1. Análise de dados com o Adobe Analytics: de onde vêm os dados
Adobe Analytics para manequins

Por David Karlins

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 tablet e muito mais. Além disso, a Adobe incorporou uma flexibilidade significativa ao Adobe Analytics para lidar com um mundo de consumidores mais conectado digitalmente que alterna perfeitamente de assistente de voz para telefone e laptop.

Fontes de dados do Adobe Analytics

Percepções da natureza da análise dos dados foram definidas no campo da cultura popular pelo personagem Jonah Hill na adaptação cinematográfica do livro Moneyball. Na história verídica, um time de beisebol de pequeno mercado (os Oakland A) conseguiu superar drasticamente equipes com folhas de pagamento muito maiores, identificando e agindo de forma inovadora para adquirir jogadores com preços baixos, com base em medidas estatísticas da eficácia de um jogador, além de, e de muitas maneiras, ir contra o tradicional métricas, como médias de rebatidas, home runs por temporada e RBIs (rodadas rebatidas).

Desde que o filme foi lançado, surgiram novos e cada vez mais complexos desafios na coleta e análise de dados. (Confira este artigo para saber mais 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 tomam decisões mais informadas sobre como desejam gerenciar o relacionamento entre a conveniência fornecida ao rastrear suas atividades e manter a confidencialidade em suas atividades online.

Do outro lado da moeda da análise de dados, existem muito mais fontes de dados do usuário do que apenas alguns anos atrás. Hoje, a Adobe possui vários mecanismos para importar informações para análise de dados de fontes desconectadas digitalmente, como call centers, sistemas de gerenciamento de relacionamento com clientes (CRM) e mecanismos de comércio nas lojas.

Antes de mergulhar nos detalhes de como os dados são coletados, é importante entender que capturar dados e enviá-los para o Adobe Analytics normalmente não é o domínio dos analistas de dados. Seu trabalho como analista é analisar, bem, os dados capturados da atividade do usuário.

Mas a seguinte visão geral básica de como os dados são coletados é importante para os analistas por dois motivos. Primeiro, 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 interações mais produtivas com as pessoas que configuram as ferramentas que extraem dados.

Usando o 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 do 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 examinam sites. Esses bots geralmente são amigáveis ​​e usados ​​para classificar sites de sites de mecanismos de pesquisa ou agregadores de produtos. Alguns bots, no entanto, não são amigáveis ​​e são usados ​​para obter informações competitivas ou algo pior.

Como os logs do servidor não podem distinguir um humano de um bot, o setor migrou rapidamente para tags, que agora são o padrão do setor. Geralmente, as tags são linhas de código baseadas em JavaScript que anexam uma imagem invisível a todas as páginas e ações do seu site. Essas imagens funcionam como um farol para as ferramentas de análise, onde várias coisas acontecem em apenas alguns milissegundos:

  1. O código JavaScript é executado para identificar as informações do navegador e do dispositivo, bem como o carimbo de data e hora da exibição 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 um ID de visitante não existir, um ID exclusivo será 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 uma medida de privacidade aos usuários. Mais JavaScript é usado para capturar informações sobre a página: o URL, o referenciador e várias dimensões personalizadas que identificam a ação e o comportamento do visitante.

Depois que toda essa lógica JavaScript é 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 apareceu, um dos trabalhos mais difíceis foi ensinar aos desenvolvedores como 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 esse JavaScript para uma única interface do usuário (interface do usuário). os desenvolvedores da web precisavam adicionar apenas uma ou duas linhas de código a todas as páginas do site, e o profissional de marketing podia gerenciar suas tags nessa nova plataforma, denominada sistema de gerenciamento de tags, ou TMS. Não demorou muito para que o setor de gerenciamento de tags explodisse, levando a dezenas de fornecedores e, em seguida, aquisições, fusões e pivôs de tecnologia.

A boa notícia é que o setor de sistemas de gerenciamento de tags tornou-se comoditizado e está disponível gratuitamente na Adobe na forma de Dynamic Tag Manager (DTM) e Adobe Launch. Você já deve estar familiarizado com o TMS, o Gerenciador de tags do Google ou um dos players independentes do TMS, 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 práticas recomendadas seja o uso do Adobe Launch.

