1. ProgramvareAdobeAdobe Analytics og søkemotordata
Adobe Analytics For Dummies

Av David Karlins

En viktig fordel med å analysere data med Adobe Analytics er å hjelpe deg med å markedsføre strategier og markedsføring. Når du har dypet inn i Adobe Analytics, vil du se hvordan plattformen kan brukes til å binde dataene fra søkemotorene i markedsføringsinnsatsen.

En viktig annonseringskanal for alle merker forekommer på søkemotorer som Google, Bing og Yahoo! Bedrifter bruker to typer taktikker for å øke synligheten til merkevaren deres på søkemotorer: søkemotoroptimalisering (SEO) og markedsføring av søkemotorer (SEM, eller betalt søk).

Analytikere må analysere atferd fra søkemotorer som en kanal, samt skille mellom betalte og naturlige. Dataene hjelper dem med å bestemme hvordan kanalen påvirker atferd og konverteringsfrekvens.

Adobe Analytics samler inn data i flere søkefokuserte dimensjoner, men de er dessverre mindre pålitelige enn markedsføringskanal og henvisningsdimensjoner. Vår anbefaling er å følge Adobes beste praksis ved å ignorere data i disse dimensjonene og i stedet bruke markedsføringskanal, henvisning, henvisende domene og dimensjonene assosiert med Ad Analytics for betalt søk.

For å være grundig, og fordi installasjonen av Adobe Analytics kan konfigureres på denne måten (det kan være umulig eller forsvarlig å prøve å endre det, i det minste ikke raskt), er det nyttig å gi detaljer om de opprinnelige målene for disse Adobe-dimensjonene . Når det er sagt, kan du vurdere den anbefalte beste praksis i stedet hvis du er i stand til å gjøre det.

Oppdage betalte søkebesøk med Adobe Analytics

Adobe Analytics gir administratorer muligheten til å definere regler for å skille betalt søk fra naturlig søk. Reglene er angitt i en rapportsuites administrasjonskonsoll, oppført under Rapportsuiter → Rediger innstillinger → Generelt → Betalt søkdeteksjon. En automatisk regel som Adobe gir er at et besøk må ha en henvisning som er en kjent søkemotor.

Adobe holder heldigvis denne listen oppdatert slik at administratorer slipper å bekymre seg for den. De resterende definisjonene for betalte søkedeteksjonsregel er basert på en spørringsstrengparameter, for eksempel: cid = PS. Bedrifter kan sette opp forskjellige spørringsstrengparametere basert på søkemotoren, men vi har funnet det å foretrekke å bruke en enkelt variabel på tvers av alle motorer for å holde dataene rene enklere.

Bildet nedenfor viser hvordan du konfigurerer betalt søkdeteksjon, som speiler Google Analytics-standarder.

Adobe Analytics Report Suite

Hvis du er kjent med Google Analytics, er du sannsynligvis vant til konseptet med spørringsparametere for å definere markedsføringskanaler som betalt søk. Google Analytics krever at du bruker utm_medium = cpc som spørringsparameter for å skaffe riktig betalte søk. Fordi Adobe kan definere betalt søk basert på en hvilken som helst spørringsparameter, kan merker som overfører fra Google til Adobe-sporing beholde den samme spørringsparameteren. Rapporten suksess regelen for betalt søk deteksjon trenger ganske enkelt å lære å se etter utm_medium = cpc.

Differensierer betalt søk i Adobe Analytics

Den enkleste av dimensjonene fokusert på søkemotordata er den betalte søkedimensjonen. Den betalte søkedimensjonen hjelper analytikere med å fordele søkemotorens oppførsel som enten betalt eller naturlig. Denne nedbrytningen på høyt nivå kan brukes til å enkelt skille atferd ved en meget høy granularitet.

Adobe Analytics betalte søk tabell

Analysere betalte og naturlige søkemotorer i Adobe Analytics

All atferdsdata fra alle søkemotorer, uavhengig av betalt søkdeteksjon, er knyttet til søkemotordimensjonen. Dimensjonsverdiene er heldigvis vennligere enn bare domener. Adobe returnerer dataene som tekst, for eksempel Yahoo! eller Google - Danmark.

Adobe Analytics søkemotordata

Det vennligere synet på søkemotordataene dine kan være nyttige når du filtrerer eller segmenterer data for å finne nøyaktig motorene du prøver å analysere. Bildet over viser dimensjonen av søkemotoren med et betalt søkesegment.

Ser du noe rart på bildet over? Fordi dataene er sortert etter besøk, som ikke har noe segment på den, blir den første ordrelinjen oppført som uspesifisert.

Uspesifisert er oppført øverst fordi det er resultatet av alle besøkene som ikke kom fra en søkemotor. Hvis en analytiker skulle summere alle besøkene til hver av de individuelle søkemotorene, ville det være en betydelig forskjell mellom den summen og det totale antallet besøk på nettstedet; Uspesifisert fungerer som resten. Adobe legger til en uspesifisert rad som standard for nesten alle dimensjoner for å gjøre det lettere å fokusere på atferd der dimensjonen ikke ble satt (eller uspesifisert) da den metrikken ble fanget.

Adobe gjør det enkelt for analytikere å fjerne det dimensjonale elementet fra visningen gjennom tabellfilterfunksjonen. Bildet nedenfor illustrerer detaljene for å fjerne Uspesifisert nå.

Adobe Analytics avansert filter

Betalte regler for søkedeteksjon hjelper analytikere ved å opprette to dimensjoner ved søkemotorns granularitet: søkemotor - naturlig og søkemotor - betalt. Den eneste forskjellen mellom disse stemmer direkte overens med om besøkene oppfylte oppdagelsesreglene.

Analytikere kan bruke søkemotordata for å hjelpe markedsførere med å tilskrive markedsføringsdollar. Hvis en betalt søkemotor kjører betydelig høyere trafikkmengde, men en lavere konverteringsfrekvens, kan det være fornuftig å justere budsjettet for denne søkemotoren. Søkemotoren alene er vanligvis ikke nok til å komme med denne anbefalingen. Som du kan forvente, gir Adobe også lignende dimensjoner fokusert på søkeordet snarere enn motoren.

Starte søkeordanalyse i Adobe Analytics

Søkeord gir analytikere mulighet til å grave dypere i søkeannonsedataene sine for å identifisere hvilke nøkkelord som får potensielle kunder og forbrukere til å besøke nettstedet. Disse nøkkelordene kan ofte bli noen av de mest nyttige dimensjonsverdiene for en analytiker; når ellers forteller forbrukerne deg nøyaktig hva de leter etter?

Dessverre er det en fangst. For mange år siden i personvernets navn blokkerte Google naturlige nøkkelord fra visning av alle analyseplattformer. Andre søkemotorer fulgte snart etter, og nå er våre elskede naturlige søkeord blitt fjernet fra Adobe Analytics (og Google Analytics, Webtrends, Coremetrics og så videre).

Søkemotorene fortsatte imidlertid å gi annonsører tilgang til å fange opp søkeordet hvis en bruker klikket gjennom på en betalt søkeannonse, men bare hvis det nøkkelordet ble sendt via spørringsparameter på landingssiden.

