Duomenų analizė naudojant „Adobe Analytics“: iš kur gaunami duomenys

Galbūt to nežinote, bet „Adobe Analytics“ naudotojai atlieka duomenų analizę, susijusią su ne tik savo svetainėmis. „Adobe“ taip pat fiksuoja duomenis savo klientų vardu programėlėse mobiliesiems, planšetiniams kompiuteriams ir kt. Be to, „Adobe“ įdiegė didelį „Adobe Analytics“ lankstumą, kad galėtų valdyti labiau skaitmeniniu būdu susietą vartotojų pasaulį, kuris sklandžiai pereina nuo balso asistento prie telefono prie nešiojamojo kompiuterio.

©Shutterstock / LineTale

Duomenų analizės prigimties suvokimą populiariosios kultūros srityje apibrėžė Jonah Hill personažas knygos „ Moneyball“ ekranizacijoje . Šioje tikroje istorijoje nedidelės rinkos beisbolo komanda (Oakland A's) sugebėjo žymiai pranokti komandas, turinčias daug didesnį atlyginimą, naujoviškai identifikuodama ir įsigydama nepakankamai kainuojančius žaidėjus, remiantis statistiniais žaidėjo efektyvumo rodikliais, viršijančiais ir daugeliu atžvilgių prieštaraujančius tradiciniams. metrikos, pvz., mušimo vidurkiai, bėgimų namuose per sezoną ir RBI (įmuštų kamuolių).

Nuo tada, kai pasirodė šis filmas, atsirado naujų ir vis sudėtingesnių iššūkių renkant ir analizuojant duomenis. ( Sužinokite daugiau apie duomenų tendencijas šiame straipsnyje .)

Pavyzdžiui, internetinių įrenginių naudotojai buvo paruošti greitai naršyti iš vienos vietos į kitą, todėl norint tiksliai sekti vartotojų veiklą, reikia niuansesnių ir detalesnių metrikų. Be to, vartotojai vis labiau suvokia privatumo sumetimus ir priima labiau pagrįstus sprendimus, kaip jie nori valdyti ryšį tarp patogumo, kurį suteikia jų veiklos stebėjimas, ir internetinės veiklos konfidencialumo išsaugojimo.

Kitoje duomenų analizės monetos pusėje yra daug daugiau vartotojų duomenų šaltinių nei prieš keletą metų. Šiandien „Adobe“ turi daugybę mechanizmų, skirtų duomenų analizei importuoti iš skaitmeniniu būdu atjungtų šaltinių, tokių kaip skambučių centrai, ryšių su klientais valdymo (CRM) sistemos ir parduotuvės prekybos varikliai.

Prieš gilinantis į duomenų rinkimo detales, svarbu suprasti, kad duomenų fiksavimas ir perkėlimas į „Adobe Analytics“ paprastai nėra duomenų analitikų sfera. Jūsų, kaip analitiko, darbas yra analizuoti duomenis, gautus iš naudotojų veiklos.

Bet taip pagrindinė apžvalga , kaip duomenys yra surinkti svarbu analitikų dėl dviejų priežasčių. Pirma, verta žinoti, iš kur gaunami duomenys, kai norite įvertinti jų pagrįstumą; ir antra, turėdami pagrindinį duomenų gavybos ir siuntimo į „Adobe Analytics“ procesą supratimą, galite produktyviau bendrauti su žmonėmis, kurie nustato įrankius, iš kurių gaunami duomenys.

„Adobe Analytics“ naudojimas duomenims iš svetainių surinkti

Pradėkime nuo labiausiai paplitusio „Adobe Analytics“ duomenų šaltinio: svetainių. Iš pradžių žiniatinklio duomenys buvo analizuojami remiantis serverio žurnalais. Serverio žurnalo duomenis automatiškai generuoja serveriai, kuriuose yra svetainės ir pateikiami kiekvienos užklausos bei kiekvieno failo atsisiuntimo svetainėje skaičius ir laiko žyma. Deja, duomenys yra labai nepatikimi, nes serverio žurnalai negali atskirti robotų nuo žmonių.

