Analysere data med Adobe Analytics: Hvor dataene kommer fra

Du vet kanskje ikke dette, men Adobe Analytics-brukere utfører dataanalyser på ting utenfor nettsidene deres. Adobe fanger også data på vegne av kundene sine i mobilapper, nettbrettapper og mer. I tillegg har Adobe bygget inn betydelig fleksibilitet i Adobe Analytics for å håndtere en mer digitalt tilkoblet forbrukerverden som sømløst bytter fra taleassistent til telefon til bærbar datamaskin.

©Shutterstock/LineTale

Oppfatninger av naturen til dataanalyse ble definert i populærkulturens rike av Jonah Hill-karakteren i filmatiseringen av boken Moneyball . I den sanne historien klarte et baseball-lag med små markeder (Oakland A-ene) å utkonkurrere lag med mye større lønnslister ved å innovativt identifisere og handle for å skaffe underprisede spillere basert på statistiske mål på en spillers effektivitet utover og på mange måter i motsetning til tradisjonelle. beregninger, for eksempel batting-gjennomsnitt, hjemmeløp per sesong og RBI-er (runs batted in).

Siden den filmen kom ut, har det dukket opp nye og stadig mer komplekse utfordringer med å samle inn og analysere data. ( Se denne artikkelen for mer om datatrender .)

For eksempel har brukere av elektroniske enheter blitt betinget til å raskt navigere fra ett sted til et annet, noe som krever mer nyanserte og detaljerte beregninger for nøyaktig å spore brukeraktivitet. Og brukere er i økende grad bevisste på personvernhensyn og tar mer informerte beslutninger om hvordan de ønsker å administrere forholdet mellom bekvemmeligheten som tilbys ved å spore aktiviteten deres og opprettholde konfidensialitet i deres nettaktivitet.

På den andre siden av dataanalysemynten finnes det langt flere kilder til brukerdata enn for bare noen få år siden. I dag har Adobe en rekke mekanismer for å importere informasjon for dataanalyse fra digitalt frakoblede kilder som kundesentre, CRM-systemer og handelsmotorer i butikk.

Før du dykker ned i detaljene om hvordan data samles inn, er det viktig å forstå at det å fange data og pumpe dem inn i Adobe Analytics vanligvis ikke er dataanalytikeres domene. Din jobb som analytiker er å analysere dataene som fanges opp fra brukeraktivitet.

Men følgende grunnleggende oversikt over hvordan data samles inn er viktig for analytikere av to grunner. En, det er godt å vite hvor data kommer fra når du vil vurdere gyldigheten; og to, å ha en grunnleggende forståelse av prosessen med å utvinne og sende data inn i Adobe Analytics lar deg ha mer produktive interaksjoner med folkene som setter opp verktøyene som trekker ut data.

Bruke Adobe Analytics til å fange data fra nettsteder

La oss starte med den vanligste Adobe Analytics-datakilden: nettsteder. Nettdata ble opprinnelig analysert basert på serverlogger. Serverloggdata genereres automatisk av servere som er vert for nettsteder og gir en telling og tidsstempel for hver forespørsel og nedlasting av hver fil på nettstedet. Dessverre er dataene svært upålitelige fordi serverlogger ikke har evnen til å skille roboter fra mennesker.

Bots er automatiserte datamaskiner som skanner nettsider. Disse robotene er ofte vennlige og brukes til å rangere nettsteder for søkemotorer eller produktaggregatornettsteder. Noen roboter er imidlertid uvennlige og brukes til konkurranseinformasjon eller verre.

Fordi serverlogger ikke kan skille et menneske fra en bot, migrerte industrien raskt til tagger, som nå er industristandarden. Generelt er tagger JavaScript-baserte kodelinjer som legger til et usynlig bilde på hver side og handling på nettstedet ditt. Disse bildene fungerer som et fyrtårn for analyseverktøy, der flere ting skjer på bare noen få millisekunder:

JavaScript-kode kjøres for å identifisere nettleser- og enhetsinformasjon samt tidsstemplet for sidevisningen.

Mer JavaScript-kode kjører for å se etter eksistensen av en informasjonskapsel, som er et stykke tekst som er lagret i en nettleser. Informasjonskapsler kan bare nås av domenene som har angitt dem og har ofte en utløpsdato.

