Adobe Analytics：提高效率和自助服务的简单技巧

第 1 部分：在 UI 外

该文章介绍了 Analytics 团队目前面临的主要挑战，以及我们对使用 Adobe Analytics 界面之外的策略来克服这些挑战的建议。

Analytics 团队面临的主要挑战

许多 Analytics 团队都发现自己的工作分布很不平衡。相比于 80% 的分析和 20% 的实施，许多组织发现自己的情况恰恰相反。他们发现大部分努力都花在了设置、报告和提供支持等工作上，而不是产生能够推动高价值洞察内容的分析。

Analytics 团队发现，由于各种原因，他们的生产力和效率都在下降。这些原因包括不断变化和发展的实现、试图维护组织对数据的信任，以及减少分析师的流失。减少人员流动避免了对新团队成员就不熟悉的定制实施工具进行培训所需的漫长过程。

分析师面临的其他关键挑战：

  • 竞争：​在线和多渠道零售商业的竞争力在增强。
  • 客户期望：​客户体验和营销策略变得更加复杂。
  • 数据值：​准确的数据和洞察内容对于推动竞争优势的价值越来越高。
  • 利益相关者期望：​商业合作伙伴、利益相关者和高管越来越多地在批准前就请求获得数据。
  • 项目管理：​分析团队沉溺于为永无止境的新功能流实施数据收集的请求中，同时还要生成准确的报告、招募新的分析师，并找出下一个新的见解。

提高效率的关键：在 UI 外

  1. 使您的解决方案设计参考 (SDR) 保持最新：

    • SDR 是分析实施中所有变量的定义和预期用途的主要真实来源。
    • SDR 是用户必须熟悉的主要参考内容，以便从 Adobe Analytics UI 中获得价值。
    • 保持更新和版本控制（可以使用简单的日期格式）很重要。

  2. 数据收集文档和管理——技术规范：

    与 SDR 相比，技术规范的受众更为有限，但对于全功能实施来说，技术规范同等重要，甚至更加重要。一个好的技术规范应该是实施解决方案所需的所有开发、QA 和标记管理资源。要确保维护尽可能多的文档，以适应独特的实施体系结构。

    技术规范

    用例：​描述如何构造数据收集脚本的说明

    主要用户：​开发人员

    其他注释：

    • 专门为您的部署环境构建的技术含量很高的文档
    • 对初始实施和后续维护/参考都很有用
    • 按解决方案类型组织（例如，活动跟踪、页面元数据等）
    • SDR 变更时，需要更新和维护主要文档
    • 中央存储库
    • SDR 和技术规格的同步版本号

  3. 在 Launch 上沟通并记录解决方案设计意图：

    • 与预期的用户沟通
    • 启动或加强数据收集时，创建可与利益相关者共享的简单摘要
    • 加强变量的正确使用
    • 向主要利益相关者和分析师发送发布公告摘要电子邮件
    • 创建一个库，该库可用于支持办公时间、团队运作会议或特定于团队的入职培训

  4. 数据收集文档、治理和数据卫生——AHD：

    Analytics Health Dashboard (AHD) 深入到​单个​报告包中，并提供每个组件（eVar、道具和事件）中收集的数据的视图。这有助于指出某个组件是否已停止收集相关数据，这样您就可以采取措施纠正问题。您可以在将来的任何时候为任何报告包运行此仪表板。

    Analytics Health Dashboard (AHD)：

    用例：​单个报告包捕获的每个量度和维度的快照

    主要用户：​领导 Analytics SME 和/或开发人员

    其他注释：

    • 使用 Adobe 报告 API 的自定义集成通过 Excel 交付
    • 用户必须具有 Analytics 网页服务 API 的访问权限
    • 存在半自动化选项

  5. 通过增加主题专家（SME）来取得成功：

    • 在组织的各个团队中建立 SME
    • 通过帮助社交发布和获胜来建立他们的影响力
    • 利用正常的办公时间帮助培训师，减少临时要求

在客户成功中心详细了解战略和思想领导力。

在此页面上