De migratie van Adobe Analytics naar Customer Journey Analytics (CJA) vereist een zorgvuldige voorbereiding op het gebied van dataverzameling, platformconfiguratie en integraties. In deze gids worden de belangrijkste stappen beschreven om een soepele overgang te garanderen en het volledige potentieel van CJA binnen Adobe Experience Platform te benutten.

De migratie van Adobe Analytics (AA) naar Customer Journey Analytics (CJA) is een complexe maar waardevolle transformatie waarmee bedrijven gebruik kunnen maken van geavanceerdere analysemogelijkheden binnen Adobe Experience Platform (AEP). Het pre-migratieproces hangt voornamelijk af van uw dataverzameling, de huidige Adobe Analytics-configuratie en bestaande integraties.

In deze gids worden drie belangrijke overwegingen behandeld voor een soepel migratieplanningsproces, of zoals wij het noemen: de CJA-voorbereidingsfase.

1. Inzicht in de vereisten voor dataverzameling

Het belang van datakwaliteit

"Troep erin, troep eruit." Het is essentieel dat er gegevens van hoge kwaliteit worden verzameld, aangezien die de basis van uw analyses vormen. Voorafgaand aan de migratie is een grondige evaluatie van uw trackingimplementatie noodzakelijk terwille van de nauwkeurigheid en consistentie.

Web SDK versus AppMeasurement

Een van de meest kritieke aspecten van migratie is het beoordelen van de huidige instellingen voor dataverzameling:

• Als uw platforms (Adobe Tags-eigenschappen) al op Web SDK worden uitgevoerd, is de migratie eenvoudiger.
• Als uw platforms nog steeds AppMeasurement gebruiken, is er extra tijd nodig om aanpassingen door te voeren, aangezien Web SDK verschillende nieuwe concepten introduceert, zoals Experience-datamodel (XDM)-schema's, identiteiten en datasets. Hoewel AppMeasurement technisch gezien kan worden gebruikt met AEP, leidt dit op termijn tot extra complexiteit. We raden sterk aan om alleen de Web SDK te gebruiken.

De gegevenslaag en het Tag Management-systeem beoordelen

Migratie vormt een kans om uw aanpak van dataverzameling te herzien en te optimaliseren:

• Stem de gegevenslaag op verschillende platforms af en standaardiseer deze. Kies de juiste instelling voor de gegevenslaag. Misschien wilt u uw gegevenslaag updaten van de traditionele digitale klantervaringsgegevenslaag (CEDDL) naar een gebeurtenisgestuurde (EDDL) of hybride aanpak.
• Zorg ervoor dat Adobe-tags (Launch) of een ander tagbeheersysteem is geoptimaliseerd voor de AEP/CJA-vereisten.
• Bekijk de Solution Design Reference (SDR) en stem de strategieën voor dataverzameling af op de CJA-vereisten.

De aanpak

Gelukkig hadden we al onze platforms al gemigreerd naar Web SDK en waren we bekend met AEP-concepten. Bovendien zijn onze gegevenslaag en tagbeheerconfiguratie gestandaardiseerd voor alle platforms (we gebruiken een hybride aanpak van de gegevenslaag waarbij CEDDL en EDDL worden gecombineerd). Toch hebben we een grondige audit uitgevoerd van onze lanceringseigenschappen en SDR. We hebben ervoor gezorgd dat belangrijke kenmerken, zoals pagina- en gebeurtenisgegevens, consistent zijn bijgehouden met een hoge gegevenskwaliteit. Binnen de SDR hebben we elk kenmerk kritisch beoordeeld. We bekeken of het noodzakelijk was en hoe het kon worden verbeterd met behulp van de nieuwe mogelijkheden van CJA (mogelijkheden voor componentconfiguratie, zoals afgeleide velden).

2. Adobe Analytics-instellingen evalueren

De huidige Adobe Analytics-omgeving speelt een belangrijke rol in de complexiteit van migratie. Belangrijke overwegingen zijn onder meer:

Strategie voor gegevensmigratie

Bij het migreren van gegevens van Adobe Analytics naar CJA is het essentieel om te bepalen welke gegevens moeten worden gemigreerd en wat de juiste tijdsperiode is (lengte van backfill). In plaats van alles over te zetten kunt u deze gelegenheid aangrijpen om uw analyse-instellingen en trackingplannen te verfijnen, zodat alleen relevante gegevens worden opgenomen.

Standaard staat Adobe toe dat 13 maanden aan historische gegevens worden geïmporteerd in CJA. Afhankelijk van uw zakelijke behoeften kan het echter nodig zijn de gegevens langer te bewaren. Bijvoorbeeld:

• Als uw bedrijf seizoensgebonden pieken kent (bijvoorbeeld van september tot november) en werkt met een analysecyclus van drie maanden, hebt u mogelijk 15 maanden aan historische gegevens nodig. Deze overweging is niet alleen van belang voor analytische doeleinden, maar ook voor licentievereisten.
• Een langere bewaartermijn voor gegevens helpt om betere vergelijkingen te maken tussen verschillende jaren en trendanalyses, maar levert ook een stijging op van het gegevensvolume, de opslagkosten en de complexiteit van de verwerking. Evalueer zorgvuldig de gebruiksscenario's waarvoor u CJA wilt gebruiken.

Een afweging van de noodzaak om gegevens te bewaren tegen de benodigde opslag is cruciaal voor een optimale CJA-configuratie.