Hvis den eksisterer, trekkes en besøks-ID ut fra informasjonskapselen for å identifisere brukeren på tvers av besøk og sider. Hvis en besøks-ID ikke eksisterer, opprettes en unik ID og settes inn i en ny informasjonskapsel. Disse ID-ene er unike for hver besøkende, men er ikke koblet til en brukers personlige data, og gir dermed et mål på personvern for brukerne.

Mer JavaScript brukes til å fange informasjon om siden: URL-en, henvisningsadressen og en rekke tilpassede dimensjoner som identifiserer handlingen og oppførselen til den besøkende.

Etter at JavaScript-logikken kjører, genereres bildefyren for å sende data inn i innsamlings- og prosesseringsmotoren i Adobes analyser.

Skremmende er det ikke? Vel, det var slik nettutviklere følte det. Da nettanalyse først kom på banen, var en av de tøffeste jobbene å lære utviklere å skrive og teste alt dette JavaScript for å sikre at taggene våre utløste nøyaktig. Å lære utviklere å utvikle seg – ikke en morsom jobb.

Heldig for oss, en enda smartere utvikler kom opp med en idé om å flytte all JavaScript til et enkelt brukergrensesnitt (brukergrensesnitt). nettutviklere måtte bare legge til én eller to linjer med kode på hver side på nettstedet, og markedsføreren kunne deretter administrere taggene sine i denne nye plattformen kalt et tag-administrasjonssystem, eller TMS. Det tok ikke lang tid før tagadministrasjonsindustrien eksploderte, noe som førte til dusinvis av leverandører, og deretter oppkjøp, fusjoner og teknologiomdreininger.

Den gode nyheten er at bransjen for merkehåndteringssystem har blitt varetilpasset og er tilgjengelig gratis fra Adobe i form av Dynamic Tag Manager (DTM) og Adobe Launch. Du er kanskje allerede kjent med Googles TMS, Google Tag Manager eller en av de uavhengige TMS-spillerne som Tealium, Ensighten eller Signal.

Sjansen er stor for at bedriften din allerede bruker en av disse teknologiene for å distribuere markedsføringstagger på nettstedet ditt. Alle kan distribuere Adobe Analytics, selv om Adobes anbefaling for beste praksis er å bruke Adobe Launch.

Bruke Adobe Analytics til å fange data fra mobile enheter

Hvis standardnettsteder levert til en bærbar datamaskin er det naturlige stedet å starte med diskusjonen om datainnsamling, er det logiske neste trinnet å flytte til en mindre mobilskjerm.

Du vet kanskje allerede at på dette stadiet av utviklingen av webdesign, er mobile nettsteder fullt fungerende nettsider, ikke ettertanke vedlegg til bærbare, stasjonære eller store skjermsider. Disse mindre skala nettstedene er laget ved å bruke en tilnærming til webutvikling kalt responsivt design, der koden som brukes til å lage nettstedinnhold er den samme uavhengig av størrelsen på nettbesøkerens skjerm og nettleser. Din bedrift bruker mest sannsynlig allerede responsiv design.

Når responsiv design brukes, bør de samme taggene som utløses på skrivebordsnettstedet fungere på mobil- og nettbrettoptimaliserte nettsteder fordi de i hovedsak er det samme, noe som er gode nyheter i tagadministrasjonsverdenen. Imidlertid er verden av responsive design-baserte mobilapper helt annerledes enn for native apper.

Mining av data fra innebygde apper med Adobe Analytics

Innfødte apper byr på spesielle utfordringer for datainnsamling. Disse mobil- og nettbrettapplikasjonene er programmert på en annen måte enn responsive nettsteder.

Generelt kjører ikke native apper i nettlesere, bruker ikke HTML og kan ikke kjøre JavaScript. Faktisk er applikasjoner bygget for iOS bygget i et annet programmeringsspråk (mål C) enn Android-apper (Java). Disse tekniske programmeringsspråkene nevnes av én viktig grunn: Et tag-administrasjonssystem vil ikke fungere på mobil- og nettbrettapplikasjonene dine.