Botai yra automatizuoti kompiuteriai, kurie nuskaito svetaines. Šie robotai dažnai yra draugiški ir naudojami paieškos sistemų svetainėms arba produktų kaupimo svetainėms reitinguoti. Tačiau kai kurie robotai yra nedraugiški ir naudojami konkurencinei informacijai ar dar blogiau.

Kadangi serverio žurnalai negali atskirti žmogaus nuo roboto, pramonė greitai perėjo prie žymų, kurios dabar yra pramonės standartas. Paprastai žymos yra JavaScript pagrįstos kodo eilutės, kurios prie kiekvieno svetainės puslapio ir veiksmo prideda nematomą vaizdą. Šie vaizdai veikia kaip analizės įrankių švyturys, kai keli dalykai įvyksta vos per kelias milisekundes:

„JavaScript“ kodas veikia siekiant nustatyti naršyklės ir įrenginio informaciją bei puslapio peržiūros laiko žymą.

Paleidžiama daugiau „JavaScript“ kodo, siekiant ieškoti, ar nėra slapuko, kuris yra naršyklėje išsaugotas teksto fragmentas. Slapukus gali pasiekti tik juos nustatantys domenai ir dažnai turi savo galiojimo datą.

Jei yra, lankytojo ID išgaunamas iš slapuko, kad būtų galima identifikuoti vartotoją apsilankymų ir puslapių metu. Jei lankytojo ID neegzistuoja, sukuriamas unikalus ID ir nustatomas naujame slapuke. Šie ID yra unikalūs kiekvienam lankytojui, bet nėra susieti su vartotojo asmeniniais duomenimis, todėl naudotojams suteikiamas privatumas.

Daugiau JavaScript naudojama informacijai apie puslapį užfiksuoti: URL, persiuntimo URL ir daugybė tinkintų aspektų, identifikuojančių lankytojo veiksmą ir elgesį.

Pasibaigus šiai „JavaScript“ logikai, sugeneruojamas vaizdo švyturys, kad būtų siunčiami duomenys į „Adobe“ analizės rinkimo ir apdorojimo variklį.

Baugina, ar ne? Na, taip jautėsi žiniatinklio kūrėjai. Kai pirmą kartą pasirodė žiniatinklio analizė , vienas iš sunkiausių darbų buvo mokyti kūrėjus rašyti ir išbandyti visą šį „JavaScript“, siekiant užtikrinti, kad mūsų žymos būtų suaktyvintos tiksliai. Mokyti kūrėjus tobulėti – nėra įdomus darbas.

Mums pasisekė, kad dar protingesnis kūrėjas sugalvojo perkelti visą tą JavaScript į vieną vartotojo sąsają (vartotojo sąsają). žiniatinklio kūrėjai turėjo tik pridėti vieną ar dvi kodo eilutes kiekviename svetainės puslapyje, o rinkodaros specialistas galėjo valdyti savo žymas šioje naujoje platformoje, pavadintoje žymų valdymo sistema arba TMS. Neilgai trukus etikečių valdymo pramonė sprogo, o tai paskatino daugybę pardavėjų, o vėliau įsigijimų, susijungimų ir technologijų sukimosi.

Geros naujienos yra tai, kad žymų valdymo sistemų pramonė tapo komercine ir yra nemokama iš „Adobe“ kaip „Dynamic Tag Manager“ (DTM) ir „Adobe Launch“. Galbūt jau esate susipažinę su „Google“ TMS, „Google Tag Manager“ arba vienu iš nepriklausomų TMS grotuvų, pvz., „Tealium“, „Ensighten“ ar „Signal“.

Tikėtina, kad jūsų įmonė jau naudoja vieną iš šių technologijų rinkodaros žymoms įdiegti jūsų svetainėje. Visi jie gali įdiegti „Adobe Analytics“, nors „Adobe“ rekomenduoja naudoti „Adobe Launch“.

