilitza el llenguatge de programació natiu de l'aplicació (Objectiu C per a iOS o Java per a Android).

L'SDK d'Adobe és important perquè té un accés més profund al codi que executa l'aplicació i, per tant, es pot utilitzar per a més que només la recollida de dades. A més d'enviar dades a Adobe Analytics, cal que l'SDK d'Adobe faci el següent:

• Captura dades d'ubicació geogràfica basades en GPS.
• Utilitzeu tanques geogràfiques basades en aquestes dades GPS per a l'anàlisi o l'acció.
• Envieu notificacions push als usuaris.
• Actualitza el contingut de l'aplicació mitjançant missatgeria, personalització i proves a l'aplicació.

L'accés a aquestes capacitats pot estar limitat a la SKU, o versió, que la vostra empresa ha comprat a Adobe. Treballeu amb el vostre gestor de comptes d'Adobe per entendre quines d'aquestes capacitats s'inclouen al vostre contracte.

Ús d'Adobe Analytics per capturar dades d'IoT i més enllà

Ara que enteneu els estàndards de recollida per als dos casos d'ús més grans (web i mòbil), és hora de passar a un conjunt més genèric d'Internet de les coses (IoT). Tothom que faci preguntes sobre dades ha de pensar en quioscs digitals, rellotges intel·ligents, cotxes connectats, pantalles interactives i qualsevol altre dispositiu nou que els nostres senyors tecnològics hagin anunciat des que es va escriure aquesta frase.

A proveïdors com Adobe els costa mantenir-se al capdavant de tots els dispositius nous perquè crear SDK requereix temps, diners, investigació, enginyers, codi, garantia de qualitat i molt més. Però no us preocupeu: els dispositius que no tenen SDK natius encara poden enviar dades a Adobe Analytics.

La millor pràctica per enviar dades des d'un d'aquests dispositius és mitjançant una interfície de programació d'aplicacions (API). En resum, això significa que els desenvolupadors de l'aplicació IoT poden escriure el seu propi codi per crear una connexió al vostre compte d'Adobe Analytics i després enviar-hi dades.

Les API s'han convertit en la manera predeterminada en què les dades s'envien des de qualsevol dispositiu connectat a Internet, ja sigui a temps complet o a temps parcial. Adobe també té algunes recomanacions per compartir, especialment per a algunes de les seves grans apostes quan es tracta d'aquests nous dispositius, com ara la veu i el cotxe connectat. En el moment d'escriure aquest article, els SDK no estan disponibles per a dispositius activats per veu o aplicacions de cotxe connectat. No obstant això, Adobe té pràctiques recomanades per a la personalització de dades, la configuració variable i les opcions de codi per a ambdues tecnologies.

El programari empresarial (programari amb llicència per a institucions) s'actualitza regularment i Adobe publica les millors pràctiques per al seguiment de les dades associades amb nous mitjans digitals, com ara la veu i el cotxe connectat.

Ara heu explorat tot tipus de dades generades pels dispositius que tenen accés a temps parcial o complet al web: ordinadors, telèfons, tauletes i IoT.

Les experiències digitals i les interaccions de les persones en aquests dispositius es capturen amb alguna combinació de TMS, SDK i API. Segons els venedors i analistes, a aquesta llista li falta alguna cosa: dades que no es basen en el comportament.

Potser el millor exemple de dades no conductuals prové de la vostra eina de gestió de relacions amb els clients (CRM) . Les eines de CRM s'utilitzen per organitzar, categoritzar i gestionar els vostres clients potencials i clients. Altres exemples de dades no comportamentals que els comercialitzadors i analistes estarien interessats inclouen els següents:

• Centre de trucades
• Compres fora de línia o a la botiga
• Devolucions o cancel·lacions
• Cost del producte de les mercaderies venudes
• Campanya publicitària
• La satisfacció del client

Adobe Analytics pot importar qualsevol d'aquests tipus de dades juntament amb molts altres. En general, aquestes dades s'importen a Adobe Analytics mitjançant el protocol de transferència de fitxers (FTP) o l'API.