Аналіз даних за допомогою Adobe Analytics: звідки беруться дані

Можливо, ви цього не знаєте, але користувачі Adobe Analytics здійснюють аналіз даних за межами своїх веб-сайтів. Adobe також збирає дані від імені своїх клієнтів у мобільних додатках, додатках для планшетів тощо. Крім того, Adobe впровадила значну гнучкість в Adobe Analytics, щоб керувати більш цифровим споживчим світом, який плавно перемикається з голосового помічника на телефон і ноутбук.

©Shutterstock/LineTale

Уявлення про природу аналізу даних визначив у сфері популярної культури персонаж Джона Хілл в екранізації книги Moneyball . У цій правдивій історії бейсбольній команді з невеликого ринку (Oakland A) вдалося значно перевершити команди з набагато більшою зарплатою, інноваційно виявляючи та діючи, щоб придбати гравців за низькою ціною на основі статистичних показників ефективності гравця, які виходять за межі та багато в чому протидіють традиційним метрики, такі як середні показники відбитків, хоум-рани за сезон і RBI (пробіги з битою).

Після виходу цього фільму виникли нові й дедалі складніші проблеми зі збором та аналізом даних. ( Перегляньте цю статтю, щоб дізнатися більше про тенденції даних .)

Наприклад, користувачі онлайн-пристроїв були навчені швидко переміщатися з одного місця в інше, що вимагало більш тонких і детальних показників для точного відстеження активності користувачів. Користувачі все більше усвідомлюють міркування щодо конфіденційності та приймають більш обґрунтовані рішення про те, як вони хочуть керувати взаємозв’язком між зручністю, наданою відстеженням їхньої активності, і збереженням конфіденційності своєї діяльності в Інтернеті.

З іншого боку монети аналізу даних, існує набагато більше джерел даних користувачів, ніж кілька років тому. Сьогодні Adobe має ряд механізмів для імпорту інформації для аналізу даних із цифрово відключених джерел, таких як кол-центри, системи управління взаємовідносинами з клієнтами (CRM) і системи торгівлі в магазинах.

Перш ніж зануритися в деталі збору даних, важливо розуміти, що збирання даних і передача їх в Adobe Analytics зазвичай не є комп’ютером аналітиків. Ваша робота як аналітика полягає в тому, щоб проаналізувати дані, отримані в результаті діяльності користувачів.

Але наступний основний огляд того, як збираються дані, важливий для аналітиків з двох причин. По-перше, добре знати, звідки беруться дані, коли ви хочете оцінити їх достовірність; і по-друге, володіння базовими знаннями процесу видобутку та надсилання даних в Adobe Analytics дозволяє вам мати більш продуктивну взаємодію з людьми, які налаштовують інструменти для вилучення даних.

Використання Adobe Analytics для збору даних із веб-сайтів

Почнемо з найпоширенішого джерела даних Adobe Analytics: веб-сайтів. Веб-дані спочатку аналізувалися на основі журналів сервера. Дані журналу сервера автоматично генеруються серверами, на яких розміщуються веб-сайти, і надають кількість і мітку часу кожного запиту та завантаження кожного файлу на сайті. На жаль, дані дуже ненадійні, оскільки журнали сервера не мають можливості відрізнити ботів від людей.

Боти – це автоматизовані комп’ютери, які сканують веб-сайти. Ці боти часто дружні й використовуються для ранжування веб-сайтів для пошукових систем або веб-сайтів-агрегаторів продуктів. Деякі боти, однак, недружні й використовуються для конкурентної інформації або ще гірше.

Оскільки журнали серверів не можуть відрізнити людину від бота, галузь швидко перейшла на теги, які тепер є галузевим стандартом. Як правило, теги — це рядки коду на основі JavaScript, які додають невидиме зображення до кожної сторінки та дії на вашому веб-сайті. Ці зображення служать маяком для інструментів аналітики, де кілька речей відбуваються всього за кілька мілісекунд:

Код JavaScript запускається, щоб ідентифікувати інформацію про браузер і пристрій, а також мітку часу перегляду сторінки.

