Você pode não saber disso, mas os usuários do Adobe Analytics realizam análises de dados além de seus sites. A Adobe também captura dados em nome de seus clientes em aplicativos móveis, aplicativos para tablets e muito mais. Além disso, a Adobe incorporou flexibilidade significativa ao Adobe Analytics para lidar com um mundo de consumidor mais conectado digitalmente, que muda perfeitamente de assistente de voz para telefone e laptop.
© Shutterstock / LineTale
As percepções sobre a natureza da análise de dados foram definidas no âmbito da cultura popular pelo personagem Jonah Hill na adaptação cinematográfica do livro Moneyball . Nessa história verídica, um time de beisebol de pequeno mercado (os Oakland A's) conseguiu superar dramaticamente os times com folhas de pagamento muito maiores, identificando e agindo de forma inovadora para adquirir jogadores subvalorizados com base em medidas estatísticas da eficácia de um jogador além e de muitas maneiras indo contra o tradicional métricas, como médias de rebatidas, home runs por temporada e RBIs (corridas impulsionadas).
Desde que o filme foi lançado, novos e cada vez mais complexos desafios surgiram na coleta e análise de dados. ( Confira este artigo para mais informações sobre tendências de dados .)
Por exemplo, os usuários de dispositivos online foram condicionados a navegar rapidamente de um lugar para outro, exigindo métricas mais detalhadas e detalhadas para rastrear com precisão a atividade do usuário. E os usuários estão cada vez mais conscientes das considerações de privacidade e tomando decisões mais informadas sobre como desejam gerenciar a relação entre a conveniência fornecida pelo rastreamento de suas atividades e a manutenção da confidencialidade em suas atividades online.
Do outro lado da moeda da análise de dados, existem muito mais fontes de dados do usuário do que há apenas alguns anos. Hoje, a Adobe possui vários mecanismos para importar informações para análise de dados de fontes digitalmente desconectadas, como centrais de atendimento, sistemas de gerenciamento de relacionamento com o cliente (CRM) e mecanismos de comércio interno.
Antes de mergulhar nos detalhes de como os dados são coletados, é importante entender que capturar dados e bombeá-los para o Adobe Analytics normalmente não é domínio dos analistas de dados. Seu trabalho como analista é, bem, analisar os dados capturados da atividade do usuário.
Mas a visão geral básica a seguir de como os dados são coletados é importante para os analistas por dois motivos. Um, é bom saber de onde vêm os dados quando você deseja avaliar sua validade; e dois, ter uma compreensão básica do processo de mineração e envio de dados para o Adobe Analytics permite que você tenha interações mais produtivas com as pessoas que configuram as ferramentas de extração de dados.
Uso do Adobe Analytics para capturar dados de sites
Vamos começar com a fonte de dados mais comum do Adobe Analytics: sites. Os dados da Web foram originalmente analisados com base nos logs do servidor. Os dados de log do servidor são gerados automaticamente por servidores que hospedam sites e fornecem uma contagem e registro de data e hora de cada solicitação e download de cada arquivo no site. Infelizmente, os dados não são confiáveis porque os logs do servidor não têm a capacidade de distinguir bots de humanos.
Bots são computadores automatizados que fazem a varredura de sites. Esses bots costumam ser amigáveis e usados para classificar sites para mecanismos de pesquisa ou sites agregadores de produtos. Alguns bots, entretanto, são hostis e usados para inteligência competitiva ou pior.
Como os logs do servidor não distinguem um ser humano de um bot, a indústria migrou rapidamente para as tags, que agora são o padrão da indústria. Geralmente, as tags são linhas de código baseadas em JavaScript que acrescentam uma imagem invisível a cada página e ação em seu site. Essas imagens funcionam como um farol para ferramentas de análise, onde várias coisas acontecem em apenas alguns milissegundos:
O código JavaScript é executado para identificar as informações do navegador e do dispositivo, bem como o carimbo de data / hora da visualização da página.
Mais código JavaScript é executado para procurar a existência de um cookie, que é um pedaço de texto salvo em um navegador. Os cookies podem ser acessados apenas pelos domínios que os definem e geralmente têm uma data de validade.
Se existir, um ID de visitante é extraído do cookie para identificar o usuário nas visitas e páginas. Se não existir um ID de visitante, um ID exclusivo é criado e definido em um novo cookie. Esses IDs são exclusivos para cada visitante, mas não estão conectados aos dados pessoais de um usuário, fornecendo, assim, uma medida de privacidade para os usuários.
Mais JavaScript é usado para capturar informações sobre a página: a URL, o referenciador e uma série de dimensões personalizadas que identificam a ação e o comportamento do visitante.
Depois de toda a lógica do JavaScript ser executada, o beacon de imagem é gerado para enviar dados para o mecanismo de coleta e processamento nas análises da Adobe.
Intimidador, não é? Bem, é assim que os desenvolvedores da web se sentem. Quando a análise da web entrou em cena, uma das tarefas mais difíceis foi ensinar os desenvolvedores a escrever e testar todo esse JavaScript para garantir que nossas tags fossem disparadas com precisão. Ensinar desenvolvedores a desenvolver - não é um trabalho divertido.