Så hva betyr alt dette? Alle disse tre dimensjonene er for det meste ubrukelige, fordi de vanligvis inneholder bare søkeord utilgjengelig. Det kan hende du ser noen minimale data fra dem fra søkemotorer som ennå ikke har blokkert betalt søk, men du bør i stedet samarbeide med Adobe-admin-teamet ditt og annonseringsteamet for å sikre at betalte søkesøkeord blir fanget i en tilpasset Adobe-dimensjon.

  1. SoftwareAdobeAdobe Analytics vs. Google Analytics
Adobe Analytics For Dummies

Av David Karlins

Når du evaluerer hvilken dataanalyseløsning som er riktig for deg, vil spørsmålet trolig oppstå: Hva er forholdet mellom Adobe Analytics og Google Analytics? Som de to hovedaktørene i feltet lønner det seg å sammenligne Adobe Analytics opp mot Google Analytics.

Utallige kunder og fagpersoner i bransjen spør eksperter hvilken analyseløsning de liker best. I stedet for å svare på dette spørsmålet, la oss vurdere et mer objektivt spørsmål: Hva er styrken og begrensningene til Adobe Analytics og Google Analytics?

Dette fokuset har hjulpet potensielle kjøpere av dataanalysiløsninger raskt å kartlegge funksjoner og integrasjoner til deres behov. Og ved å sammenligne og kontrastere de to, vil du forstå hvorfor organisasjonen din ringte implementeringen av Adobe Analytics.

Kartlegging av hvordan Adobe Analytics stabler seg mot Google Analytics

La oss starte denne sammenligningen med å fokusere på Adobe Analytics fordi det er temaet i denne boken. Adobes analyseløsning blir ofte tenkt som Ferrari i bransjen - imponerende kraftig, men kostbar. Den analogien har en viss sannhet. Men la oss bryte ned noen av funksjonene som er unike for Adobe Analytics.

Kikker på Analyse Workspace

Når det gjelder makt, kan en analytisk løsning topp Adobe-funksjonene du vil gå gjennom i denne boken. Den første nøkkeldifferensiereren for Adobe er Analysearbeidsområdet, standardmotoren i Adobe Analytics for analyse, visualisering, kurasjon og deling. Analyse Workspace er bygget med både markedsfører og analytiker i tankene, og gir ubegrensede sammenbrudd, segmentering og beregnede beregninger, en rekke datavisualiseringsegenskaper og fire viktige innebygde, datavitenskapelige drevne funksjoner.

For å ta bare et eksempel, bruker Adobe Analytics Anomaly Detection-algoritmer for å identifisere anomalier som vanskelig å finne fall i gjennomsnittlig ordreverdi, pigger i ordrer med lav inntekt, statistisk signifikante økninger i prøveregistreringer og fall i landingssidevisninger.

anomali påvisning i Adobe Analytics

Adobe har nylig lagt til Analysearbeidsområdet en sårt tiltrengt komponent for attribusjon som gjør at nesten alle beregninger har en av ti attribusjonsmodeller som du kan bruke til nesten hvilken som helst dimensjon i plattformen.

Kort sagt hjelper markedsføringstiltak deg med å forstå hvordan kundene og kundene dine samhandler med din tilstedeværelse på nettet og hva de vil på en måte som gjør det mulig å fokusere veldig nøyaktig på markedsførings- eller serviceavgjørelser. Attribution IQ i analysearbeidsområdet, for eksempel, lar deg legge til mange nye typer attribusjonsmodeller i frittformtabeller, visualiseringer og beregnet beregning. Attribution IQ vises nedenfor.

Adobe Analytics Attribution IQ-panel

Fra dette tidspunktet krever algoritmiske og datadrevne modeller en oppgradering til Adobes Data Workbench-løsning til betydelig pris.

Visualiserer flyt og nedfall i Adobe Analytics

To enorme differensierere for Adobe er knyttet til visualiseringen av deres kundereise: flyt og nedfall. Det ser ut til at andre leverandører ikke klarer å få fleksibilitet og brukervennlighet riktig for denne typen analyser. I tillegg er Adobe grunnlagt til å frigjøre Customer Journey Analytics, en funksjon som er fokusert på å sy besøk og enheter på tvers av enheter basert på pålogginger eller Adobes Device Co- op.

Visualiserer flyt i Adobe Analytics

Adobe har også innebygde datakontakter med dusinvis av partnere som gir mulighet for relativt sømløse og ofte toveis integrasjoner av datasett på tvers av e-post, søkemotoroptimalisering (SEO), handel, annonseringsplattformer og mer. Hvis disse forhåndsbygde integrasjonene ikke er gode nok, anbefaler Adobe en tilpasset integrasjon via en rekke alternativer, inkludert den nylig utgitte Adobe Experience Platform.

Det andre store salgsargumentet for Adobes integrasjoner kommer fra dypt inne i deres egen Experience Cloud - integrasjoner med andre Adobe-løsninger. Adobe var det første selskapet som hadde en toveis integrasjon med en Analytics og Data Management Platform (DMP). DMP-er brukes til å slå sammen data fra flere datasett, bygge publikum fra de sammenslåtte dataene og aktivere publikum i annonseringsplattformer.

Ikke bekymre deg. Hvis dette emnet er for avansert, bør du bare vite at markedsførere kan definere segmenter i Analytics som deretter blir beriket av ytterligere datakilder i Audience Manager (Adobes DMP), og deretter dele disse segmentene tilbake i Analytics for videre analyse. Adobe har også kvalitetsintegrasjoner med Target (testing og personalisering), Campaign (1: 1 marketing campaign management), Experience Manager (content and asset management) og Ad Cloud (optimering av annonsebud).

Identifisere begrensningene i Adobes Analytics-løsning

Adobes største manglende funksjon kan være en stor funksjon for deg: integrasjon med Google Ads. Adobe har flere måter å integrere med annonseringsdata fra sin største analysekonkurrent, men ingen er så sømløse eller så komplette som Googles.

I tillegg klager noen over at Adobes løsning er for vanskelig å bruke, men denne oppfatningen ser ut til å være basert på Omniture-grensesnittet (programmet Adobe kjøpte som utviklet seg til Adobe Analytics), som ærlig talt var skremmende. Analyse-arbeidsområdet har fjernet disse begrensningene og skapt unike måter å styrke nye brukere på.

Hvis du føler deg overveldet, sjekk ut disse ressursene du kan bruke til å hjelpe deg med å navigere i Adobe Analytics.

Forstå hvordan Google Analytics passer inn i dataanalysebildet

Hvis du aldri har brukt Adobe Analytics, men har brukt en analyseløsning, er oddsen at du har brukt Google Analytics. La oss ta et skritt tilbake og se på hvordan Google Analytics passer inn i analyseverdenen.

For det første er det viktig å merke seg forskjellen mellom Googles gratis verktøy, Google Analytics og enterprise (og ikke gratis) nivå, Google Analytics 360.

