Análisis de datos con Adobe Analytics: de dónde provienen los datos

Es posible que no sepa esto, pero los usuarios de Adobe Analytics realizan análisis de datos en cosas más allá de sus sitios web. Adobe también captura datos en nombre de sus clientes en aplicaciones móviles, aplicaciones para tabletas y más. Además, Adobe ha incorporado una flexibilidad significativa en Adobe Analytics para manejar un mundo de consumidores más conectado digitalmente que cambia sin problemas del asistente de voz al teléfono y al portátil.

© Shutterstock / LineTale

Las percepciones de la naturaleza del análisis de datos fueron definidas en el ámbito de la cultura popular por el personaje de Jonah Hill en la adaptación cinematográfica del libro Moneyball . En esa historia real, un equipo de béisbol de un mercado pequeño (los Atléticos de Oakland) logró superar dramáticamente a los equipos con nóminas mucho más grandes al identificar y actuar de manera innovadora para adquirir jugadores con precios inferiores a los precios basados ​​en medidas estadísticas de la efectividad de un jugador más allá y de muchas maneras en contra de lo tradicional. métricas, como promedios de bateo, jonrones por temporada y carreras impulsadas (carreras impulsadas).

Desde que salió esa película, han surgido desafíos nuevos y cada vez más complejos en la recopilación y análisis de datos. ( Consulte este artículo para obtener más información sobre las tendencias de los datos ).

Por ejemplo, los usuarios de dispositivos en línea han sido condicionados para navegar rápidamente de un lugar a otro, lo que requiere métricas más matizadas y detalladas para rastrear con precisión la actividad del usuario. Y los usuarios son cada vez más conscientes de las consideraciones de privacidad y toman decisiones más informadas sobre cómo quieren gestionar la relación entre la comodidad que les brinda el seguimiento de su actividad y el mantenimiento de la confidencialidad en su actividad en línea.

En el otro lado de la moneda del análisis de datos, existen muchas más fuentes de datos de usuarios que hace unos pocos años. En la actualidad, Adobe tiene varios mecanismos para importar información para el análisis de datos de fuentes desconectadas digitalmente, como centros de llamadas, sistemas de gestión de relaciones con los clientes (CRM) y motores de comercio en la tienda.

Antes de profundizar en los detalles de cómo se recopilan los datos, es importante comprender que capturar datos y enviarlos a Adobe Analytics no es normalmente el dominio de los analistas de datos. Su trabajo como analista es, bueno, analizar los datos capturados de la actividad del usuario.

Pero la siguiente descripción general básica de cómo se recopilan los datos es importante para los analistas por dos razones. Primero, es bueno saber de dónde provienen los datos cuando desea evaluar su validez; y dos, tener un conocimiento básico del proceso de extracción y envío de datos a Adobe Analytics le permite tener interacciones más productivas con las personas que configuran las herramientas que extraen datos.

Uso de Adobe Analytics para capturar datos de sitios web

Comencemos con la fuente de datos de Adobe Analytics más común: los sitios web. Los datos web se analizaron originalmente en función de los registros del servidor. Los datos de registro del servidor son generados automáticamente por servidores que alojan sitios web y proporcionan un recuento y marca de tiempo de cada solicitud y descarga de cada archivo en el sitio. Desafortunadamente, los datos son muy poco confiables porque los registros del servidor no tienen la capacidad de distinguir a los bots de los humanos.

Los bots son computadoras automatizadas que escanean sitios web. Estos bots suelen ser amigables y se utilizan para clasificar sitios web para motores de búsqueda o sitios web de agregadores de productos. Sin embargo, algunos bots son hostiles y se utilizan para obtener información competitiva o algo peor.

Debido a que los registros del servidor no pueden distinguir a un humano de un bot, la industria migró rápidamente a las etiquetas, que ahora son el estándar de la industria. Generalmente, las etiquetas son líneas de código basadas en JavaScript que añaden una imagen invisible a cada página y acción en su sitio web. Estas imágenes actúan como un faro para las herramientas de análisis, donde suceden varias cosas en solo unos pocos milisegundos:

El código JavaScript se ejecuta para identificar la información del navegador y del dispositivo, así como la marca de tiempo de la vista de la página.

