Die Migration von Adobe Analytics zu Customer Journey Analytics (CJA) erfordert eine sorgfältige Vorbereitung von Datenerfassung, Plattform-Setup und Integrationen. In dieser Anleitung werden die wichtigsten Schritte beschrieben, um einen reibungslosen Übergang sicherzustellen und das volle Potenzial von CJA in Adobe Experience Platform zu erschließen.

Die Migration von Adobe Analytics (AA) zu Customer Journey Analytics (CJA) ist ein komplexer, aber nützlicher Umstieg, der es Unternehmen ermöglicht, erweiterte Analysefunktionen in Adobe Experience Platform (AEP) zu nutzen. Der Vormigrationsprozess hängt hauptsächlich von Ihrer Datenerfassung, dem aktuellen Adobe Analytics-Setup und vorhandenen Integrationen ab.

In dieser Anleitung werden drei wichtige Aspekte behandelt, um einen reibungslosen Planungsprozess der Migration – oder wie wir es nennen, der CJA-Bereitschaftsphase – sicherzustellen.

1. Grundlagen der Anforderungen an die Datenerfassung

Die Bedeutung der Datenqualität

„Müll rein, Müll raus.“ Es ist wichtig, eine qualitativ hochwertige Datenerfassung sicherzustellen, da diese die Grundlage für Ihre Analysen bildet. Vor der Migration ist eine gründliche Überprüfung Ihrer Tracking-Implementierung erforderlich, um Genauigkeit und Konsistenz zu gewährleisten.

Web SDK vs. AppMeasurement

Einer der wichtigsten Aspekte der Migration ist die Bewertung des aktuellen Setups der Datenerfassung:

• Wenn Ihre Plattformen (Adobe Tags-Eigenschaften) bereits basierend auf Web SDK ausgeführt werden, ist die Migration einfacher.
• Wenn Ihre Plattformen noch immer AppMeasurement verwenden, ist zusätzliche Zeit für die Umstellung erforderlich, da Web SDK mehrere neue Konzepte wie Schemata, Identitäten und Datensätze von Experience-Datenmodell (XDM) einführt. Obwohl AppMeasurement aus technischer Sicht mit AEP verwendet werden kann, führt es im Laufe der Zeit zu zusätzlicher Komplexität. Es wird dringend empfohlen, nur Web SDK zu verwenden.

Überprüfen der Datenschicht und des Tag-Management-Systems

Die Migration bietet die Möglichkeit, Ihren Ansatz der Datenerfassung zu überprüfen und zu optimieren:

• Gleichen Sie Ihre Datenschicht auf verschiedenen Plattformen an und standardisieren Sie sie. Wählen Sie das richtige Setup für die Datenschicht aus. Sie können Ihre Datenschicht vom Ansatz der herkömmlichen Customer Experience Digital Data Layer (CEDDL) auf einen ereignisgesteuerten (EDDL) oder hybriden Ansatz aktualisieren.
• Stellen Sie sicher, dass Adobe Tags (Launch) oder ein anderes Tag-Management-System zur Unterstützung von AEP-/CJA-Anforderungen optimiert ist.
• Sehen Sie sich die Solution Design Reference (SDR) an und passen Sie die Datenerfassungsstrategien an die CJA-Anforderungen an.

Der Ansatz

Glücklicherweise haben wir bereits alle unsere Plattformen auf Web SDK migriert und sind mit AEP-Konzepten vertraut. Darüber hinaus wurden unsere Datenschicht- und Tag-Management-Setups auf allen Plattformen standardisiert (wir verwenden einen hybriden Datenschichtansatz, der CEDDL und EDDL kombiniert). Dennoch haben wir unsere Launch-Eigenschaften und die SDR gründlich geprüft. Wir haben sichergestellt, dass wichtige Attribute wie Seiten- und Ereignisdaten konsistent und mit hoher Datenqualität nachverfolgt wurden. Gemäß der SDR haben wir jedes Attribut kritisch bewertet. Wir haben seine Notwendigkeit hinterfragt und beurteilt, wie es mithilfe der neuen Funktionen von CJA verbessert werden könnte (Möglichkeiten zur Komponentenkonfiguration, z. B. abgeleitete Felder).

