Informationen zu erwarteten Datenabweichungen zwischen Target und Adobe Analytics bei der Verwendung und Nicht-Verwendung von Analytics als Berichtsquelle (A4T). A4T reduziert Datenabweichungen erheblich.
Mit A4T werden sowohl bei Analytics- als auch Target-Berichterstellung zu Aktivitäten ausschließlich Analytics-Daten verwendet, sodass es kaum Abweichungen zwischen den Lösungen in den Target-Aktivitätsberichten gibt. Unter bestimmten Umständen vergleichen Kunden Target-Daten jedoch mit Analytics-Daten, die außerhalb des A4T-Integrationsbereichs liegen, und erleben daher die unten beschriebenen Varianzprobleme.
Im Folgenden finden Sie einige Szenarien mit erwarteten Datenabweichungen:
A4T lässt die Möglichkeit zu, dass ein Target-Treffer (oben auf der Seite) auftritt, aber kein Analytics-Treffer (unten auf der Seite) auftritt. Angenommen, ein Besucher lädt die Seite, schließt jedoch den Browser, bevor der Analytics-Aufruf ausgelöst wird. In diesen Fällen schließt A4T den Target-Treffer aus den Daten aus. Wenn Target-Treffer (erneut oben auf der Seite) als Analytics-Treffer gezählt werden können, wenn kein tatsächlicher Analytics-Aufruf erfolgt, entstehen Inkonsistenzen mit dem Datensatz in Analytics (Besucherinflation usw.).
Wenn in Target ein Umleitungstest eingerichtet ist, um den Traffic 50/50 (oder 25/25/25 usw.) aufzuteilen, wird das Benutzerverhalten möglicherweise nicht gleichmäßig aufgeteilt. Wenn Sie eine ungleichmäßige Aufspaltung sehen, bedeutet dies einfach, dass eine Benutzergruppe einen Analytics-Aufruf auf der Landingpage nicht häufiger als die anderen Gruppen ausgeführt hat. Durch dieses Fehlschlagen des Analytics-Aufrufs für eine Gruppe wurde der Treffer von Target für diesen Benutzer ausgeschlossen, sodass die Unstimmigkeiten entstanden.
Adobe hofft, dieses Problem zukünftig in Angriff zu nehmen, da Adobe-Teams an A4T in der Adobe Experience Platform arbeiten. Adoben-Teams bestimmen, wie diese verschiedenen Ereignisse zu unterschiedlichen Zeitpunkten auf der Seite verarbeitet werden.
Abweichungen von 15–20 % sind normal, selbst mit ähnlichen Datensätzen. Systeme, die unterschiedlich zählen, können deutlich höhere Datenabweichungen von bis zu 35–50 % aufweisen. Manchmal können die Abweichungen sogar noch höher sein.
Auch wenn sich die Daten selbst deutlich unterscheiden, stimmen die Trends in der Regel überein. Solange die Unterschiede und Trends konsistent bleiben, bleiben die Daten gültig und nützlich. Sind Unterschiede und Trends inkonsistent, könnte das auf falsche Einstellungen hindeuten. Kontaktieren Sie in diesem Fall Ihren Kundenbetreuer, der Ihnen gerne weiterhelfen wird.
Analytics verwendet ein auf Besuchen und Transaktionen basierendes System, wohingegen besucherbasierte Metriken verwendet. Target Wenn ein Besucher eine Seite öffnet, zählt dies als Besuch in Analytics, aber Target zählt den Besuch erst, wenn die in der Aktivität festgelegten Bedingungen erfüllt sind.
Berichte in Target die Leistung basierend auf der Konversions-Mbox anzeigen, die beim Definieren der Aktivität ausgewählt wurde. Diese Konversions-Mbox-Daten werden jedoch nicht an Analytics, die über eigene Konversionsvariablen verfügt, die durch Ihre Analytics Tagging-Implementierung. Wo Sie identische Daten erwarten (z. B. wenn die Bestellung eines Einzelhändlers bestätigt, dass die Seite sowohl eine Konversions-Mbox als auch eine Analytics Kaufereignis) können die Daten aufgrund der Platzierung dieser Tags unterschiedlich sein. Im Allgemeinen sind die Trends in den Berichten der beiden Produkte ähnlich.
Erwartete Datenabweichungen können sowohl technischer als auch geschäftlicher Natur sein.
Datenabweichungen können durch folgende technische Unterschiede entstehen:
Datenabweichungen können durch die folgenden geschäftlichen Unterschiede entstehen: