10 minuter
style
article-header-section

Migreringen från Adobe Analytics till Customer Journey Analytics (CJA) kräver noggranna förberedelser för datainsamling, konfiguration av plattformen och integreringar. I den här guiden beskrivs de viktigaste stegen för att säkerställa en smidig övergång och frigöra CJA:s fulla potential i Adobe Experience Platform.

Att migrera från Adobe Analytics (AA) till Customer Journey Analytics (CJA) är en komplex men värdefull omvandling som ger företag möjlighet att utnyttja mer avancerade analysfunktioner i Adobe Experience Platform (AEP). Processen före migrering beror på datainsamlingen, aktuella Adobe Analytics-inställningar och befintliga integreringar.

I den här guiden behandlas tre viktiga faktorer för planeringsprocessen för en smidig migrering ‒ eller som vi brukar säga, beredskapsfasen för CJA.

1. Förståelse för vad som krävs för datainsamling

Vikten av datakvalitet

”Skräp in, skräp ut.” Att säkerställa en högklassig datainsamling är väsentligt, eftersom detta utgör grunden för er analys. En grundlig granskning av er spårningsimplementering behöver göras före migreringen för att säkerställa exakthet och konsekvens.

Web SDK jämfört med AppMeasurement

En av de viktigaste aspekterna när det gäller migrering är att utvärdera den aktuella konfigurationen för datainsamling:

Granska datalagret och systemet för tagghantering

Migreringen möjliggör granskning och optimering av datainsamlingen:

Metoden

Lyckligtvis migrerade vi alla våra plattformar till Web SDK och kände till AEP-koncept. Dessutom standardiserades datalagret och inställningarna för tagghantering på alla plattformar (vi använder en hybriddatalagerstrategi som kombinerar CEDDL och EDDL). Vi har emellertid gjort en grundlig granskning av våra egenskaper vid lansering och för SDR. Vi såg till att viktiga attribut, som sid- och händelsedata, spårades på ett konsekvent sätt med hög datakvalitet. Inom SDR gjorde vi en kritisk bedömning av alla attribut, ifrågasatte deras nödvändighet och utvärderade hur de skulle kunna förbättras med CJA:s nya funktioner (möjligheter till komponentkonfiguration, till exempel härledda fält).

2. Utvärdera Adobe Analytics-konfigurationen

Den aktuella Adobe Analytics-miljön spelar en viktig roll för migreringens komplexitet. Några viktiga faktorer:

Strategi för datamigrering

När data migreras från Adobe Analytics till CJA är det viktigt att fastställa vilka data som ska migreras och den lämpliga tidsperioden (ifyllnad i efterhand). Istället för att överföra allt kan ni utnyttja den här möjligheten för att förfina konfigurationen och spårningsplanerna för analyser och säkerställa att endast relevanta data inkluderas.

Som standard tillåter Adobe 13 månaders import av historiska data till CJA. Beroende på företagets behov kan det dock krävas en längre period för datalagring. Exempel:

Optimering av CJA-konfigurationen kräver att behovet av datalagring balanseras mot lagringskrav.

Välja en metod för datamigrering

Att bestämma hur data ska överföras till CJA är ett annat viktigt steg. Det finns två primära alternativ:

Vilken metod som passar bäst beror på era specifika databehov och er infrastruktur. I den här artikeln kan du läsa om erfarenheter av datamigrering.

Komponentmigrering

I stället för att migrera komponenter från AA till CJA kan ni börja från början med den här övergången. Med tiden tenderar Adobe Analytics-implementeringar att samla på sig överflödiga, föråldrade eller bristfälligt dokumenterade komponenter.

Metoden

Vi undvek att använda migreringsverktyget för komponenter och byggde istället en ny, effektiv konfiguration. För att säkerställa en smidig övergång identifierade en intressentanalys vilka kontrollpaneler som var nödvändiga. Detta minskade det totala antalet med över 50 % och eliminerade dubbletter eller oanvända rapporter och komponenter. Vi har granskat och förfinat segment, mätvärden och andra komponenter för att förhindra att äldre element överförs.

För datamigrering valde vi datamatning i stället för Adobe Source Connector på grund av dess begränsningar (vi ville inte ha några eVars och props i vår nya CJA-konfiguration). I stället för att helt enkelt överföra gamla komplexiteter till det nya systemet betraktade vi migreringen som en möjlighet att rensa och optimera ‒ och i slutänden skapa en effektivare analysmiljö som också stärker självbetjäningsanalysen.

3. Anpassade integreringar och dataomvandling

Detta är ofta den svåraste delen av migreringen. Många organisationer integrerar Adobe Analytics med tredjepartssystem, till exempel:

Eftersom CJA arbetar inom AEP (och har vissa exportrestriktioner) måste dessa integreringar konfigureras om med hjälp av tillgängliga alternativ, däribland:

Utmaningar med dataomvandling

Dataomvandling är en stor utmaning vid migreringen. Standardanslutningar ger en viss nivå av omvandling, men API-baserade metoder (till exempel frågetjänst) kräver noggrann hantering av objektorienterade AEP-data vid konvertering till relationsstrukturer (till exempel tabeller, vyer eller datauppsättningar). Att strukturera och optimera dessa processer på rätt sätt är nödvändigt för att säkerställa att data är användbara på olika plattformar.

Metoden

Våra inställningar för import och export av data var relativt okomplicerade, även om vi överförde vissa data till vårt interna datalager. För detta förlitade vi oss på daglig Data Warehouse-export via FTP och Data Warehouse API. Eftersom CJA för närvarande har begränsade möjligheter för sådan export (t.ex. fullt stöd för tabellexport av 10 dimensioner och 10 mätvärden), valde vi att exportera data på datamängdsnivå från AEP.

För våra behov visade sig frågetjänstens API i kombination med AEPP vara det effektivaste sättet. På så sätt fick vi tillgång till datamängder från vårt interna datalager och kunde behålla dem efter behov. Eftersom datan kom från AEP snarare än CJA saknades emellertid beständiga attribut, till exempel sista klick-attribuering eller besöksbaserade mätvärden. För att stänga denna lucka använde vi SQL och Python för att återskapa dessa element. Lyckligtvis tillhandahåller Adobe fördefinierade funktioner för besöksidentifiering, och standardmässiga SQL-fönsterfunktioner gör det möjligt att rekonstruera allt som finns i CJA.

Det är viktigt att planera datapipelines i förväg, eftersom interna IT-resurser krävs för att ändra dessa processer. Ju fler import-/exportåtgärder som är involverade, desto större blir komplexiteten, vilket ökar både underhållsarbetet och resursbehovet. Genom att processen hålls så effektiv som möjligt minimeras den administrativa belastningen samtidigt som datakonsekvensen säkerställs.

Sluttankar

Att migrera från Adobe Analytics till Customer Journey Analytics är inte en enkel process för att lyfta och flytta objekt. Noggrann planering, dataoptimering och strategiskt beslutsfattande krävs. Genom granskning av datainsamling, förfining av komponenter och noggrann hantering av integreringar kan CJA:s fulla potential frigöras, samtidig som onödig komplexitet undviks.

En framgångsrik migrering lägger grunden till en kraftfullare, flexiblare och framtidssäker analysmiljö i AEP.

style
article-content-section