Analyse af data med Adobe Analytics: Hvor kommer dataene fra

Du ved måske ikke dette, men Adobe Analytics-brugere udfører dataanalyser på ting ud over deres websteder. Adobe fanger også data på vegne af deres kunder i mobilapps, tabletapps og mere. Plus, Adobe har indbygget betydelig fleksibilitet i Adobe Analytics til at håndtere en mere digitalt forbundet forbrugerverden, der problemfrit skifter fra stemmeassistent til telefon til bærbar computer.

©Shutterstock/LineTale

Opfattelser af karakteren af ​​dataanalyse blev defineret i populærkulturens område af Jonah Hill-karakteren i filmatiseringen af ​​bogen Moneyball . I den sande historie formåede et baseballhold med mindre markeder (Oakland A'erne) 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 målinger, såsom batting-gennemsnit, homeruns per sæson og RBI'er (runs batted in).

Siden den film udkom, er der opstået nye og stadig mere komplekse udfordringer med at indsamle og analysere data. ( Tjek denne artikel for mere om datatendenser .)

For eksempel er brugere af online-enheder blevet betinget til hurtigt at navigere fra et sted til et andet, hvilket kræver mere nuancerede og detaljerede målinger for nøjagtigt at spore brugeraktivitet. Og brugere er i stigende grad bevidste om privatlivsovervejelser og træffer mere informerede beslutninger om, hvordan de ønsker at administrere forholdet mellem den bekvemmelighed, som fås ved at få deres aktivitet sporet, versus bevarelse af fortrolighed i deres onlineaktivitet.

På den anden side af dataanalyse-mønten findes der langt flere kilder til brugerdata end for blot et par år siden. I dag har Adobe en række mekanismer til at importere information til dataanalyse fra digitalt frakoblede kilder, såsom callcentre, CRM-systemer (Customer Relationship Management) og handelsmotorer i butikker.

Før du dykker ned i detaljerne om, hvordan data indsamles, er det vigtigt at forstå, at indsamling af data og pumpning af dem ind i Adobe Analytics normalt ikke er dataanalytikeres domæne. Din opgave som analytiker er at 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 validitet; og to, at have en grundlæggende forståelse af processen med at mine og sende data ind i Adobe Analytics giver dig mulighed for at have mere produktive interaktioner med de folk, der konfigurerer værktøjerne, der udtrækker data.

Brug af Adobe Analytics til at fange data fra websteder

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

Bots er automatiserede computere, der scanner websteder. Disse bots er ofte venlige og bruges til at rangere websteder for søgemaskiner eller produktaggregatorwebsteder. Nogle bots er dog uvenlige og bruges til konkurrenceinformation eller værre.

Fordi serverlogfiler ikke kan skelne et menneske fra en bot, migrerede industrien hurtigt til tags, som nu er industristandarden. Generelt er tags JavaScript-baserede kodelinjer, der tilføjer et usynligt billede til hver side og handling på dit websted. Disse billeder fungerer som et fyrtårn for analyseværktøjer, hvor flere ting sker på få millisekunder:

JavaScript-kode kører for at identificere browser- og enhedsoplysninger samt tidsstemplet for sidevisningen.

Mere JavaScript-kode kører for at lede efter eksistensen af ​​en cookie, som er et stykke tekst gemt i en browser. Cookies kan kun tilgås af de domæner, der har angivet dem og har ofte en udløbsdato.

Hvis det findes, udtrækkes et besøgs-id fra cookien for at identificere brugeren på tværs af besøg og sider. Hvis et besøgs-id ikke eksisterer, oprettes et unikt ID og sættes i en ny cookie. Disse ID'er er unikke for hver besøgende, men er ikke forbundet med en brugers personlige data, hvilket giver brugerne et mål for privatlivets fred.

Mere JavaScript bruges til at fange information om siden: URL'en, henvisningen og en række tilpassede dimensioner, der identificerer den besøgendes handling og adfærd.

Efter al den JavaScript-logik kører, genereres billedbeaconet for at sende data ind i indsamlings- og behandlingsmotoren i Adobes analyser.

Skræmmende er det ikke? Nå, sådan følte webudviklere det. Da webanalyse først kom på banen, var en af ​​de hårdeste opgaver at lære udviklere at skrive og teste alt dette JavaScript for at sikre, at vores tags udløste nøjagtigt. At lære udviklere at udvikle sig - ikke et sjovt job.

Heldigt for os, kom en endnu smartere udvikler på en idé om at flytte alt det JavaScript til en enkelt UI (brugergrænseflade). webudviklere behøvede kun at tilføje en eller to linjer kode til hver side på webstedet, og marketingmedarbejderen kunne derefter administrere deres tags i denne nye platform kaldet et tag management system eller TMS. Det varede ikke længe, ​​før tag management-industrien eksploderede, hvilket førte til snesevis af leverandører og derefter opkøb, fusioner og teknologiske omdrejninger.