Para nossa sorte, um desenvolvedor ainda mais inteligente teve a ideia de mover todo o JavaScript para uma única IU (interface de usuário). os desenvolvedores da web só precisavam adicionar uma ou duas linhas de código a cada página do site, e o profissional de marketing poderia gerenciar suas tags nessa nova plataforma chamada sistema de gerenciamento de tags, ou TMS. Não demorou muito para que a indústria de gerenciamento de tags explodisse, levando a dezenas de fornecedores e, em seguida, aquisições, fusões e pivôs de tecnologia.
A boa notícia é que a indústria de sistemas de gerenciamento de tags tornou-se comoditizada e está disponível gratuitamente na Adobe na forma de Dynamic Tag Manager (DTM) e Adobe Launch. Você já deve estar familiarizado com o TMS do Google, o Gerenciador de tags do Google ou um dos players TMS independentes, como Tealium, Ensighten ou Signal.
Provavelmente, sua empresa já está usando uma dessas tecnologias para implantar tags de marketing em seu site. Todos eles podem implantar o Adobe Analytics, embora a recomendação da Adobe para as melhores práticas seja usar o Adobe Launch.
Usando Adobe Analytics para capturar dados de dispositivos móveis
Se os sites padrão entregues em um laptop são o lugar natural para começar nossa discussão de coleta de dados, passar para uma tela móvel menor é o próximo passo lógico.
Você já deve saber que, neste estágio da evolução do design da web, os sites móveis são páginas da web em pleno funcionamento, e não apêndices posteriores de laptops, desktops ou sites de monitores grandes. Esses sites de menor escala são criados usando uma abordagem de desenvolvimento web chamada design responsivo, em que o código usado para criar o conteúdo do site é o mesmo, independentemente do tamanho da tela do visitante da web e do navegador. Provavelmente, sua empresa já está aproveitando o design responsivo.
Quando o design responsivo é aplicado, as mesmas tags que disparam no site para desktop devem funcionar em sites otimizados para celulares e tablets porque são essencialmente a mesma coisa, o que é uma boa notícia no mundo do gerenciamento de tags. No entanto, o mundo dos aplicativos móveis baseados em design responsivo é completamente diferente do mundo dos aplicativos nativos.
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.
- Envie notificações push para os usuários.
- Atualize o conteúdo no aplicativo por meio de mensagens, personalização e testes no aplicativo.
O acesso a esses recursos pode ser limitado ao SKU, ou versão, que sua empresa adquiriu da Adobe. Trabalhe com o seu gerente de contas da Adobe para entender quais desses recursos estão incluídos em seu contrato.
Usando Adobe Analytics para capturar dados de IoT e além
Agora que você entende os padrões de coleção para os dois maiores casos de uso (web e móvel), é hora de ramificar para um conjunto mais genérico da Internet das Coisas (IoT). Todos que fazem perguntas sobre dados precisam pensar em quiosques digitais, relógios inteligentes, carros conectados, telas interativas e quaisquer outros novos dispositivos que nossos senhores da tecnologia anunciaram desde que esta frase foi escrita.
Fornecedores como a Adobe acham difícil ficar por dentro de cada novo dispositivo porque construir SDKs leva tempo, dinheiro, pesquisa, engenheiros, código, garantia de qualidade e muito mais. Mas não se preocupe: os dispositivos que não possuem SDKs nativos ainda podem enviar dados para o Adobe Analytics.
A melhor prática para enviar dados de um desses dispositivos é por meio de uma interface de programação de aplicativo (API). Resumindo, isso significa que os desenvolvedores do aplicativo IoT podem escrever seu próprio código para criar uma conexão com sua conta do Adobe Analytics e enviar dados para ela.
As APIs se tornaram a forma padrão em que os dados são enviados de qualquer dispositivo conectado à Internet em tempo integral ou parcial. A Adobe também tem algumas recomendações para compartilhar, especialmente para algumas de suas grandes apostas quando se trata desses novos dispositivos, como voz e carro conectado. No momento em que este artigo foi escrito, os SDKs não estavam disponíveis para dispositivos ativados por voz ou aplicativos de automóveis conectados. No entanto, a Adobe possui práticas recomendadas para personalizações de dados, configurações de variáveis e opções de código para ambas as tecnologias.
O software corporativo - software licenciado para instituições - é atualizado regularmente, e a Adobe lança as melhores práticas para rastrear dados associados a novos meios digitais, como voz e carro conectado.
Agora você explorou todos os tipos de dados gerados por dispositivos que têm acesso em tempo parcial ou integral à web: computadores, telefones, tablets e IoT.
As experiências e interações digitais das pessoas nesses dispositivos são capturadas por alguma combinação de TMS, SDK e API. De acordo com profissionais de marketing e analistas, falta algo nessa lista: dados que não sejam baseados em comportamento.
Talvez o melhor exemplo de dados não comportamentais venha de sua ferramenta de gerenciamento de relacionamento com o cliente (CRM) . As ferramentas de CRM são usadas para organizar, categorizar e gerenciar seus clientes potenciais e clientes. Outros exemplos de dados não comportamentais nos quais os profissionais de marketing e analistas estariam interessados incluem o seguinte:
- Central de Atendimento
- Compras offline ou na loja
- Devoluções ou cancelamentos
- Custo do produto das mercadorias vendidas
- Campanha publicitária
- Satisfação do cliente
O Adobe Analytics pode importar qualquer um desses tipos de dados junto com muitos outros. Em geral, esses dados são importados para o Adobe Analytics por meio do protocolo de transferência de arquivos (FTP) ou API.