Skille mellom Google Analytics og Google Analytics 360

Google har hjulpet det gratis analyseløsningsmarkedet og gjort hele bransjen en tjeneste ved å bidra til å drive en enorm bølge av forretningsfolk til å begynne å stille spørsmål om dataene sine. Gratisversjonen av Google Analytics er et verdifullt og tilgjengelig verktøy for å generere rapporter om hvem som kommer til et nettsted og hvordan de samhandler med det nettstedet. Det er ikke et verktøy på bedriftsnivå for dataanalyse.

Fokuset her er på Google Analytics 360. Google ga ut denne betalingsløsningen for flere år siden. En betydelig differensierer og fordel med Google Analytics er dens integrerte integrasjon med Google Ads. Hvis annonsering er din analytiske raison d’être, bruker du sannsynligvis mer av budsjettet og tiden din i Googles annonseverktøy enn noe annet verktøy, og vil derfor synes Googles annonseintegrasjoner er verdifulle.

Google Analytics

Google importerer data fra Google-annonser (tidligere DoubleClick for Adverters), Google-søkekonsollen, display- og videoannonser og betalte søkeannonser for Google Analytics 360-kunder.

I tillegg kan segmenter som er opprettet i Google Analytics, aktiveres for remarketingkampanjer via Google Ads. Vær imidlertid oppmerksom på at disse remarketinglistene ikke oppdateres med tilbakevirkende kraft, slik at brukere i segmentet ditt før segmentet deles til Google Ads ikke er inkludert i remarketinglisten. Bare brukere som blir en del av segmentet ditt etter at det er delt som en remarketingpublikum, er tilgjengelige for remarketing.

Beregnede beregninger i Google Analytics og Google Analytics 360 er begrenset til de fire grunnleggende aritmetiske operatørene (legge til, trekke fra, multiplisere, dele opp) og kan bare brukes i tilpassede rapporter og bare opprettet av administratorer.

Noen beregninger er forhåndsbygget i rapporter, men de er ofte enkle delere av andre beregninger allerede i rapporten. Analytikere trenger ofte mer komplekse operatører og funksjoner, for eksempel distinkte / unike tellinger, midler, medianer, persentiler og logiske operatører (hvis, da, og, eller, større enn, og mindre enn). Grensesnittet for å lage en beregnet beregning i Google Analytics vises nedenfor.

Google Analytics-beregninger

Integrering med Google Cloud Platform

En annen kjennetegn ved Googles verktøy er integrasjon med Google Cloud Platform (GCP). Avanserte analytikere og dataforskere som er komfortable i SQL (Structured Query Language, et språk for tilgang til og manipulering av databaser) vil kunne kjøre spørsmål takket være integrasjonen av Google-data i BigQuery, Googles raskt bevegelige SQL-baserte plattform for komplekse analyser av flere datasett fylt med enorme data.

Forbeholdet eller ulempen her er at tilgang til disse dataene krever et høyt nivå av flyt med SQL for å generere de typer rapporter du kan generere uten SQL i Adobe Analytics.

Kartlegging av Googles grensesnitt for avansert analyse

Googles nylig utgitte grensesnitt for Analytics 360 kalles Avansert analyse. Det inkluderer noen få viktige funksjoner som ikke tidligere var tilgjengelige i standard Google Analytics. For eksempel øker avansert analyse en brukers mulighet til å dele ned en rapport, for eksempel å bryte ned rapporten om markedsføringskanalen ved å lande. Googles avanserte analyse gir mulighet for ti sammenbrudd i en rapport, mens det gamle grensesnittet tillater maksimalt fem.

Segment Overlap er den andre rapporten i avansert analyse. Denne rapporten gir analytikere et Venn-diagram over segmenter som viser prosentandelen brukere som deler et segment. Endelig har Google utvidet egendefinerte traktfunksjoner i avansert analyse. Google Analytics 360-kunder elsker muligheten til å lage egendefinerte trakter når du er på farten, mens ikke-360-kunder må lage trakten før data flyter inn i den.

I avansert analyse har Google utvidet disse egendefinerte traktene til maks ut ved 10 trappetrinn, og doblet det maksimale i Google Analytics. Sammenlignet med Adobes analyseverksted er Googles avanserte analyseverktøy langt mindre robust, men vi er glade for å se hva Google lager opp i fremtidige utgivelser.

Evaluering av plusser og minuser av Adobe Analytics og Google Analytics

Som nevnt får Google høye karakterer for sin integrasjon med andre Google-plattformer. Google Analytics har imidlertid bare en betydelig ikke-Google-integrasjon, med Salesforce, så alle andre datakilder krever et tilpasset oppsett via API.

Google Analytics utviklet seg fra og beholder betydelige evolusjonære holdovers og begrensninger basert på dens opprinnelse som et mye enklere verktøy for rapportering, i motsetning til et fullverdig analyseverktøy. Begrensningene knyttet til kalkulerte metriske evner, dimensjonale sammenbrudd og tilpassede trakter kan være ødeleggende for analytikere som ikke er i stand til eller uinteresserte i å bruke SQL.

Den mest betydningsfulle mangelen kan være at Google Analytics, til og med den premium Analytics 360-løsningen, bruker dataprøver i rapportene, slik at noen rapporter kanskje ikke viser et fullstendig syn på besøkende oppførsel. I likhet med valgmåling viser Google Analytics-rapporter data assosiert med en prosentandel av det fullstendige datasettet (for eksempel 20 prosent), og multipliserer deretter dette tallet med det totale antallet besøkende (med fem, i dette eksemplet).

Selvfølgelig er Googles virkelige samplingsalgoritme mer komplisert enn dette, men sluttresultatet er viktig: Data kan gi deg forskjellige svar, avhengig av hvordan den er skivet. I Analytics 360 økes samplingsminimumene i mange rapporter.

Kort sagt spiller gratisversjonen av Google Analytics en verdifull rolle i å åpne døren for dataanalyse for et bredt spekter av småskala utviklere, inkludert individuelle nettsteddesignere som oppretter nettsteder med WordPress, Wix eller andre verktøy. Det lar dem generere grunnleggende rapporter og utføre et begrenset utvalg med i hovedsak forhåndsdefinerte analyser.

Den mindre kjente og implementerte Google Analytics 360, med avansert analyse-grensesnittet, legger til noen få funksjoner som på noen måter overlapper hverandre med dem i Adobe Analytics. Begrensninger inkluderer behovet for SQL-programmering for å få mest mulig ut av innsamlede data og, betydelig, nøyaktighetsproblemer. Google Analytics har fordelen av å tilby den mest direkte banen til dataanalyse med fokus på reklame og publisering.

Andre alternativer for dataanalyse

Nå er det på tide å sjekke ut noen andre alternativer. Disse analyseproduktene er ofte mer nisjeorienterte, med fokus på begivenhetsbasert sporing, sanntidsstatistikk for utgivere, rammer for mobilapplikasjoner eller data bygget for produktledere.

Hver av disse leverandørene, inkludert MixPanel, Heap, Amplitude og Localytics, gir mer fokuserte, men færre funksjoner enn Google Analytics 360 eller Adobe Analytics. Ingen har som mål å konkurrere med de mer komplette skytilbudene i Google Marketing Platform eller Adobe Experience Cloud.