„Adobe Analytics“ naudojimas duomenims iš mobiliųjų įrenginių užfiksuoti

Jei standartinės svetainės, pristatomos į nešiojamąjį kompiuterį, yra natūrali vieta pradėti diskusiją apie duomenų rinkimą, kitas logiškas žingsnis yra perėjimas prie mažesnio mobiliojo telefono ekrano.

Galbūt jau žinote, kad šiame žiniatinklio dizaino evoliucijos etape svetainės mobiliesiems yra visiškai veikiantys tinklalapiai, o ne nešiojamųjų kompiuterių, stalinių kompiuterių ar didelių monitorių svetainių priedai. Šios mažesnės apimties svetainės yra sukurtos naudojant interneto kūrimo metodą, vadinamą responsive design, kai svetainės turiniui sukurti naudojamas kodas yra vienodas, neatsižvelgiant į žiniatinklio lankytojo ekrano ir naršyklės dydį. Jūsų įmonė greičiausiai jau naudoja prisitaikantį dizainą.

Kai taikomas interaktyvus dizainas, tos pačios žymos, kurios suaktyvinamos staliniams kompiuteriams skirtoje svetainėje, turėtų veikti mobiliesiems ir planšetiniams kompiuteriams optimizuotose svetainėse, nes jos iš esmės yra tas pats dalykas, o tai yra gera žinia žymų valdymo pasaulyje. Tačiau reaguojančiu dizainu pagrįstų programų mobiliesiems pasaulis visiškai skiriasi nuo savųjų programų.

Duomenų gavyba iš savųjų programų naudojant „Adobe Analytics“.

Savosios programos kelia ypatingų duomenų rinkimo iššūkių. Šios programos mobiliesiems ir planšetiniams kompiuteriams programuojamos kitaip nei interaktyvios svetainės.

Apskritai vietinės programos neveikia naršyklėse, nenaudoja HTML ir negali paleisti JavaScript. Tiesą sakant, „iOS“ sukurtos programos yra sukurtos kita programavimo kalba (C tikslas) nei „Android“ programos (Java). Šios techninės programavimo kalbos minimos dėl vienos svarbios priežasties: žymų valdymo sistema neveiks jūsų mobiliuosiuose ir planšetiniuose kompiuteriuose.

Kai kurie žymų valdymo sistemų pardavėjai nulaužė galimybę įtraukti „JavaScript“ į programas, tačiau rezultato galimybės yra ribotos ir toli gražu nėra geriausia praktika. Pats išsamiausias, tiksliausias ir keičiamo dydžio „Adobe“ įrankių diegimo būdas yra naudoti „Adobe“ mobiliosios programinės įrangos kūrimo rinkinį (SDK). „Adobe“ mobilusis SDK sukurtas taip, kad veiktų kaip duomenų rinkimo sistema, kaip ir žymų valdymo sistema, tačiau naudojama vietinė programos programavimo kalba (Objective C, skirta „iOS“ arba „Java“, skirta „Android“).

„Adobe SDK“ yra svarbus, nes turi gilesnę prieigą prie kodo, kuriuo paleidžiama programa, todėl gali būti naudojamas ne tik duomenims rinkti. Be duomenų siuntimo į „Adobe Analytics“, „Adobe SDK“ turi atlikti šiuos veiksmus:

• Užfiksuokite geografinės vietos duomenis pagal GPS.
• Analizei ar veiksmams naudokite geotvoras, pagrįstas tais GPS duomenimis.
• Siųsti tiesioginius pranešimus vartotojams.
• Atnaujinkite programos turinį naudodami programoje esančius pranešimus, suasmeninimą ir testavimą.

Prieiga prie šių galimybių gali būti apribota SKU arba versija, kurią jūsų įmonė įsigijo iš „Adobe“. Dirbkite su „Adobe“ paskyros valdytoju, kad suprastumėte, kurios iš šių galimybių įtrauktos į jūsų sutartį.