Se ejecuta más código JavaScript para buscar la existencia de una cookie, que es un fragmento de texto guardado en un navegador. Las cookies solo pueden ser accedidas por los dominios que las configuran y, a menudo, tienen una fecha de vencimiento.

Si existe, se extrae una identificación de visitante de la cookie para identificar al usuario en las visitas y las páginas. Si no existe una identificación de visitante, se crea una identificación única y se establece en una nueva cookie. Estas identificaciones son únicas para cada visitante, pero no están conectadas a los datos personales de un usuario, lo que proporciona una medida de privacidad para los usuarios.

Se utiliza más JavaScript para capturar información sobre la página: la URL, la referencia y una gran cantidad de dimensiones personalizadas que identifican la acción y el comportamiento del visitante.

Después de que se ejecute toda la lógica de JavaScript, la baliza de imagen se genera para enviar datos al motor de recopilación y procesamiento en el análisis de Adobe.

Intimidante, ¿no? Bueno, así se sintieron los desarrolladores web. Cuando la analítica web apareció por primera vez en escena, uno de los trabajos más difíciles fue enseñar a los desarrolladores cómo escribir y probar todo este JavaScript para garantizar que nuestras etiquetas se dispararan con precisión. Enseñar a los desarrolladores a desarrollarse, no es un trabajo divertido.

Por suerte para nosotros, a un desarrollador aún más inteligente se le ocurrió la idea de mover todo ese JavaScript a una única interfaz de usuario (interfaz de usuario). Los desarrolladores web solo tenían que agregar una o dos líneas de código a cada página del sitio, y el comercializador podía administrar sus etiquetas en esta nueva plataforma llamada sistema de administración de etiquetas o TMS. No pasó mucho tiempo antes de que la industria de la gestión de etiquetas explotara, dando lugar a decenas de proveedores y luego a adquisiciones, fusiones y cambios tecnológicos.

La buena noticia es que la industria de los sistemas de gestión de etiquetas se ha convertido en un producto básico y está disponible de forma gratuita en Adobe en forma de Dynamic Tag Manager (DTM) y Adobe Launch. Es posible que ya esté familiarizado con el TMS de Google, el Administrador de etiquetas de Google o uno de los reproductores de TMS independientes como Tealium, Ensighten o Signal.

Es probable que su empresa ya esté utilizando una de estas tecnologías para implementar etiquetas de marketing en su sitio web. Todos ellos pueden implementar Adobe Analytics, aunque la recomendación de Adobe como práctica recomendada es utilizar Adobe Launch.

Uso de Adobe Analytics para capturar datos de dispositivos móviles

Si los sitios web estándar entregados a una computadora portátil son el lugar natural para comenzar con nuestra discusión de recopilación de datos, el siguiente paso lógico es pasar a una pantalla móvil más pequeña.

Es posible que ya sepa que en esta etapa de la evolución del diseño web, los sitios web móviles son páginas web en pleno funcionamiento, no apéndices de los sitios de computadoras portátiles, computadoras de escritorio o monitores grandes. Estos sitios web de menor escala se crean utilizando un enfoque de desarrollo web llamado diseño receptivo, en el que el código utilizado para crear el contenido del sitio web es el mismo independientemente del tamaño de la pantalla y el navegador del visitante web. Es muy probable que su empresa ya esté aprovechando el diseño receptivo.

Cuando se aplica el diseño receptivo, las mismas etiquetas que se activan en el sitio de escritorio deberían funcionar en sitios web optimizados para dispositivos móviles y tabletas porque son esencialmente lo mismo, lo cual es una buena noticia en el mundo de la administración de etiquetas. Sin embargo, el mundo de las aplicaciones móviles basadas en diseño receptivo es completamente diferente al de las aplicaciones nativas.

Mining data from native apps with Adobe Analytics

Native apps present particular challenges for data collection. These mobile and tablet applications are programmed in a different way than responsive websites.

In general, native apps don’t run in browsers, don’t use HTML, and can’t run JavaScript. In fact, applications built for iOS are built in a different programming language (Objective C) than Android apps (Java). These technical programming languages are mentioned for one important reason: A tag management system is not going to work on your mobile and tablet applications.