  1. SoftwareAdobe8 Adobe Analytics tilpassede segmenter
Adobe Analytics For Dummies

Av David Karlins

Nøkkelen til å gjøre deg hjemme og produktiv med Adobe Analytics, er å sammenstille et sett med tilpassede segmenter som du kan distribuere til null i på viktige elementer i aktiviteten til nettstedet. Her finner du noen gode tilpassede segmenter som vil hjelpe deg å finne dataene du trenger med Adobe Analytics.

Nettdelen inneholder instruksjonene for å lage et tilpasset segment i Adobe Analytics. De tilpassede segmentene som er oppført etter det inneholder ikke detaljerte instruksjoner, men de leverer det som må endres.

Å isolere besøkende på én side med Adobe Analytics

"En og gjort" refererer noen ganger til stjernebasketballspillere som satte inn et obligatorisk år på college før de signerte med NBA. Dataanalytikere må derimot noen ganger bøte på besøkende som treffer en side og er borte.

Å identifisere disse “en og do” brukerne som er nyttige, for eksempel når de analyserer markedsføringskampanjer. Hva kan du identifisere som en mangel i annonsering som brakte en besøkende til eiendommen vår, men som ikke var effektiv nok til å få den besøkende til å se mer enn en side? Du kan stille spørsmål om destinasjonssiden, kampanjenavn, enhetstype, geolokalisering, tid på døgnet og mer for å hjelpe deg med å optimalisere annonsebudsjettet ditt for å begrense antall besøkende på én side du har i fremtiden.

La oss lage et tilpasset segment i Adobe Analytics for å isolere besøkende på én side nå.

Følg disse trinnene for å opprette et tilpasset segment som skaper besøkende på en side:

Adobe Analytics Segment Builder

Identifisere besøkende på flere sider med Adobe Analytics

Her er et segment for å identifisere besøkende som får tilgang til flere sider på nettstedet ditt, men som bare har besøkt nettstedet. Det kan hende du synes dette segmentet er nyttig når du trenger å analysere suksessen til en annonsekampanje som har en bedre avvisningsfrekvens enn forventet, men som ikke skaper den typen klistring som vil føre til flere returbesøk.

Definisjonen for dette segmentet er nesten identisk med det foregående segmentet, enkeltsidebesøkere. Den eneste forskjellen er at du setter den logiske operatøren for besøksdimensjonen på én side i den første beholderen til Ikke lik, i stedet for Lik.

tilpasset segment for flere sider Adobe Analytics

Bucketing SEO til internt søk med Adobe Analytics

Analytikere har prøvd å identifisere fullmakter for naturlige søkeord helt siden Google fjernet tilgangen til dem fra analyseplattformer. Du kan bruke Adobe Analytics for å fylle hullet. En av de beste måtene å løse for manglende data er å analysere interne søkeorddata som proxy.

Hvis en besøkende ankommer nettstedet ditt ved et naturlig søk og deretter utfører et internt søk på nettstedet ditt, er sjansen stor for at nøkkelordene er relatert. Dette segmentet er flott når du trenger å analysere interne søkeord og oppføringssider for å identifisere muligheter for forbedret analyse.

Fordi den interne søkemetoden ikke er standard, kan det besøksbaserte segmentet se litt annerledes ut enn det du ser nedenfor. De viktigste ingrediensene forblir de samme: Marketing Channel Equals Natural Search; og en andre beholder som begrenser den interne søkemetrikken til den andre treffen i et besøk. Dimensjonen av treffdybden sikrer at det interne søket skjer umiddelbart etter den første visningen av destinasjonssiden.

SEO-segment Adobe Analytics

Segmenterer aktivitet før kjøp med Adobe Analytics

Det neste tilpassede segmentet vil hjelpe deg med å forstå hva som skjer før en kjøper går inn i kjøpet / handlekurven. Innsikten du får fra dette Adobe Analytics-segmentet, vil hjelpe deg med å forstå de typer aktiviteter som ofte resulterer i kjøp.

I dette tilpassede segmentet må du vite hvordan nettstedet / appen din og implementeringen er satt opp for å definere kjøpsflyten. Finn dimensjonsverdien eller metrikken som definerer begynnelsen på utsjekkingsprosessen, og sett den til det første trinnet i den besøksbaserte beholderen.

Den andre kompleksiteten oppstår etter at du har dratt inn ordrer til slippområdet for segmentet og endret til et sekvensielt segment ved å justere logikkoperatøren til deretter. Hvis du vil fokusere analysen din på handlingen før segmentets definisjon, må du justere sekvenstypen fra standard Inkluder alle til bare før sekvens.

pre-kjøp tilpasset segment Adobe Analytics

Finne strengt organisk trafikk med Adobe Analytics

Fokuset her er ikke på ikke-GMO, lokale grønnsaker, men på å identifisere aktivitet på nettstedet generert fra strengt organiske, ikke-betalte kilder. Det kan være nyttig å forstå hvordan de besøkende kommer til nettstedet ditt naturlig, uten å bruke reklamedollar for å påvirke besøket. Dette segmentet er en flott å kaste seg inn i Segment Comparison for å se hvordan oppførselen er forskjellig fra andre.

Detaljene i segmentet ditt kan være litt annerledes enn det du ser nedenfor, men essensen er den samme. Lag et besøksbasert segment som fokuserer på markedsføringskanaler som er ubetalte - og sørg for å sette en Or logisk operatør mellom seg når du setter den opp i Adobe Analytics.

organisk søkesegment Adobe Analytics

Finne strengt betalt aktivitet med Adobe Analytics

Det inverse til det strengt organiske segmentet er et strengt betalt segment. Å zoome inn på nettopp betalt aktivitet kan også være et nyttig segment for en segment-sammenligning for raskt å se hvordan de besøkende selskapet ditt betaler for er forskjellige fra de som oppstår naturlig.

Dette besøksbaserte segmentet, med den logiske operatøren Or igjen, kan være annerledes i rapportserien hvis du har andre betalte markedsføringskanaler. Du kan se et eksempel på å definere et segment for strengt betalt aktivitet nedenfor.

Adobe Analytics betalte søkesegment

Filtrering av potensielle roboter med Adobe Analytics

Hvis Shakespeare hadde skrevet i dag, i stedet for å "være forbannet sted", kan Lady Macbeth ha det sagt "Out damn'd bot!" OK, kanskje ikke. Men for en dataanalytiker er det viktig å identifisere og fjerne roboter fra trafikkdata for å jobbe med gyldige data. Med det i tankene, her er en Adobe Analytics-oppskrift for et tilpasset segment som kan isolere potensielle roboter.

Definisjonen av dette potensielle botsegmentet ble gitt av Adobe basert på betydelig forskning på botaktivitet. Å luke ut ukjente operativsystemer eller nettlesere og Linux-servere lar deg fjerne en betydelig mengde bottrafikk fra rapportsuiter.

Det eneste avanserte konseptet er å sørge for at du har brukt en ekskludering for hele segmentet ved å klikke Valg, Ekskluder i slippsone for segment. Å definere alle tre kriteriene som eksklusjoner vil skygge hele slippsonen rød.