2. Bewerten des Adobe Analytics-Setups

Ihre aktuelle Adobe Analytics-Umgebung spielt eine wichtige Rolle bei der Komplexität der Migration. Zu den wichtigsten Aspekten gehören:

Datenmigrationsstrategie

Bei der Migration von Daten von Adobe Analytics zu CJA ist es wichtig, zu bestimmen, welche Daten migriert werden sollen und welcher Zeitraum (Aufstockungsdauer) dafür angemessen ist. Nutzen Sie diese Möglichkeit zur Optimierung Ihres Analyse-Setups und Ihrer Tracking-Pläne, anstatt alles zu übertragen. So stellen Sie sicher, dass nur relevante Daten einbezogen werden.

Standardmäßig ermöglicht Adobe den Import von historischen Daten der letzten 13 Monate in CJA. Abhängig von Ihren Geschäftsanforderungen kann jedoch eine längere Datenspeicherungsdauer erforderlich sein. Beispiel:

• Wenn Ihr Unternehmen saisonalen Spitzen ausgesetzt ist (z. B. von September bis November) und einen dreimonatigen Analysezyklus durchläuft, benötigen Sie möglicherweise 15 Monate an historischen Daten. Dieser Aspekt ist nicht nur für analytische Zwecke, sondern auch für die Lizenzanforderungen von Bedeutung.
• Eine längere Datenspeicherungsdauer ermöglicht bessere Vergleiche und Trend-Analysen zwischen Jahren, erhöht aber auch das Datenvolumen, die Speicherkosten und die Verarbeitungskomplexität. Prüfen Sie die Anwendungsfälle sorgfältig, die Sie mit CJA abdecken möchten.

Für die Optimierung Ihres CJA-Setups ist es von entscheidender Bedeutung, die Anforderungen an die Datenaufbewahrung mit Überlegungen zur Datenspeicherung in Einklang zu bringen.

Auswählen einer Datenmigrationsmethode

Die Entscheidung, wie Sie Ihre Daten an CJA übertragen, ist ein weiterer wichtiger Schritt. Es gibt im Wesentlichen zwei Optionen:

• Adobe Analytics-Quell-Connector: Eine einfachere, automatisiertere Methode zur Integration mit CJA.
• Daten-Feeds: Ein flexiblerer, aber komplexerer Ansatz, der eine umfassendere Anpassung der Datenübertragung ermöglicht.

Die Auswahl der richtigen Methode hängt von Ihren konkreten Datenanforderungen und Ihrer Infrastruktur ab. Weitere Informationen zur Datenmigration finden Sie in diesem Artikel.

Komponentenmigration

Anstatt Komponenten einzeln von AA zu CJA zu migrieren, bietet dieser Übergang eine Gelegenheit, neu zu beginnen. Im Laufe der Zeit sammeln sich bei Adobe Analytics-Implementierungen häufig redundante, veraltete oder schlecht dokumentierte Komponenten an.

Der Ansatz

Wir haben die Verwendung des Tools für die Komponentenmigration vermieden und stattdessen ein neues, optimiertes Setup erstellt. Um einen reibungslosen Übergang zu gewährleisten, wurde in einer Stakeholder-Analyse festgestellt, welche Dashboards wesentlich sind. Dadurch wurde die Gesamtzahl um mehr als 50 % reduziert und doppelte oder nicht verwendete Berichte und Komponenten wurden entfernt. Wir haben Segmente, Metriken und andere Komponenten überprüft und optimiert, um zu verhindern, dass veraltete Elemente übernommen werden.

Bei der Datenmigration haben wir uns aufgrund der Einschränkungen für Daten-Feeds und nicht für den Adobe-Quell-Connector entschieden (wir wollten in unserem neuen CJA-Setup keine eVars und Props haben). Anstatt einfach alte Komplexitäten in das neue System zu übertragen, sahen wir die Migration als Chance für eine Bereinigung und Optimierung. So erstellten wir letztendlich eine effizientere Analyseumgebung, wodurch auch die Self-Service-Analyse verbessert wurde.