Більше коду JavaScript запускається для пошуку існування файлу cookie, який є фрагментом тексту, збереженим у браузері. Доступ до файлів cookie мають лише домени, які їх встановили, і вони часто мають термін дії.

Якщо він існує, ідентифікатор відвідувача витягується з файлу cookie, щоб ідентифікувати користувача під час відвідувань і сторінок. Якщо ідентифікатор відвідувача не існує, створюється унікальний ідентифікатор, який встановлюється в новому файлі cookie. Ці ідентифікатори є унікальними для кожного відвідувача, але не пов’язані з особистими даними користувача, забезпечуючи таким чином міру конфіденційності для користувачів.

Більше JavaScript використовується для збору інформації про сторінку: URL-адреси, джерела переходу та безлічі спеціальних параметрів, які визначають дії та поведінку відвідувача.

Після виконання всієї логіки JavaScript генерується маяк зображення для надсилання даних у систему збору й обробки в аналітиці Adobe.

Страшно, чи не так? Так відчули веб-розробники. Коли веб-аналітика вперше з’явилася на сцені, однією з найскладніших завдань було навчання розробників, як писати та тестувати весь цей JavaScript, щоб переконатися, що наші теги спрацьовують точно. Навчати розробників розвиватися — не весела робота.

На щастя для нас, ще розумніший розробник придумав перемістити весь цей JavaScript в єдиний інтерфейс користувача. веб-розробникам потрібно було додати лише один-два рядки коду на кожну сторінку сайту, і маркетолог міг потім керувати своїми тегами на цій новій платформі під назвою система керування тегами, або TMS. Незабаром індустрія управління тегами вибухнула, що призвело до появи десятків постачальників, а потім до поглинань, злиття та зміни технологій.

Хороша новина полягає в тому, що індустрія систем керування тегами стала товарною і доступна безкоштовно від Adobe у формі Dynamic Tag Manager (DTM) і Adobe Launch. Можливо, ви вже знайомі з Google TMS, Google Tag Manager або одним із незалежних програвачів TMS, таких як Tealium, Ensighten або Signal.

Швидше за все, ваша компанія вже використовує одну з цих технологій для розгортання маркетингових тегів на вашому веб-сайті. Усі вони можуть розгортати Adobe Analytics, хоча найкраща рекомендація Adobe — використовувати Adobe Launch.

Використання Adobe Analytics для збору даних з мобільних пристроїв

Якщо стандартні веб-сайти, доставлені на ноутбук, є природним місцем для початку нашого обговорення збору даних, логічним наступним кроком є ​​перехід на менший мобільний екран.

Можливо, ви вже знаєте, що на цьому етапі еволюції веб-дизайну мобільні веб-сайти є повністю функціонуючими веб-сторінками, а не додатками до веб-сайтів для ноутбуків, настільних комп’ютерів або великих моніторів. Ці невеликі веб-сайти створюються за допомогою підходу до веб-розробки, який називається адаптивним дизайном, у якому код, який використовується для створення вмісту веб-сайту, однаковий незалежно від розміру екрана відвідувача та браузера. Ваша компанія, швидше за все, вже використовує адаптивний дизайн.

Коли застосовано адаптивний дизайн, ті самі теги, які запускаються на веб-сайтах для настільних комп’ютерів, повинні працювати на веб-сайтах, оптимізованих для мобільних пристроїв і планшетів, оскільки вони по суті однакові, що є хорошою новиною у світі керування тегами. Однак світ мобільних додатків на основі адаптивного дизайну зовсім інший, ніж світ нативних програм.

Видобуток даних із рідних програм за допомогою Adobe Analytics

Нативні програми створюють особливі проблеми зі збором даних. Ці мобільні та планшетні програми запрограмовані інакше, ніж адаптивні веб-сайти.

Загалом, нативні програми не запускаються у браузерах, не використовують HTML і не можуть запускати JavaScript. Насправді програми, створені для iOS, створені іншою мовою програмування (Objective C), ніж програми Android (Java). Ці технічні мови програмування згадуються з однієї важливої ​​причини: система керування тегами не працюватиме у ваших мобільних і планшетних програмах.