Adobe Analytics bots tilpasset segment

Identifisere nedfallsutfall med Adobe Analytics

Her finner du en blåkopi for å opprette et tilpasset segment som hjelper deg med å identifisere nedfelling av kassa, spesielt besøkende som får tilgang til kassesiden men ikke konverterer. Her identifiserer du aktivitet der besøkende kom seg helt til kassesiden, men ikke klikket på Kjøp-knappen.

Dette segmentet er nyttig for å identifisere vanlige årsaker til oppsigelse av vogn. I tillegg er det et fantastisk segment å dele med resten av Experience Cloud for å markedsføre og prøve å omregne kjøpsprosessen for disse besøkende.

tilpasset segment for chckout fallout i Adobe Analytics
  1. SoftwareAdobeHvordan bruker Adobe Analytics for å begrense ditt markedssegment: Identifisere kjøpere
Adobe Analytics For Dummies

Av David Karlins

Ideen bak å bruke hvilken som helst plattform for å analysere data er å bidra til å bedre beslutningstaking. Adobe Analytics tilbyr så mange forskjellige verktøy for å oppnå dette målet. Spesielt markedsføring prøver alltid å finne måter å identifisere og målrette visse markedssegmenter på. Adobe Analytics tilbyr et tilpasset segment for å gjøre akkurat det.

Her er et tilpasset segment nesten alle kan bruke i Adobe Analytics: Hvem kjøper ting?

Det er overordentlig verdifullt i alle typer rapportering å kunne analysere dette markedssegmentet av besøkende. Tross alt er dette suksesshistoriene dine, og jo lettere det er å fremheve dem i tabeller, jo mer kan du høste og utnytte data som letter mer salg.

La oss konseptualisere målet før du treffer Segment Builder: Du vil identifisere besøkende som det finnes en ordre for. Med de kriteriene tydelig i fokus, kan du definere et tilpasset segment for å se på data for kjøpere ved å følge disse trinnene:

Adobe Analytics-segmentkomponenter
  1. SoftwareAdobeHvordan bruke Adobe Analytics til å analysere suksessen til markedsføringskanalene dine
Adobe Analytics For Dummies

Av David Karlins

Adobe Analytics er et kraftig verktøy for å avdekke publikum. Som dataanalytiker vil du uunngåelig trenge en betydelig detaljert oversikt over kanalene som fører besøkende til nettstedet ditt. Markedsføringskanaldimensjonen i Adobe Analytics gir en fullstendig oversikt over hver kategori av henvisninger og annonser som fører trafikk til nettstedet eller appen din.

Adobe Analytics markedsføringskanaldimensjon er bygget på et tilpasset sett med regler som er definert i rapportsuits administrasjonskonsoll. Disse reglene kalles behandlingsregler for markedsføringskanaler. Du vil være smart å synkronisere med Adobe Analytics-administratorene dine for å forstå hvordan disse reglene er definert, og om mulig til og med hjelpe deg med å bestemme hvordan de er satt opp og prioritert.

Identifisere dimensjoner for markedsføringskanaler i Adobe Analytics

Som standard har Analysis Workspace seks markedsføringskanaldimensjoner. For å holde ting enkelt, er de gruppert i to sett: kanal og kanaldetalj.

Markedsføringskanal, siste berøringskanal og første berøringskanal er dimensjonene som er assosiert med en høyere granularitetsbuffing av besøk, ofte som inneholder verdier av betalt søk, naturlig søk, e-post, visning, sosiale nettverk og henvisende domener. Disse dimensjonene er definert av den første rullegardinmenyen i kanalinnstillingene innenfor et regeloppsett.

Nøkkelforskjellen mellom de tre kanalens dimensjoner er knyttet til attribusjon: Hvilken verdi skal over tid gjelde for de tilsvarende beregningene? Følgende presenterer et enkelt eksempel for å hjelpe deg med å forstå konseptet:

Legg merke til hvordan tabellen beskriver to separate besøk, det første drevet fra visning og det andre drevet fra betalt søk. Annonssjefen vil vite om budsjettet for neste kvartal skal settes i display eller betalt søk. Som analytiker vil du tilskrive inntektene til en av de to kanalene, men hvilken?

I mange år har analytikere brukt en siste berøringsattribusjonsmodell for å knytte inntektene til betalt søk. I denne modellen, hvilken kanal som er den siste, fortjener 100 prosent av æren for inntektene.

I dette tilfellet vil annonsørene som er ansvarlige for visning, hevde at den besøkende ikke engang hadde visst om merkevaren uten deres visningsdrevne bevissthetskampanje, så de burde fortjent 100 prosent av æren. Denne tilnærmingen er kjent som første berøringsattribusjon.

Som du kanskje har gjettet, tillegger den siste berøringskanalen beregninger til kanalverdien ved å bruke en siste berøringsattribusjonsmodell. Den første berøringskanalen tillegger beregninger ved å bruke en første berøringsattribusjonsmodell.

Da Adobe ga ut Attribution IQ, en kraftig måte å endre attribusjonsmodellen for en hvilken som helst metrisk knyttet til en hvilken som helst dimensjon, var de opptatt av at dimensjonene til siste berøringskanal og første berøringskanal kan være misvisende, fordi teknisk sett den siste berøringskanalen kunne knyttes til beregninger der attribusjonsmodellen er justert til første berøring!

For å løse denne potensielle konflikten opprettet Adobe en mer generisk markedsføringskanaldimensjon. Markedsføringskanal har en standardattribusjon for siste berøring, men har ikke den forvirrende skillet på etternavn fordi beregninger er mer tilpassbare nå.

Den beste praksisen er å alltid bruke (eller migrere de gamle prosjektene dine for å bruke) markedsføringskanal og ignorere første berøringsdimensjoner og siste touch-dimensjoner.

Det andre settet med dimensjoner opprettet av markedsføringskanalbehandlingsregler settes av verdien i hvert regelverk, som er det andre rullegardinmenyen i kanalinnstillingene. Markedsføringskanaldetalj, siste berøringskanaldetalj og første berøringskanaldetalj gir et mer detaljert syn på kanalen.

Disse dimensjonene er innstilt til å fange opp nøkkelordet for betalt søk, kampanjenavnet for visning eller søkemotoren for naturlig søk. Fordi disse verdiene kan tilpasses, må du huske å samarbeide med Adobe-administrasjonsteamet ditt for å se hvordan hver kanals verdi er angitt i reglene for behandling av markedsføringskanaler for hver av rapportsuitene dine.

Adobe Analytics har tre separate kanaldetaljdimensjoner akkurat som de gir tre kanalsdimensjoner: første berøring, siste berøring og markedsføringskanaldetalj. Detaljering av markedsføringskanal er en duplikat av detaljene fra siste berøringskanal og er på samme måte mindre forvirrende når nye Attribution IQ-modeller brukes på den. Derfor er den beste fremgangsmåten den samme som med markedsføringskanal: Bruk (eller begynn å migrere til) markedsføringskanaldetalj.

Bildet under viser dimensjonen til markedsføringskanalen, ytterligere fordelt på markedsføringskanaldetalj.

