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.