Деякі постачальники систем керування тегами зламали можливість інтегрувати JavaScript у програми, але результат має обмежені можливості та далеко не найкращий досвід. Найповніший, точний і масштабований спосіб розгортання інструментів Adobe – це використання комплекту розробки програмного забезпечення для мобільних пристроїв Adobe (SDK). Adobe Mobile SDK створений для роботи як система збору даних, як система керування тегами, але використовує рідну мову програмування програми (Objective C для iOS або Java для Android).

Adobe SDK важливий, оскільки він має більш глибокий доступ до коду, який запускає програму, і тому його можна використовувати не тільки для збору даних. Окрім надсилання даних до Adobe Analytics, пакет Adobe SDK має виконувати такі дії:

• Знімайте дані про географічне розташування на основі GPS.
• Використовуйте геозони на основі цих даних GPS для аналізу чи дій.
• Надсилайте push-повідомлення користувачам.
• Оновлюйте вміст у програмі за допомогою обміну повідомленнями, персоналізації та тестування.

Доступ до цих можливостей може бути обмежений SKU або версією, яку ваша компанія придбала в Adobe. Зверніться до менеджера облікового запису Adobe, щоб зрозуміти, які з цих можливостей включені у ваш контракт.

Використання Adobe Analytics для збору даних з Інтернету речей і не тільки

Тепер, коли ви зрозуміли стандарти збору даних для двох найбільших випадків використання (веб- та мобільний), настав час розширити загальний набір Інтернету речей (IoT). Кожен, хто ставить запитання про дані, повинен думати про цифрові кіоски, розумні годинники, підключені автомобілі, інтерактивні екрани та будь-які інші нові пристрої, які наші технічні володарі анонсували з моменту написання цього речення.

Таким постачальникам, як Adobe, важко залишатися в курсі кожного нового пристрою, оскільки створення SDK вимагає часу, грошей, досліджень, інженерів, коду, забезпечення якості тощо. Але не хвилюйтеся: пристрої, які не мають вбудованих SDK, все одно можуть надсилати дані до Adobe Analytics.

Найкраща практика для надсилання даних з одного з цих пристроїв - це інтерфейс прикладного програмування (API). Коротше кажучи, це означає, що розробники програми IoT можуть написати власний код, щоб створити з’єднання з вашим обліковим записом Adobe Analytics, а потім надіслати до нього дані.

API стали стандартним способом надсилання даних з будь-якого пристрою, підключеного до Інтернету на повний або неповний робочий день. У Adobe також є деякі рекомендації, якими можна поділитися, особливо щодо деяких із їхніх великих ставок, коли справа доходить до цих нових пристроїв, таких як голосовий зв’язок та підключений автомобіль. На момент написання цієї статті пакети SDK були недоступні для пристроїв із голосовою активацією або підключених автомобільних програм. Однак у Adobe є найкращі методи налаштування даних, змінних параметрів і параметрів коду для обох цих технологій.

Корпоративне програмне забезпечення — програмне забезпечення, ліцензоване установами — регулярно оновлюється, і Adobe випускає найкращі методи відстеження даних, пов’язаних із новими цифровими носіями, такими як голос і підключений автомобіль.

Тепер ви дослідили всі типи даних, які генеруються пристроями, які мають неповний або постійний доступ до Інтернету: комп’ютери, телефони, планшети та Інтернет речей.

Цифровий досвід та взаємодія людей на цих пристроях фіксуються за допомогою певної комбінації TMS, SDK та API. На думку маркетологів та аналітиків, у цьому списку чогось бракує: даних, які не ґрунтуються на поведінці.

Мабуть, найкращий приклад неповедінкових даних походить із вашого інструменту керування відносинами з клієнтами (CRM) . Інструменти CRM використовуються для організації, класифікації та керування вашими потенційними клієнтами та клієнтами. Інші приклади неповедінкових даних, які зацікавлять маркетологів та аналітиків, включають наступне:

• Коллцентр
• Покупки офлайн або в магазині
• Повернення або скасування
• Вартість реалізованої продукції
• Рекламна кампанія
• Задоволеності клієнтів

Adobe Analytics може імпортувати будь-який з цих типів даних разом із багатьма іншими. Загалом ці дані імпортуються в Adobe Analytics за допомогою протоколу передачі файлів (FTP) або API.