Een methode voor gegevensmigratie kiezen

Beslissen hoe u uw gegevens naar CJA wilt overzetten, is een andere cruciale stap. Er zijn twee primaire opties:

• Adobe Analytics-bronconnector: een eenvoudigere, meer geautomatiseerde methode voor integratie met CJA.
• Datafeeds: een flexibelere maar complexe aanpak, waarmee de gegevensoverdracht grondiger kan worden aangepast.

De juiste methode hangt af van uw specifieke gegevensbehoeften en infrastructuur. Raadpleeg dit artikel voor meer informatie over gegevensmigratie.

Migratie van onderdelen

In plaats van onderdelen een voor een van AA naar CJA te migreren biedt deze overgang een kans om een nieuwe start te maken. Na verloop van tijd stapelen zich in Adobe Analytics-implementaties vaak overbodige, verouderde of slecht gedocumenteerde componenten op.

De aanpak

We hebben het gebruik van de tool voor migratie van onderdelen componenten vermeden en in plaats daarvan een nieuwe, gestroomlijnde opzet gebouwd. Voor een soepele overgang werd aan de hand van een stakeholderanalyse bepaald welke dashboards essentieel waren. Dit verlaagde het totale aantal met meer dan 50% en elimineerde dubbele of ongebruikte rapporten en onderdelen. We hebben segmenten, statistieken en andere onderdelen herzien en verfijnd om geen verouderde elementen over te nemen.

Voor de gegevensmigratie hebben we gekozen voor datafeeds in plaats van de Adobe Source-connector, omdat die beperkingen kent (we wilden geen eVars en props in onze nieuwe CJA-configuratie). In plaats van simpelweg oude complexiteiten over te zetten naar het nieuwe systeem hebben we de migratie aangegrepen om op te ruimen en te optimaliseren. Dit heeft uiteindelijk geleid tot een efficiëntere analyseomgeving die ook selfserviceanalyses heeft gestimuleerd.

3. Aangepaste integraties en gegevenstransformatie

Dit is vaak het lastigste onderdeel van migratie. Veel organisaties integreren Adobe Analytics met systemen van derden, zoals:

• Datawarehouses (via API, FTP of aangepaste pipelines)
• Mailingsystemen, tools voor marketingautomatisering en aanbevelingssystemen
• CRM- en personalisatie-engines

Aangezien CJA binnen AEP werkt (en bepaalde beperkingen heeft wat betreft export), moeten deze integraties opnieuw worden geconfigureerd met behulp van de beschikbare opties, waaronder:

• AEP-API's voor data-opname
• Door Adobe ontwikkelde en aangepaste connectors
• Pipelines voor gegevensvoorbereiding voor het transformeren en routeren van gegevens

Uitdagingen op het gebied van gegevenstransformatie

Gegevenstransformatie is tijdens de migratie een grote uitdaging. Hoewel standaardconnectors een bepaald niveau van transformatie bieden, vereist een API-gebaseerde aanpak (bijvoorbeeld Query Service) een zorgvuldige omgang met objectgeoriënteerde AEP-gegevens bij het converteren naar relationele structuren (bijvoorbeeld tabellen, weergaven of data lakes). Goede structurering en optimalisering van deze processen zijn essentieel voor de bruikbaarheid van gegevens op verschillende platforms.

De aanpak

De installatie van de gegevensimport en -export verliep tamelijk eenvoudig, hoewel we wel wat gegevens naar ons interne data lake hebben overgebracht. Daarvoor hebben we gebruikgemaakt van dagelijkse datawarehouse-exports via FTP en de datawarehouse-API. Aangezien CJA momenteel beperkte mogelijkheden heeft voor dergelijke exports (zoals volledige ondersteuning voor het exporteren van tabellen voor 10 dimensies en 10 statistieken), hebben we ervoor gekozen om gegevens op basis van datasets uit AEP te exporteren.

De Query Service-API in combinatie met AEPP bleek voor onze behoeften de effectiefste aanpak te zijn. Hierdoor kregen we toegang tot datasets uit ons interne data lake en konden we deze naar wens opslaan. Aangezien de gegevens echter afkomstig waren van AEP en niet van CJA, ontbraken er persistente kenmerken, zoals last-click-attributie of op bezoeken gebaseerde statistieken. Om deze kloof te overbruggen hebben we SQL en Python gebruikt om deze elementen opnieuw te creëren. Gelukkig biedt Adobe vooraf gedefinieerde functies voor bezoekidentificatie, en kan met standaard SQL-vensterfuncties alles worden gereconstrueerd wat in CJA beschikbaar is.

Het is cruciaal om gegevenspipelines van tevoren te plannen, aangezien het aanpassen van deze processen interne IT-middelen vereist. Hoe meer import-/exportactiviteiten erbij betrokken zijn, hoe groter de complexiteit, waardoor zowel de onderhoudskosten als de benodigde resources toenemen. Door het proces zo gestroomlijnd mogelijk te houden worden overheadkosten tot een minimum beperkt, met behoud van consistentie van gegevens.

Conclusie

Het migreren van Adobe Analytics naar Customer Journey Analytics is geen eenvoudig lift-and-shift-proces. Het vereist een doordachte planning, gegevensoptimalisatie en strategische besluitvorming. Door dataverzameling te evalueren, componenten te verfijnen en integraties zorgvuldig te beheren kunnen bedrijven het volledige potentieel van CJA inzetten en onnodige complexiteit vermijden.

Een succesvolle migratie legt de basis voor een krachtigere, flexibelere en toekomstbestendige analyseomgeving binnen AEP.