Den gode nyhed er, at industrien for tag-styringssystem er blevet handelsvare og er tilgængelig gratis fra Adobe i form af Dynamic Tag Manager (DTM) og Adobe Launch. Du er måske allerede bekendt med Googles TMS, Google Tag Manager eller en af ​​de uafhængige TMS-afspillere såsom Tealium, Ensighten eller Signal.

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

Brug af Adobe Analytics til at fange data fra mobile enheder

Hvis standardwebsteder leveret til en bærbar computer er det naturlige sted at starte med vores dataindsamlingsdiskussion, er det logiske næste skridt at flytte til en mindre mobilskærm.

Du ved måske allerede, at på dette stadie af udviklingen af ​​webdesign er mobilwebsteder fuldt fungerende websider, ikke eftertanke vedhæng til bærbare, stationære eller store skærmsider. Disse mindre websteder er skabt ved at bruge en tilgang til webudvikling kaldet responsivt design, hvor koden, der bruges til at skabe webstedsindhold, er den samme uanset størrelsen på den webbesøgendes skærm og browser. Din virksomhed udnytter højst sandsynligt allerede responsivt design.

Når responsivt design anvendes, bør de samme tags, der aktiveres på desktop-webstedet, fungere på mobil- og tablet-optimerede websteder, fordi de i bund og grund er det samme, hvilket er gode nyheder i tag-administrationsverdenen. Imidlertid er verden af ​​responsive-design-baserede mobilapps helt anderledes end native apps.

Mining af data fra native apps med Adobe Analytics

Native apps giver særlige udfordringer for dataindsamling. Disse mobil- og tabletapplikationer er programmeret på en anden måde end responsive hjemmesider.

Generelt kører native apps ikke i browsere, bruger ikke HTML og kan ikke køre JavaScript. Faktisk er applikationer bygget til iOS bygget i et andet programmeringssprog (mål C) end Android-apps (Java). Disse tekniske programmeringssprog er nævnt af én vigtig grund: Et tag-administrationssystem vil ikke fungere på dine mobil- og tabletapplikationer.

Nogle leverandører af tag-styringssystem har hacket muligheden for at inkorporere JavaScript i apps, men resultatet har begrænsede muligheder og er langt fra en best practice. Den mest komplette, nøjagtige og skalerbare måde at implementere Adobe-værktøjer på er at bruge Adobes mobile softwareudviklingskit (SDK). Adobes mobile SDK er bygget til at fungere som et dataindsamlingssystem, ligesom et tag-administrationssystem, men bruger appens oprindelige programmeringssprog (Objective C for iOS eller Java for Android).

Adobe SDK er vigtigt, fordi det 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'et gøre følgende:

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

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

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

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

Leverandører som Adobe har svært ved at holde styr på hver ny enhed, fordi det tager tid, penge, forskning, ingeniører, kode, kvalitetssikring og meget mere at bygge SDK'er. Men bare rolig: Enheder, der ikke har indbyggede SDK'er, kan stadig sende data til Adobe Analytics.

Den bedste praksis til 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 forbundet til internettet, enten på fuld tid eller deltid. Adobe har også nogle anbefalinger at dele, især for nogle af deres store indsatser, når det kommer til disse nye enheder, såsom stemme og tilsluttet bil. I skrivende stund er SDK'er ikke tilgængelige for stemmeaktiverede enheder eller tilsluttede bilapplikationer. Adobe har dog bedste praksis for datatilpasninger, variable indstillinger og kodemuligheder for begge disse teknologier.

Virksomhedssoftware - software licenseret til institutioner - opdateres regelmæssigt, og Adobe udgiver bedste praksis for sporing af data forbundet med nye digitale medier såsom tale og den tilsluttede bil.

Du har nu udforsket alle typer data, der genereres af enheder, der har deltids- eller fuldtidsadgang til internettet: computere, telefoner, tablets og IoT.

Folks digitale oplevelser og interaktioner på disse enheder fanges af en kombination af TMS, SDK og API. Ifølge marketingfolk og analytikere mangler den liste noget: data, der ikke er baseret på adfærd.

Måske det bedste eksempel på ikke-adfærdsdata kommer fra dit værktøj til styring af kunderelationer (CRM) . CRM-værktøjer bruges til at organisere, kategorisere og administrere dine kundeemner og kunder. Andre eksempler på ikke-adfærdsdata, som marketingfolk og analytikere ville være interesserede i, omfatter følgende:

• Callcenter
• Offline- eller køb i butikken
• Returnering eller annullering
• Produktomkostninger for solgte varer
• Annoncekampagne
• Kundetilfredshed

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