Some tag management system vendors have hacked the capability to incorporate JavaScript into apps, but the result has limited capabilities and is far from a best practice. The most complete, accurate, and scalable way to deploy Adobe tools is to use the Adobe mobile software development kit (SDK). The Adobe mobile SDK is built to work as a data collection system, like a tag management system, but uses the app’s native programming language (Objective C for iOS or Java for Android).

The Adobe SDK is important because it has deeper access into the code that runs the app and therefore can be used for more than just data collection. In addition to sending data to Adobe Analytics, the Adobe SDK is required to do the following:

• Capture geographic location data based on GPS.
• Utilize geofences based on that GPS data for analysis or action.
• Envíe notificaciones automáticas a los usuarios.
• Actualice el contenido de la aplicación a través de mensajes, personalización y pruebas dentro de la aplicación.

El acceso a estas capacidades puede estar limitado al SKU, o la versión, que su empresa ha comprado a Adobe. Trabaje con su administrador de cuentas de Adobe para comprender cuál de estas capacidades se incluye con su contrato.

Uso de Adobe Analytics para capturar datos de IoT y más

Ahora que comprende los estándares de recopilación para los dos casos de uso más importantes (web y móvil), es hora de diversificarse a un conjunto más genérico de Internet de las cosas (IoT). Todos los que hacen preguntas sobre datos deben pensar en quioscos digitales, relojes inteligentes, automóviles conectados, pantallas interactivas y cualquier otro dispositivo nuevo que nuestros señores tecnológicos hayan anunciado desde que se escribió esta oración.

A los proveedores como Adobe les resulta difícil estar al tanto de cada nuevo dispositivo porque la creación de SDK requiere tiempo, dinero, investigación, ingenieros, código, garantía de calidad y más. Pero no se preocupe: los dispositivos que no tienen SDK nativos aún pueden enviar datos a Adobe Analytics.

La mejor práctica para enviar datos desde uno de estos dispositivos es a través de una interfaz de programación de aplicaciones (API). En resumen, esto significa que los desarrolladores de la aplicación de IoT pueden escribir su propio código para crear una conexión con su cuenta de Adobe Analytics y luego enviarle datos.

Las API se han convertido en la forma predeterminada en la que se envían datos desde cualquier dispositivo conectado a Internet, ya sea a tiempo completo o parcial. Adobe también tiene algunas recomendaciones para compartir, especialmente para algunas de sus grandes apuestas cuando se trata de estos nuevos dispositivos, como la voz y el automóvil conectado. En el momento de redactar este documento, los SDK no están disponibles para dispositivos activados por voz o aplicaciones para automóviles conectados. Sin embargo, Adobe tiene las mejores prácticas para la personalización de datos, la configuración de variables y las opciones de código para ambas tecnologías.

El software empresarial (software con licencia para instituciones) se actualiza con regularidad y Adobe publica las mejores prácticas para rastrear datos asociados con nuevos medios digitales como la voz y el automóvil conectado.

Ahora ha explorado todo tipo de datos generados por dispositivos que tienen acceso a la web a tiempo parcial o completo: computadoras, teléfonos, tabletas e IoT.

Las experiencias e interacciones digitales de las personas en esos dispositivos se capturan mediante una combinación de TMS, SDK y API. Según los especialistas en marketing y los analistas, a esa lista le falta algo: datos que no se basan en el comportamiento.

Quizás el mejor ejemplo de datos no conductuales proviene de su herramienta de gestión de relaciones con el cliente (CRM) . Las herramientas de CRM se utilizan para organizar, categorizar y administrar sus prospectos y clientes. Otros ejemplos de datos no conductuales en los que los especialistas en marketing y los analistas estarían interesados ​​incluyen los siguientes:

• Centro de llamadas
• Compras fuera de línea o en la tienda
• Devoluciones o cancelaciones
• Costo del producto de los bienes vendidos
• Campaña publicitaria
• La satisfacción del cliente

Adobe Analytics puede importar cualquiera de estos tipos de datos junto con muchos otros. En general, estos datos se importan a Adobe Analytics a través del Protocolo de transferencia de archivos (FTP) o API.