„Adobe Analytics“ naudojimas duomenims iš daiktų interneto ir ne tik fiksuoti

Dabar, kai suprantate dviejų didžiausių naudojimo atvejų (žiniatinklio ir mobiliojo) rinkimo standartus, laikas pereiti prie bendresnio daiktų interneto (IoT) rinkinio. Kiekvienas, kuris užduoda klausimų apie duomenis, turi galvoti apie skaitmeninius kioskus, išmaniuosius laikrodžius, prijungtus automobilius, interaktyvius ekranus ir bet kokius kitus naujus įrenginius, kuriuos mūsų technologijų viršininkai paskelbė nuo šio sakinio parašymo.

Tokiems tiekėjams, kaip „Adobe“, sunku neatsilikti nuo kiekvieno naujo įrenginio, nes SDK kūrimas reikalauja laiko, pinigų, tyrimų, inžinierių, kodo, kokybės užtikrinimo ir kt. Tačiau nesijaudinkite: įrenginiai, kuriuose nėra savųjų SDK, vis tiek gali siųsti duomenis į „Adobe Analytics“.

Geriausia duomenų siuntimo iš vieno iš šių įrenginių praktika yra naudojant taikomųjų programų programavimo sąsają (API). Trumpai tariant, tai reiškia, kad „IoT“ programos kūrėjai gali parašyti savo kodą, kad sukurtų ryšį su „Adobe Analytics“ paskyra ir tada nusiųsti į ją duomenis.

API tapo numatytuoju būdu, kuriuo duomenys siunčiami iš bet kurio įrenginio, prijungto prie interneto, visą ar ne visą darbo dieną. „Adobe“ taip pat turi keletą rekomendacijų, kuriomis reikia pasidalinti, ypač kai kuriems jų dideliems statymams, kai kalbama apie šiuos naujus įrenginius, pvz., balso ir prijungto automobilio. Šio rašymo metu SDK nepasiekiami balsu įjungiamiems įrenginiams arba prijungtoms automobilių programoms. Tačiau „Adobe“ turi geriausią abiejų šių technologijų duomenų tinkinimo, kintamų nustatymų ir kodo parinkčių praktiką.

Įmonės programinė įranga – programinė įranga, licencijuota institucijoms – yra reguliariai atnaujinama, o „Adobe“ išleidžia geriausią praktiką, kaip sekti duomenis, susijusius su naujomis skaitmeninėmis laikmenomis, tokiomis kaip balsas ir prijungtas automobilis.

Dabar ištyrėte visų tipų duomenis, kuriuos generuoja įrenginiai, turintys ne visą darbo dieną arba visą darbo dieną prieigą prie žiniatinklio: kompiuteriai, telefonai, planšetiniai kompiuteriai ir daiktų internetas.

Žmonių skaitmeninę patirtį ir sąveiką tuose įrenginiuose fiksuoja tam tikras TMS, SDK ir API derinys. Pasak rinkodaros specialistų ir analitikų, šiame sąraše kažko trūksta: duomenų, kurie nėra pagrįsti elgesiu.

Galbūt geriausias neelgsenos duomenų pavyzdys yra ryšių su klientais valdymo (CRM) įrankis . CRM įrankiai naudojami jūsų potencialiems klientams tvarkyti, suskirstyti į kategorijas ir valdyti. Kiti neelgsenos duomenų, kuriais būtų įdomu rinkodaros specialistams ir analitikams, pavyzdžiai:

• Skambučių centras
• Pirkimas neprisijungus arba parduotuvėje
• Grąžinimai arba atšaukimai
• Parduotų prekių kaina
• Reklamos kampanija
• Klientų pasitenkinimas

„Adobe Analytics“ gali importuoti bet kurį iš šių duomenų tipų kartu su daugybe kitų. Paprastai šie duomenys importuojami į „Adobe Analytics“ naudojant failų perdavimo protokolą (FTP) arba API.