Usando o Adobe Analytics para capturar dados de dispositivos móveis

Se os sites padrão entregues em um laptop são o lugar natural para começar nossa discussão sobre a coleta de dados, mudar 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 para dispositivos móveis estão funcionando perfeitamente, e não são acessórios adicionais para sites de laptops, computadores ou monitores grandes. Esses sites de menor escala são criados usando uma abordagem ao desenvolvimento da Web chamada design responsivo, na qual o código usado para criar o conteúdo do site é o mesmo, independentemente do tamanho da tela e do navegador do visitante da Web. Provavelmente, sua empresa já está aproveitando o design responsivo.

Quando o design responsivo é aplicado, as mesmas tags ativadas no site para computador devem funcionar em sites otimizados para dispositivos móveis 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 dos aplicativos nativos.

Minerando dados de aplicativos nativos com o Adobe Analytics

Aplicativos nativos apresentam desafios específicos para a coleta de dados. Esses aplicativos para celular e tablet são programados de maneira diferente dos sites responsivos.

Em geral, os aplicativos nativos não são executados nos navegadores, não usam HTML e não podem executar JavaScript. De fato, os aplicativos criados para iOS são criados em uma linguagem de programação diferente (Objetivo C) dos aplicativos Android (Java). Essas linguagens de programação técnica são mencionadas por um motivo importante: Um sistema de gerenciamento de tags não funciona nos aplicativos para celular e tablet.

Alguns fornecedores de sistemas de gerenciamento de tags invadiram a capacidade de incorporar JavaScript nos aplicativos, mas o resultado tem capacidades limitadas e está longe de ser uma prática recomendada. A maneira mais completa, precisa e escalável de implantar as ferramentas da Adobe é usar o SDK (kit de desenvolvimento de software para dispositivos móveis) da Adobe. O Adobe mobile SDK foi desenvolvido para funcionar como um sistema de coleta de dados, como um sistema de gerenciamento de tags, mas usa a linguagem de programação nativa do aplicativo (objetivo C para iOS ou Java para Android).

O Adobe SDK é importante porque tem acesso mais profundo ao código que executa o aplicativo e, portanto, pode ser usado para mais do que apenas coleta de dados. Além de enviar dados para o Adobe Analytics, o Adobe SDK deve fazer o seguinte:

  • Capture dados de localização geográfica com base no GPS. Utilize cercas geográficas baseadas nesses dados do GPS para análise ou ação. Envie notificações push para os usuários. Atualize o conteúdo no aplicativo por meio de mensagens, personalização e teste no aplicativo.

O acesso a esses recursos pode estar limitado ao SKU ou versão que sua empresa comprou da Adobe. Trabalhe com o Adobe Account Manager para entender quais desses recursos estão incluídos no seu contrato.

Usando o Adobe Analytics para capturar dados da IoT e além

Agora que você entende os padrões de coleta para os dois maiores casos de uso (web e móvel), é hora de se ramificar para um conjunto mais genérico da Internet das Coisas (IoT). Todo mundo que faz perguntas sobre dados precisa pensar em quiosques digitais, relógios inteligentes, carros conectados, telas interativas e quaisquer outros dispositivos novos que nossos senhores da tecnologia tenham anunciado desde que esta frase foi escrita.

Fornecedores como a Adobe acham difícil manter-se atualizado sobre todos os novos dispositivos, pois a construção de 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 aplicativos (API). Em resumo, 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 a ela.

As APIs se tornaram a maneira padrão pela qual os dados são enviados de qualquer dispositivo conectado à Internet em período 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 da redação deste artigo, os SDKs não estavam disponíveis para dispositivos ativados por voz ou aplicativos de carros conectados. No entanto, a Adobe possui práticas recomendadas para personalizações de dados, configurações variáveis ​​e opções de código para essas duas tecnologias.

O software corporativo - software licenciado para instituições - é atualizado regularmente e a Adobe lança as práticas recomendadas 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, essa lista está faltando algo: dados que não se baseiam no comportamento.

Talvez o melhor exemplo de dados não comportamentais venha da ferramenta de gerenciamento de relacionamento com o cliente (CRM). As ferramentas de CRM são usadas para organizar, categorizar e gerenciar seus prospects e clientes. Outros exemplos de dados não comportamentais nos quais profissionais de marketing e analistas estariam interessados ​​incluem o seguinte:

  • Central de Atendimento Compras offline ou na loja Devoluções ou cancelamentos Custo do produto vendido Campanha publicitária Satisfação do cliente

O Adobe Analytics pode importar qualquer um desses tipos de dados, além de muitos outros. Em geral, esses dados são importados para o Adobe Analytics via FTP ou API.