Adobe Analytics markedsføringskanaldetalj

Definere markedsføringskanalene dine i Adobe Analytics

Regler for behandling av markedsføringskanaler er definert ved å bruke en kombinasjon av dimensjoner basert på henvisning, søkemotor, spørringsparameter, side, hvilken som helst eVar og mer.

Vær forsiktig! Behandlingsregler er permanente, så husk å unngå ulykker når du justerer dem i Adobe Analytics.

Hvis rapportserien din ennå ikke fanger inn data i markedsføringskanaldimensjonen, vil Adobe foreslå et standard sett med regler første gang en administrator får tilgang til innstillingene sine (tilgjengelig i administrasjonskonsollen → Rapporter suiter → Rediger innstillinger → markedsføringskanaler).

Regler for markedsføringskanal for Adobe Analytics

En rapporteringssukses behandlingsregler for markedsføringskanaler består av tre viktige elementer. Bare en administrator kan redigere dem, men du bør forstå deres evner:

  • Regelsett inneholder en eller flere regler for å angi en verdi for en markedsføringskanal og dimensjon for kanaldetaljer. Hvert regelverk definerer en enkelt verdi til kanaldimensjonen og en enkeltverdi til kanaldetaljdimensjonen. Regler definerer hvordan besøk skal bucketes inn i kanal- og kanaldetaljdimensjoner basert på forhold du definerer. For eksempel kan en regelens tilstand konfigureres til å identifisere om et besøks henvisning kommer fra en søkemotor. Behandlingsrekkefølge er en godt navngitt komponent i behandlingsregler for markedsføringskanaler fordi den definerer prioriteten til hvert regelverk. Så snart et besøk samsvarer med et regelsett, settes besøkets kanal og kanaldetaljer basert på det regelverket. For eksempel kan det hende du har ett regelsett som definerer betalt søk (basert på en søkemotorreferer og eksistensen av en CID-spørringsparameter) og et andre regelsett som definerer naturlig søk (kun basert på eksistensen av en søkemotorhenvisning) . Hvis regelsettet for naturlig søk blir prioritert over regelsettet for betalt søk, vil den betalte søkekanalen aldri settes fordi alle søkemotorbesøk, uavhengig av eksistensen av spørringsparameteren, vil bli bucketet som naturlig søk.
Adobe Analytics markedsføringskanaloppsett
  1. ProgramvareAdobeAnalyzing Data med Adobe Analytics: Hvor dataene kommer fra
Adobe Analytics For Dummies

Av David Karlins

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

Adobe Analytics datakilder

Oppfatninger av dataanalysens art ble definert i populærkulturområdet av Jonah Hill-karakteren i filmatiseringen av boken Moneyball. I den sanne historien, klarte et baseballlag på lite marked (Oakland A-er) å dramatisk overgå lag med mye større lønn ved innovativt å identifisere og handle for å skaffe underprisede spillere basert på statistiske mål for en spillers effektivitet utover og på mange måter gå mot tradisjonelle beregninger, for eksempel batting-gjennomsnitt, hjemmekjøring per sesong og RBI-er (løp slått inn).

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

Brukere av online enheter har for eksempel blitt betinget av å raskt navigere fra et sted til et annet, og krever mer nyanserte og detaljerte beregninger for å spore brukeraktivitet nøyaktig. Og brukerne blir stadig mer bevisste på personvernhensyn og tar mer informerte beslutninger om hvordan de vil administrere forholdet mellom bekvemmelighetene som tilbys ved å spore aktiviteten deres, mot å opprettholde konfidensialitet i deres online aktivitet.

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 call sentre, CRM-systemer (CRM) og handelsmotorer i butikken.

Før du dykker ned i detaljene om hvordan data samles inn, er det viktig å forstå at innhenting av data og pumping av dem i Adobe Analytics normalt ikke er domenet til dataanalytikere. Jobben din som analytiker er å, vel, analysere dataene hentet fra brukeraktivitet.

Men følgende grunnleggende oversikt over hvordan data blir samlet inn er viktig for analytikere av to grunner. For det første er det godt å vite hvor data kommer fra når du vil vurdere gyldigheten; og to, ved å ha et grunnleggende grep om prosessen med å gruve og sende data til Adobe Analytics, kan du ha mer produktive interaksjoner med folkene som konfigurerer verktøyene som pakker ut data.

Bruker Adobe Analytics for å fange data fra nettsteder

La oss starte med den vanligste Adobe Analytics-datakilden: nettsteder. Webdata 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 muligheten til å skille bots fra mennesker.

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

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

  1. JavaScript-kode kjører for å identifisere nettleser- og enhetsinformasjon samt tidsstempel for sidevisningen. Mer JavaScript-kode kjører for å se etter eksistensen av en informasjonskapsel, som er et tekststykke som er lagret i en nettleser. Informasjonskapsler kan bare nås av domenene som angir dem, og har ofte en utløpsdato. Hvis den eksisterer, blir en besøkende-ID hentet fra informasjonskapselen for å identifisere brukeren på tvers av besøk og sider. Hvis en besøkende-ID ikke eksisterer, opprettes en unik ID og settes i en ny cookie. Disse ID-ene er unike for hver besøkende, men er ikke koblet til brukerens personlige data, og gir dermed et mål for personvern for brukerne. Mer JavaScript brukes til å fange opp informasjon om siden: URL-en, henviseren og en rekke tilpassede dimensjoner som identifiserer besøkende og oppførsel.

Etter alt det som JavaScript-logikken kjører, genereres bildefyret for å sende data til innsamlings- og prosesseringsmotoren i Adobes analyser.

Skremmende er det ikke? Vel, det var slik webutviklere følte. Da webanalyse først kom på scenen, lærte en av de tøffeste jobbene utviklere hvordan de skulle skrive og teste alt dette JavaScript for å sikre at taggene våre avfyres nøyaktig. Lærer utviklere å utvikle seg - ikke en morsom jobb.

Heldig for oss kom en enda smartere utvikler med en ide om å flytte alt det JavaScript til et enkelt brukergrensesnitt (brukergrensesnitt). nettutviklere måtte bare legge til en eller to linjer med kode på hver side på nettstedet, og markedsføreren kunne deretter administrere kodene sine i denne nye plattformen som heter et tag management system, eller TMS. Det gikk ikke lang tid før taghåndteringsindustrien eksploderte, noe som førte til dusinvis av leverandører, og deretter oppkjøp, fusjoner og teknologipunkter.

Den gode nyheten er at bransjen for merkehåndteringssystemer har blitt kommodisert 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 selskapet ditt allerede bruker en av disse teknologiene for å distribuere markedsføringskoder på nettstedet ditt. Alle av dem kan distribuere Adobe Analytics, selv om Adobes anbefaling for beste praksis er å bruke Adobe Launch.

Bruker Adobe Analytics for å fange data fra mobile enheter

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

Du vet kanskje allerede at mobile nettsteder på dette stadiet av utviklingen av webdesign er fungerende websider, ikke ettertankede vedlegg til bærbare, stasjonære eller store skjermsider. Disse mindre skalaene er opprettet ved å bruke en tilnærming til nettutvikling som kalles responsiv design, der koden som brukes til å lage innhold på nettstedet er den samme uansett størrelse på skjermen og nettleseren til web besøkende. Firmaet ditt har mest sannsynlig allerede utnyttet responsiv design.

