La migration d’Adobe Analytics vers Customer Journey Analytics (CJA) nécessite une préparation minutieuse au niveau de la collecte de données, de la configuration de la plateforme et des intégrations. Ce guide décrit les étapes clés pour assurer une transition en douceur et libérer tout le potentiel de CJA dans Adobe Experience Platform.

La migration d’Adobe Analytics (AA) vers Customer Journey Analytics (CJA) est une transformation complexe mais précieuse qui permet aux entreprises d’exploiter des fonctionnalités d’analyse plus avancées dans Adobe Experience Platform (AEP). Le processus de pré-migration dépend principalement de votre collecte de données, de la configuration actuelle d’Adobe Analytics et des intégrations existantes.

Ce guide explore trois points essentiels pour garantir un processus de planification de migration fluide, ou, comme nous l’appelons, l’étape de préparation pour CJA.

1. Compréhension des exigences en matière de collecte de données

Importance de la qualité des données

Des données de mauvaise qualité produisent des résultats peu fiables. Il est essentiel d’assurer une collecte de données de haute qualité, car elle constitue la base de vos analyses. Un examen approfondi de votre mise en œuvre du suivi est nécessaire avant la migration pour garantir la précision et la cohérence.

SDK web et AppMeasurement

L’un des aspects les plus critiques de la migration est l’évaluation de la configuration actuelle de la collecte de données :

• Si vos plateformes (propriétés Adobe Tags) s’exécutent déjà sur le SDK web, la migration est plus simple.
• Si vos plateformes utilisent toujours AppMeasurement, un temps supplémentaire est nécessaire pour l’adaptation, car le SDK web introduit plusieurs nouveaux concepts, tels que les schémas, les identités et les jeux de données de modèle de données d’expérience (XDM). Bien qu’AppMeasurement puisse techniquement être utilisé avec AEP, il introduit une complexité supplémentaire au fil du temps. Nous vous recommandons vivement d’utiliser uniquement le SDK web.

Révision de la couche de données et du système de gestion des balises

La migration offre l’occasion de revoir et d’optimiser votre approche de la collecte de données :

• Alignez et normalisez la couche de données sur différentes plateformes. Choisissez la configuration de couche de données appropriée. Vous pouvez mettre à jour votre couche de données en remplaçant la couche de données numérique de l’expérience clientèle traditionnelle (CEDDL) par une approche pilotée par les événements (EDDL) ou hybride.
• Assurez-vous qu’Adobe Tags (Launch) ou tout autre système de gestion des balises est optimisé pour prendre en charge les exigences d’AEP/CJA.
• Examinez la référence de conception de solution (SDR) et alignez les stratégies de collecte de données pour répondre aux exigences de CJA.

Approche

Heureusement, nous avons déjà migré toutes nos plateformes vers le SDK web et nous connaissions bien les concepts d’AEP. En outre, notre configuration de couche de données et de gestion des balises a été normalisée sur toutes les plateformes (nous utilisons une approche de couche de données hybride combinant la CEDDL et l’EDDL). Néanmoins, nous avons effectué une vérification approfondie de nos propriétés de lancement et de nos SDR. Nous avons pris soin de nous assurer que les attributs clés, tels que les données de page et d’événement, étaient suivis de manière cohérente avec une qualité de données élevée. Dans le cadre de la SDR, nous avons évalué chaque attribut de manière critique, en remettant en question sa nécessité et en évaluant la manière dont il pourrait être amélioré à l’aide des nouvelles fonctionnalités de CJA (possibilités de configuration des composants, par exemple les champs dérivés).

2. Évaluation de votre configuration Adobe Analytics

Votre environnement Adobe Analytics actuel joue un rôle important dans la complexité de la migration. Les principaux points à prendre en compte sont les suivants :

Stratégie de migration des données

Lors de la migration des données d’Adobe Analytics vers CJA, il est essentiel de déterminer quelles données doivent être migrées et la période appropriée (durée du renvoi). Au lieu de tout transférer, profitez de cette opportunité pour ajuster la configuration et les plans de suivi de vos analyses pour vous assurer que seules les données pertinentes sont incluses.

Par défaut, Adobe permet 13 mois d’import de données historiques dans CJA. Toutefois, en fonction des besoins de votre entreprise, une période de conservation des données plus longue peut être nécessaire. Par exemple :

• Si votre entreprise connaît des pics saisonniers (par exemple, de septembre à novembre) et fonctionne selon un cycle d’analyse sur trois mois, vous aurez peut-être besoin de 15 mois de données historiques. Cette considération est importante non seulement à des fins d’analyse, mais aussi pour les exigences en matière de licences.
• Une période de conservation des données plus longue permet de meilleures comparaisons et analyses des tendances d’une année sur l’autre, mais elle augmente également le volume des données, les coûts de stockage et la complexité du traitement. Évaluez soigneusement les cas d’utilisation que vous souhaitez couvrir avec CJA.

L’équilibre entre les besoins en conservation des données et les considérations de stockage est essentiel pour optimiser votre configuration CJA.