3. Benutzerdefinierte Integrationen und Datenumwandlung

Dies ist häufig der schwierigste Teil der Migration. Viele Unternehmen integrieren Adobe Analytics mit Systemen von Drittanbietern, z. B.:

• Data Warehouses (über API, FTP oder benutzerdefinierte Pipelines)
• Mailing-Systeme, Tools zur Marketing-Automatisierung und Empfehlungssysteme
• CRM- und Personalisierungs-Engines

Da CJA in AEP betrieben wird (und einigen Einschränkungen beim Export unterliegt), müssen diese Integrationen mit den verfügbaren Optionen neu konfiguriert werden, darunter:

• AEP-APIs zur Datenaufnahme
• Von Adobe erstellte und benutzerdefinierte Connectoren
• Datenvorbereitungs-Pipelines zur Umwandlung und zum Routing von Daten

Herausforderungen bei der Datenumwandlung

Die Datenumwandlung ist eine große Herausforderung während der Migration. Während Standard-Connectoren zu einem gewissen Grad an Umwandlung fähig sind, erfordern API-basierte Ansätze (z. B. der Abfrage-Service) beim Konvertieren in relationale Strukturen (z. B. Tabellen, Ansichten oder Data Lakes) einen sorgfältigen Umgang mit objektorientierten AEP-Daten. Die ordnungsgemäße Strukturierung und Optimierung dieser Prozesse ist von entscheidender Bedeutung, um eine plattformübergreifende Datennutzbarkeit sicherzustellen.

Der Ansatz

Unser Setup für den Datenimport- und -export war relativ einfach, obwohl wir einige Daten in unseren internen Data Lake übertragen haben. Dazu haben wir uns auf tägliche Data Warehouse-Exporte über FTP und die Data Warehouse-API verlassen. Da CJA derzeit nur begrenzte Optionen für solche Exporte hat (z. B. vollständige Tabellenexportunterstützung für 10 Dimensionen und 10 Metriken), haben wir uns entschieden, Daten auf Datensatzbasis aus AEP zu exportieren.

Für unsere Bedürfnisse hat sich die Abfrage-Service-API in Kombination mit AEPP als effektivster Ansatz erwiesen. Dadurch konnten wir auf Datensätze aus unserem internen Data Lake zugreifen und sie bei Bedarf beibehalten. Da die Daten jedoch von AEP und nicht von CJA stammten, fehlten persistierte Attribute wie die Attribution beim letzten Klick oder besuchsbasierte Metriken. Um diese Lücke zu schließen, haben wir SQL und Python zum Neuerstellen dieser Elemente verwendet. Glücklicherweise bietet Adobe vordefinierte Funktionen zur Besuchserkennung und standardmäßige SQL-Fensterfunktionen ermöglichen die Rekonstruktion aller in CJA verfügbaren Elemente.

Die Planung von Daten-Pipelines im Voraus ist von entscheidender Bedeutung, da die Änderung dieser Prozesse interne IT-Ressourcen erfordert. Je mehr Import-/Exportvorgänge erforderlich sind, desto komplexer ist die Aufgabe, was sowohl den Wartungsaufwand als auch den Ressourcenbedarf erhöht. Durch das Optimieren des Prozesses so weit wie möglich wird der Overhead minimiert und gleichzeitig die Datenkonsistenz sichergestellt.

Abschließende Überlegungen

Die Migration von Adobe Analytics zu Customer Journey Analytics ist kein einfacher Lift-and-Shift-Prozess. Sie erfordert umfassende Planung, Datenoptimierung und strategische Entscheidungsfindung. Durch die Überprüfung der Datenerfassung, die Verfeinerung von Komponenten und die sorgfältige Verwaltung von Integrationen können Unternehmen das Potenzial von CJA voll ausschöpfen und gleichzeitig unnötige Komplexität vermeiden.

Eine erfolgreiche Migration bildet die Grundlage für eine leistungsfähigere, flexiblere und zukunftssicherere Analyseumgebung in AEP.