Når responsiv design brukes, skal de samme taggene som vises på skrivebordssiden fungere på mobil- og nettbrettoptimaliserte nettsteder fordi de egentlig er de samme tingene, noe som er gode nyheter i tagghåndteringsverdenen. Imidlertid er en verden av responsive designbaserte mobilapper en helt annen enn for originale apper.

Gruvedata fra innfødte 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 innfødte apper i nettlesere, bruker ikke HTML og kan ikke kjøre JavaScript. Faktisk er applikasjoner bygget for iOS bygget på et annet programmeringsspråk (Objekt C) enn Android-apper (Java). Disse tekniske programmeringsspråk er nevnt av en viktig grunn: Et taghåndteringssystem vil ikke fungere på mobil- og nettbrettapplikasjonene dine.

Noen leverandører av merkeledelsessystemer har hacket muligheten til å integrere JavaScript i apper, men resultatet har begrensede muligheter og er langt fra en god praksis. Den mest komplette, nøyaktige og skalerbare måten å distribuere Adobe-verktøy på er å bruke Adobe Mobile Software Development Kit (SDK). Adobe mobile SDK er bygget for å fungere som et datainnsamlingssystem, som et merkehåndteringssystem, men bruker appens morsmålsspråk (Objekt 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, kreves Adobe SDK for å gjøre følgende:

  • Fange geografiske posisjonsdata basert på GPS. Bruk geofences basert på GPS-data for analyse eller handling. Send pushvarsler til brukere. Oppdater innholdet i appen via meldinger, personalisering og testing i appen.

Tilgang til disse funksjonene kan være begrenset til SKU eller versjon som selskapet har kjøpt fra Adobe. Arbeid med Adobe Account Manager for å forstå hvilke av disse funksjonene som er inkludert i kontrakten din.

Bruker Adobe Analytics til å fange opp data fra IoT og videre

Nå som du forstår innsamlingsstandarder for de to største brukssakene (nett og mobil), er det på tide å grenes ut 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 uansett andre nye enheter som våre overherrer har kunngjort siden denne setningen ble skrevet.

Leverandører som Adobe synes det er vanskelig å holde seg oppdatert på hver nye enhet fordi det 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 fremdeles sende data til Adobe Analytics.

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

API-er har blitt standardmåten som data blir sendt fra alle enheter som er koblet til Internett, enten på heltid eller deltid. Adobe har noen anbefalinger å dele også, spesielt for noen av de store spillene deres når det gjelder disse nye enhetene, for eksempel tale og tilkoblet bil. I skrivende stund er SDK-er ikke tilgjengelige for stemmeaktiverte enheter eller tilkoblede bilapplikasjoner. Imidlertid har Adobe beste fremgangsmåter for tilpasning av data, variable innstillinger og kodealternativer for begge disse teknologiene.

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

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

Folkets digitale opplevelser og interaksjoner på disse enhetene blir fanget opp av en kombinasjon av TMS, SDK og API. I følge markedsførere og analytikere mangler den listen noe: data som ikke er basert på atferd.

Det beste eksemplet på ikke-atferdsdata kommer kanskje fra CRM-verktøyet ditt. 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 Frakoblet eller i butikk Returnerer eller avbestiller Produktkostnad for solgte varer Annonsekampanje Kundetilfredshet

Adobe Analytics kan importere hvilken som helst av disse datatypene sammen med mange andre. Generelt blir disse dataene importert til Adobe Analytics via enten File Transfer Protocol (FTP) eller API.

  1. SoftwareAdobeTop 10 Data Analytics-ressurser som skal kobles sammen med Adobe Analytics
Adobe Analytics For Dummies

Av David Karlins

Hvor får du ressurser for å utvide kommandoen din til Adobe Analytics? Her finner du noen gode ressurser. Noen er offisielle Adobe-nettsteder med oppdatert dokumentasjon i sanntid. Andre er mer generiske ressurser for dataanalyse. Og minst en av dem er her hovedsakelig for de som, for å sitere Sheryl Crow, "vil ha det litt moro" med Adobe Analytics.

Adobes implementeringsveiledning for Analytics

Du var kanskje for ung til å huske, men folk kjøpte programvare-apper fra butikker, og appene kom med en bok som dokumenterer hvordan du bruker appen. Adobes implementeringsveiledning for Analytics spiller den rollen. Dette suppe-til-nøttersettet med ressurser fra Adobe inneholder en makroveiledning og en mikroguide til oppgavene du trenger å fullføre for å implementere Analytics.

Mye av materialet i Analytics Implementation Guide presenteres som nedlastbare PDF-filer. Disse PDF-ene er supplert med et bredt spekter av videoopplæringer.

Adobe Analytics videoopplæringer

For å gi en slags meny om hva du finner i implementeringsveiledningen, har vi samlet et sett med sentrale emner. Det er en god idé å besøke nettstedet, bokmerke det og legge merke til tilgjengelige papirer, dokumentasjon og videoer. Du vil holde dette nettstedet godt når du bruker dyptgående nivåer av Adobe Analytics.

Temaene inkluderer følgende:

  • Oppdagelse og krav: Hvordan definere analytiske mål og samle krav til implementering, med å utvikle og dokumentere en objektiv forståelse av nettstedet og dets forretningsmessige mål. I denne fasen samler konsulenten eller partneren din krav til måling. Det Adobe kaller “samle [ing] målingskrav” er synonymt med det som ofte kalles å lage et forretningskravdokument (BRD). Dette dokumentet kartlegger målene for et nettsted eller en app til det overordnede forretningsmålet for bedriften, og foreslår beste praksis for industrien. Installasjon og klargjøring: Hvordan konfigurere Adobe Analytics og få en e-post med påloggingsinformasjon. Konfigurasjon og implementering: Det du trenger å ha på plass før du lanserer Analytics, inkludert å dokumentere et referansedokument for løsningsdesign og en teknisk spesifikasjon. Referansedokumentet for løsningsdesign inneholder en oversikt over datalag for nettsteder, lanseringselementer / regler og Adobe Analytics-variabler. Teknisk spesifikasjon er detaljert dokumentasjon om hvordan du implementerer hver komponent i løsningene og hvordan man validerer dem. Etter implementering: I denne fasen av å rulle ut Analytics, jobber du med en konsulent eller partner for å identifisere data som er tilgjengelige gjennom Adobe Analytics, og brainstorm hvordan du bruker disse dataene for å optimalisere den digitale virksomheten. Denne fasen inkluderer også aktivering av forskjellige tidsbesparende funksjoner i Adobe Analytics, for eksempel Report Scheduler, Workspace og Microsoft Report Builder. (Report Builder er en bare plugin-modul for Windows.) Implementeringsressurser: Her finner du lenker til tre omfattende tilleggsressurser og dokumentasjon for Adobe Analytics. Disse ressursene følger: Implementeringsveiledningen for Analytics (en nedlastbar PDF) Analytics-implementeringstrening (treningsressurser for teamet ditt) Analytics Video Learning (et bibliotek med nyttige videoer)

En plan for dataanalyse for din Adobe Analytics-strategi

Måleplaner vektlegges i denne topp-ti-listen fordi de er grunnlaget som vellykkede analyserammer bygger på. Artikkelen “Hvordan lage en måleplan og hvorfor du virkelig trenger en” er en nyttig diskusjon av måleplaner. Og som tittelen tilsier, det gir også spesifikke verktøy for å lage en måleplan.