Choix d’une méthode de migration des données

Décider comment transférer vos données vers CJA est une autre étape cruciale. Deux choix s’offrent à vous :

• Connecteur source Adobe Analytics : méthode plus simple et plus automatisée d’intégration à CJA.
• Flux de données : approche plus flexible mais complexe, permettant une personnalisation plus approfondie du transfert de données.

Le choix de la méthode appropriée dépend de vos besoins et de votre infrastructure de données spécifiques. Pour en savoir plus sur la migration des données, reportez-vous à cet article.

Migration des composants

Plutôt que de migrer les composants un-à-un d’AA vers CJA, cette transition présente une opportunité de repartir de zéro. Au fil du temps, les implémentations d’Adobe Analytics accumulent souvent des composants redondants, obsolètes ou mal documentés.

Approche

Nous avons évité d’utiliser l’outil de migration de composants et avons créé une nouvelle configuration rationalisée. Afin d’assurer une transition en douceur, une analyse des parties prenantes a permis de déterminer quels tableaux de bord étaient essentiels. Cela a permis de réduire le nombre total de plus de 50 % et d’éliminer les rapports et composants en double ou inutilisés. Nous avons examiné et affiné les segments, les mesures et d’autres composants pour empêcher le transfert d’éléments hérités.

Pour la migration des données, nous avons opté pour les flux de données plutôt que pour le connecteur source Adobe en raison de ses limites (nous ne voulions pas d’eVars et de props dans notre nouvelle configuration de CJA). Plutôt que de simplement transférer d’anciennes complexités dans le nouveau système, nous avons traité la migration comme une opportunité de nettoyage et d’optimisation, pour finalement créer un environnement d’analyse plus efficace qui a également dynamisé l’analyse en libre-service.

3. Intégrations personnalisées et transformation des données

C’est souvent la partie la plus difficile de la migration. De nombreuses entreprises intègrent Adobe Analytics à des systèmes tiers, par exemple :

• Entrepôts de données (via des pipelines API, FTP ou personnalisés)
• Systèmes de publipostage, outils d’automatisation du marketing et systèmes de recommandation
• CRM et moteurs de personnalisation

Étant donné que CJA fonctionne dans AEP (et présente certaines limites en matière d’export), ces intégrations doivent être reconfigurées à l’aide des options disponibles, notamment les suivantes :

• API d’ingestion de données AEP
• Connecteurs créés et personnalisés par Adobe
• Pipelines de préparation de données pour la transformation et le routage des données

Défis liés à la transformation des données

La transformation des données est un défi majeur lors de la migration. Bien que les connecteurs standard fournissent un certain niveau de transformation, les approches basées sur l’API (par exemple, Query Service) nécessitent une gestion attentive des données AEP centrées sur l’objet lors de la conversion en structures relationnelles (par exemple, tableaux, vues ou lacs de données). Structurer et optimiser correctement ces processus est essentiel pour garantir la convivialité des données sur différentes plateformes.

Approche

Notre configuration de l’import et de l’export des données était relativement simple, bien que nous ayons transféré certaines données dans notre lac de données interne. Pour cela, nous avons tiré parti des exports quotidiens d’entrepôt de données via FTP et l’API Data Warehouse. Étant donné que CJA dispose actuellement d’options limitées pour ces exports (par exemple, la prise en charge complète de l’export de tables pour 10 dimensions et 10 mesures), nous avons choisi d’exporter des données par jeu de données à partir d’AEP.

Pour nos besoins, l’API Query Service associée à AEPP s’est avérée être l’approche la plus efficace. Cela nous a permis d’accéder aux jeux de données de notre lac de données interne et de les conserver si nécessaire. Cependant, comme les données provenaient d’AEP plutôt que de CJA, il manquait des attributs persistants, tels que l’attribution au dernier clic ou les mesures basées sur les visites. Pour combler cette lacune, nous avons utilisé SQL et Python pour recréer ces éléments. Heureusement, Adobe fournit des fonctions prédéfinies pour l’identification des visites, et les fonctions standard de fenêtre SQL permettent de recréer tout ce qui est disponible dans CJA.

Il est essentiel de planifier les pipelines de données à l’avance, car la modification de ces processus nécessite des ressources informatiques internes. Plus il y a d’opérations d’import et d’export, plus la complexité est grande, ce qui entraîne à la fois des efforts de maintenance et des besoins en ressources. Le fait de rationaliser autant que possible le processus permet de réduire les frais généraux tout en assurant la cohérence des données.

Réflexions finales

La migration d’Adobe Analytics vers Customer Journey Analytics n’est pas un simple copier-coller : elle nécessite une planification réfléchie, l’optimisation des données et une prise de décision stratégique. En examinant la collecte de données, en affinant les composants et en gérant soigneusement les intégrations, les entreprises peuvent libérer tout le potentiel de CJA tout en évitant une complexité inutile.

Une migration réussie jette les bases d’un environnement d’analyse plus puissant, plus flexible et plus durable au sein d’AEP.