Vad är analys? what-is-analytics
Innan ni börjar fördjupa er i innehållet för att lära er Adobe Analytics är det bra att förstå svaret på denna grundläggande fråga, "What is Analytics?" Analyser är en bred term som omfattar flera områden för att driva på affärsutvecklingen och -omvandlingen, nämligen affärsanalys och dataanalys. Det finns en skillnad mellan de två. Vi tar en närmare titt.
Affärsanalysens roll
Under de senaste åren har användningen av Internet för kommersiella ändamål ökat, och även mängden data som samlats in av organisationer om hur konsumenterna interagerar och engagerar sig i deras varumärke har ökat. Om du har hört ordet Big Data förut så faller det inom affärsanalysområdet.
Affärsanalys är en del av affärsintelligens och fokuserar på strategiska risker och möjligheter i helhetsbild. Det är nödvändigt att företagen har förmåga att vara konkurrenskraftiga i sin bransch.
Det finns fyra typer av affärsanalyser:
- Beskrivande: Detta innebär att historiska data används för att identifiera trender i en organisations verksamhet. En återförsäljare måste till exempel förutsäga efterfrågan före högsäsong eller helgsäsong och kräva optimalt lager för att nå sina affärsmål.
- Diagnostik: Vilka är orsakerna till ett oväntat resultat? Varför fanns det en dramatisk efterfrågan på en produkt eller tjänst under lågsäsong? Diagnostisk analys är en djupare form av beskrivande analys och syftar till att skapa korrelationer utifrån data.
- Prediktiv: Detta använder historiska data för att avgöra troliga resultat eller händelser. Maskinininlärning (ML) och artificiell intelligens (AI) används ofta för mer korrekta prognoser. Kundbortfall är ett exempel på en tillämpning av prediktiv analys i verkligheten. Den här analysen identifierar korrelationer för att identifiera attributen hos kunder som sannolikt kommer att försvinna så att du kan göra något för att förhindra det.
- Beskrivning: Detta är en avancerad form av prediktiv analys som syftar till att identifiera den bästa möjliga vägen till önskat resultat. Denna typ av analys använder även ML- och AI-teknik. Återförsäljare använder prediktiv analys för att förbättra sina marginaler genom att göra ändringar i sin verksamhet.
Dataanalysens roll
Dataanalys använder många av de tekniker som används i affärsanalyser, men den har en vidare omfattning och är mer teknisk till sin natur. Big dataanalys bygger till exempel på datakvalitet och datasorganisation. Hur effektivt sorteras, lagras och rensas data? Datavetare arbetar inom dataanalys. De omvandlar enorma datauppsättningar som affärsanalytiker sedan använder för att förmedla information till organisationen för att optimera processer och mätvärden. Datavetare tar djupare kliv in i data och fastställer trender och kopplingar.
Var passar Adobe Analytics?
Adobe Analytics är en robust plattform för dataanalys som samlar in data från digitala flerkanalsupplevelser som stöder kundresan och tillhandahåller verktyg för att analysera data. Det är en plattform som marknadsförare och affärsanalytiker ofta använder för affärsanalyser.
Affärskrav, datadesign och datainsamling är viktiga faktorer för en effektiv analysmetod. Inledningsvis börjar kunderna med att samla in data om viktiga kundresor och önskat affärsresultat för traditionella digitala upplevelser som webben och mobiler. Informationen ska svara på frågor som:
- "Vilket innehåll och vilka innehållstyper är populära hos besökarna?"
- "Vilka vägar leder till konverteringar med högt värde, till exempel intäkter, bokningar, leads eller prenumerationer?"
- "Vilka produkter, tjänster eller innehåll ska jag visa för kända och okända besökare"?
- "Hur fungerar digitala marknadsföringskanaler?"
När datamängderna samlas in i Adobe Analytics använder marknadsförare och affärsanalytiker olika rapporter- och datavisualiseringsverktyg som finns i produkten för att utföra analyser och berätta meningsfulla historier om data. Dessutom erbjuder Adobe Analytics olika typer av produktion. Det kan vara ett segment eller en publik som skickas till ett optimeringsverktyg, som Adobe Target, för att köra A/B-tester. Det kan vara en prediktiv poäng som indikerar sannolikheten för en åtgärd av en person som används av ett annat system för modellering.
Med tiden kan kunderna utöka traditionella webb- och mobildata med andra kanalkällor som CRM, call center, tegelstenar och murbruk, röstassistenter med mera. Adobe Analytics erbjuder flera sätt att hämta in data från praktiskt taget alla kanaler och bygga en stabil grund för analysdata.
Genom att samla in ytterligare datauppsättningar kan du utföra mer avancerade typer av prediktiv dataanalys som använder maskininlärning eller avancerade datamodeller, som marknadsattribuering och avvikelseidentifiering.
Vi uppmuntrar dig att delta i självstudiekurserna på Experience League för att få hjälp med de viktigaste fördelarna och funktionerna i Adobe Analytics.