Disse verktøyene inkluderer et pent formatert og gjennomtenkt designet Excel-regneark som fungerer som en mal (og modell) for en måleplan, inkludert å lage en integrert strategi med en måleplan for nettsteder basert på identifiserte mål. Bildet nedenfor viser malen regnearket som følger med artikkelen, som det er vert på det UK-baserte freshegg-nettstedet (dermed den britiske rettskrivningen av Organization).

Måleplan for dataanalyse

Datastyring og Adobe Analytics

Artikkelen "Data Governance: The Key to Building Consistent, Outstanding Digital Experience", av Eric, identifiserer conundrum at "oftere enn ikke, markedsførere har mer data enn de vet hva de skal gjøre med - og at det bare kan være deres største problem . ”Artikkelen bygger på erfaringer fra Southwest Airlines og Zebra Technologies Corporation (som kjøpte Motorola).

Adobe analytics implementering

Artikkelen og case study gir et kortfattet argument for følgende temaer som løper gjennom denne boken:

  • Hold analyser i sentrum for din datastyring Invester i produkter, definisjon og prosesser Tren ditt team for å lykkes Betal prisen for bedre digitale opplevelser

Webanalyseløsningsdesign

En løsningsdesign eller løsningsdesignreferanse (SDR) kobler virksomhetens krav og mål som er definert i en måleplan med de tekniske kravene som er nødvendige for å kunne implementere analyseteknologi. Artikkelen “7 trinn for å sette opp Web Analytics-løsningsdesign” identifiserer og går gjennom syv strategiske trinn for å utvikle et effektivt løsningsdesign for å beskytte integriteten til implementeringen av webanalyser.

På denne lenken er også tilgang til et halvtimes webinar med Jason Call, senior dataanalytisk ekspert hos ObservePoint.

SDR-konsepter

Digital Analytics Power Hour

Et av de mest grundige, ærlige og irreverente mediene for å holde seg i bransjen er via podcast. De tre vertene til Digital Analytics Power Hour - Michael Helbling, Tim Wilson og Moe Kiss - gir sine eksplisitte følelser på et bredt utvalg av analytiske emner. Vertene inviterer ofte andre mennesker i bransjen for å sikre at flere meninger er representert og nye teknologier og tanker diskuteres. Figur 18-5 viser podcastens raison d’etre.

Digital Analytics Power Hour

Analytics-byråer og Adobe Analytics

Verden for analysebyråer er full av smarte og vellykkede konsulenter. Det ville være umulig å koble til alt innholdet, men her er noen få ressurser som er spesielt verdifulle for den voksende analytikeren fra Adobe Analytics.

Teamet på 33 Sticks deler et unikt sett med innsikt og erfaringer med å jobbe med kunder for å implementere digital analyse. Sjekk ut bloggartiklene og 33 Tangents-podcast-episodene. Innholdet tar for seg et bredt spekter av emner, fra digital analyse til virksomhet og teknologi til fjernarbeid.

33 Sticks-blogg

Mesterne hos Analytics Demystified har skrevet innhold om Adobe Analytics i mer enn 10 år. Vi anbefaler på det sterkeste å bruke litt tid på bloggen deres (https://analyticsdemystified.com/blog/) for å lære om virkelige applikasjoner av Adobe-teknologi og hvordan du gjør det. Adam Grecos innhold er spesielt verdifullt for både nye og erfarne analytikere.

Konferanser, konferanser, konferanser ... for dataanalytikeren

Analytics-entusiaster er en tett sammensveiset gruppe mennesker som elsker å dele og lære av hverandre. Det er ingen bedre måte å lære mer om analytics, Adobe og data industri trender enn ved å delta og nettverk på analytics konferanser. Noen av våre favorittindustrihendelser inkluderer følgende:

2019 Adobe SUMMIT
  • Adobe Insider Tour: I tillegg til SUMMIT, slo Adobe veien for første gang i 2017, og tilbakemeldingene har vært imponerende positive. Disse morsomme, gratis halvdagsbegivenhetene bringer medlemmer av Adobe Analytics-produktteamet til byer rundt om i verden (fra Chicago og Dallas til London og Sydney) for å spre tips og triks med Adobe-løsninger, gi et glimt inn i Adobe veikart og gi Adobe-partnere og kunder sjansen til å presentere. Hvis turen kommer til byen din, vil du være glad for at du tok deg tid til å glede deg over festlighetene. Registrer deg som Adobe Insider for å bli informert. DA Hub and measure camp: To av våre favoritt leverandør-agnostiske hendelser er kjent som ukonferanser. En ukonferanse tar sikte på å unngå de store grunntonene, store breakout-økter og generiske samtaler som noen større konferanser er kjent for. I stedet fokuserer ukonferansen på små kramninger - gruppesamtaler - og en mer tett sammensveiset gruppe deltagere. Deltakere av disse konferansene er en svært lojal gruppe som du vil møte og diskutere analyser med.

Adobe Experience League

Adobes Experience League er et lager av verdifull informasjon om Adobe Experience Cloud-produkter. På dette nettstedet tilbyr Adobe videoer, opplæringsprogrammer og et samfunnsforum. Hvis du logger deg på med Adobe-IDen din, vil du få en skreddersydd opplevelse basert på innhold du tidligere har sett, og funksjonene du bruker i Adobe-produkter.

Adobe Analytics YouTube-kanal

Adobe Analytics YouTube-kanalen er en av de beste måtene å holde seg oppdatert om på nye funksjoner og de nyeste fremgangsmåtene. Adobe-produktteamet administrerer innholdet her, og du kjenner til og med navnet til en av de vanlige presentatørene - en av de to favorittanalytikerforfatterne, Eric Matisoff!

Hver gang Adobe slipper nye funksjoner eller legger til ny funksjonalitet til gamle funksjoner, lager Adobe en spilleliste med tre-til-fem-minutters videoer som forklarer endringene. Over 10.000 abonnenter ser jevnlig de 180+ videoene som er aktuelle og lett tilgjengelige takket være de velorganiserte YouTube-spillelistene som Adobe har laget. Følgende bilde viser en sammenligning av segmenter i Adobe Analytics. Abonner i dag!

sammenligne Adobe Analytics-segmenter

Hacking av braketten med Adobe Analytics

Du kan enkelt trekke på sport for å forstå og anvende analyser. Det morsomme, interaktive nettstedet Hack the Bracket benytter seg av data behandlet av Adobe Analytics for å forutsi utfallet av kampanjer i NCAA basketballmesterskap.

Havk Bracket

Høres ut som moro? Prøv det! Selvfølgelig garanterer ikke Adobe noen garantier for fullstendigheten, påliteligheten og nøyaktigheten av spådommene, og alle tiltak du tar mot forutsigelsene som gis er strengt på egen risiko.