Noen leverandører av tagadministrasjonssystem har hacket muligheten til å inkorporere JavaScript i apper, men resultatet har begrensede muligheter og er langt fra en beste praksis. Den mest komplette, nøyaktige og skalerbare måten å distribuere Adobe-verktøy på er å bruke Adobes mobile programvareutviklingssett (SDK). Adobes mobile SDK er bygget for å fungere som et datainnsamlingssystem, som et tag-administrasjonssystem, men bruker appens opprinnelige programmeringsspråk (Objective C for iOS eller Java for Android).

Adobe SDK er viktig fordi den har dypere tilgang til koden som kjører appen og derfor kan brukes til mer enn bare datainnsamling. I tillegg til å sende data til Adobe Analytics, må Adobe SDK gjøre følgende:

• Fang geografisk plasseringsdata basert på GPS.
• Bruk geofences basert på GPS-dataene for analyse eller handling.
• Send push-varsler til brukere.
• Oppdater innhold i appen via meldinger i appen, personalisering og testing.

Tilgang til disse funksjonene kan være begrenset til SKUen, eller versjonen, som bedriften din har kjøpt fra Adobe. Samarbeid med Adobe Account Manager for å forstå hvilke av disse funksjonene som er inkludert i kontrakten din.

Bruke Adobe Analytics til å fange data fra IoT og utover

Nå som du forstår innsamlingsstandardene for de to største brukssakene (nett og mobil), er det på tide å forgrene seg til et mer generisk sett av tingenes internett (IoT). Alle som stiller spørsmål om data, må tenke på digitale kiosker, smartklokker, tilkoblede biler, interaktive skjermer og alle andre nye enheter våre tekniske overherrer har annonsert siden denne setningen ble skrevet.

Leverandører som Adobe synes det er vanskelig å holde oversikt over hver nye enhet fordi å bygge SDK-er tar tid, penger, forskning, ingeniører, kode, kvalitetssikring og mer. Men ikke bekymre deg: Enheter som ikke har innebygde SDK-er kan fortsatt sende data til Adobe Analytics.

Den beste praksisen for å sende data fra en av disse enhetene er gjennom et applikasjonsprogrammeringsgrensesnitt (API). Kort fortalt betyr dette at utviklerne av IoT-applikasjonen kan skrive sin egen kode for å opprette en tilkobling til din Adobe Analytics-konto og deretter sende data til den.

APIer har blitt standardmåten for å sende data fra en hvilken som helst enhet som er koblet til Internett, enten på heltid eller deltid. Adobe har også noen anbefalinger å dele, spesielt for noen av de store innsatsene deres når det kommer til disse nye enhetene, for eksempel tale og tilkoblet bil. Når dette skrives, er ikke SDK-er tilgjengelige for stemmeaktiverte enheter eller tilkoblede bilapplikasjoner. Adobe har imidlertid beste praksis for datatilpasninger, variable innstillinger og kodealternativer for begge disse teknologiene.

Enterprise-programvare – programvare lisensiert til institusjoner – oppdateres regelmessig, og Adobe utgir beste praksis for sporing av data knyttet til nye digitale medier som tale og den tilkoblede bilen.

Du har nå utforsket alle typer data generert av enheter som har deltids- eller heltidstilgang til nettet: datamaskiner, telefoner, nettbrett og IoT.

Folks digitale opplevelser og interaksjoner på disse enhetene fanges opp av en kombinasjon av TMS, SDK og API. Ifølge markedsførere og analytikere mangler den listen noe: data som ikke er basert på atferd.

Kanskje det beste eksemplet på ikke-atferdsdata kommer fra verktøyet for kundeforholdsstyring (CRM) . CRM-verktøy brukes til å organisere, kategorisere og administrere potensielle kunder og kunder. Andre eksempler på ikke-atferdsdata som markedsførere og analytikere vil være interessert i inkluderer følgende:

• Callcenter
• Kjøp uten nett eller i butikk
• Returer eller kanselleringer
• Produktkostnad for solgte varer
• Annonsekampanje
• Kundetilfredshet

Adobe Analytics kan importere alle disse datatypene sammen med mange andre. Generelt importeres disse dataene til Adobe Analytics via enten File Transfer Protocol (FTP) eller API.