比較 Customer Journey Analytics 和 BI 解決方案
隨著目前對客戶體驗的關注，品牌需要進階的解決方案以便更深入了解整體的客戶歷程。 了解這個完整的客戶歷程可讓您分析線上和離線管道如何吸引客戶並提高轉換率、保留率和忠誠度，並獲取有價值的洞察。 在這種情況下，客戶歷程可能是在壽司食品連鎖店直接進行線上餐點訂購。 或者購買新車，此時客戶會進行線上研究以及造訪經銷商展示中心，最後再親自購買。
許多組織已將其全通路資料整合到資料湖或 Data Warehouse 中。 除了這些資料儲存區之外，再使用 Business intelligence (BI) 工具來提供企業了解客戶歷程所需的報告、視覺效果和洞察。 通常，這種將解決方案和工具結合在一起的方式在本質上和設計上都是通用的，並不明確以客戶為中心。 Customer Journey Analytics 專注於支援負責客戶體驗的人員，例如行銷人員、資料分析師、資料科學家。 該工具讓他們能夠在跨所有管道的完整背景中即時將客戶歷程視覺化，而沒有許多其他 BI 工具會有的限制。
文件的這一節會說明 Customer Journey Analytics 和常用 BI 工具之間的根本差異，首先會透過查看用來實現上述目標 (即：了解客戶歷程) 的一般工作流程。 然後，文件內容會更詳細說明 Customer Journey Analytics 和 BI 工具在資料儲存、收集和查詢方式上的差異。 最後會說明視覺化功能的差異。
傳統的 BI 工作流程
分析客戶歷程的傳統方式有一個常見障礙，也就是並非以客戶為中心。 每個團隊都獨立收集資料，根據他們有權存取的資料分析體驗並將其最佳化。
如果您想了解特定的數位行銷活動如何影響儲存在不同資料孤島中的離線操作，您可以向 BI 團隊的佇列發出請求。 BI 團隊會編寫所需的查詢來獲取和轉換資料。 擷取到原始資料後，BI 團隊會建立視覺化內容。 會和您共享資料，然後您再花時間徹底調查這些洞察並擷取資料以在其他系統中啟動。
這些步驟中的每一步都可能需要數小時、數天甚至數週的時間。 如果查詢的資料有後續問題或其他問題，則可能需要更多時間才能解決這些問題，並且會繼續這樣的循環。 若為對客戶歷程的持續分析、探索和理解，此流程效率不彰且無法擴充。 此外，BI 團隊通常處理的不只是與客戶歷程相關的問題。
Customer Journey Analytics：線上和線下資料的民眾化工作流程
Customer Journey Analytics 提供可在總體客戶層級連接線上和離線跨管道資料的環境，其唯一目的是了解客戶歷程。 它確實需要初始設定來連接和定義您認為相關的資料的檢視。 但是完成後，這些資料就可以隨時用於正在進行的分析和探索。 您可以逐步深入了解客戶歷程。 透過將合併的線上和線下資料民主化，您在幾秒鐘內就能回答和客戶歷程相關的問題。
您可以使用 Customer Journey Analytics 在視覺化 Analysis Workspace 環境中提問，並且幾乎可即時獲取洞察。 可立即取得跨管道資料和報表，且無需 SQL 程式碼。 只需在 UI 中進行簡單的拖放操作，即可利用完全關聯的資料完成其他查詢和分析。 您可以繼續提問，根據需要以漸進的方式探索更多詳細資訊。 然後，您可以根據所發現的洞察立即採取行動，例如與他人共用客群以進行啟動和協調流程。
Customer Journey Analytics 強大的報告引擎
Customer Journey Analytics 使用強大的專有架構，可將分析散佈到數百甚至數千台伺服器上，幾秒鐘內即可在 Analysis Workspace 中顯示資料。 該處理架構的一些值得注意的屬性包括：
-
**** 該引擎針對個別層級事件資料的回應式查詢進行了微調，因此已對和客戶相關的查詢進行了完美的最佳化。 此報表引擎會將資料儲存在欄導向的點陣圖索引中，這些索引允許對彙總量度進行快速即時的計算。 其有一個廣泛的劃分引擎，可以進行強大的區段/客群分析。 且其對於資料點之間的序列具備核心理解，這有助於分析跨越這些資料點之間的行為 (事情發生的順序)，以及使用各種複雜的模式來分配歸因。
-
快速套用複雜的路徑分析和區段：報告引擎適用於部分排序的階層式資料集 (例如，人員 -> 工作階段 -> 事件)。 最高層級物件 (個體輪廓) 的所有資料都位在單一處理節點上以獲得準確的結果。 這種資料劃分使得複雜的路徑分析和區段得以快速套用。 工作階段化、歸因、資料歸因的狀態持久化和複雜資料操作選項等複雜操作以快速報表時間大規模執行。 在 BI 世界中，這些類型的操作通常需要為每個使用案例建立新的 OLAP多維資料集。 Customer Journey Analytics 的報表引擎允許在每次查詢時不受限制地存取整個資料集，以產生完全相關的資料，而無需提前進行任何立方體分析。
-
複雜資料流的有效查詢：報告引擎與傳統 SQL 和 NoSQL 資料庫的最大差異之一，在於它能夠在基本層級根據序列導向的關係確定述詞。 這些基本的查詢操作可以查看由許多交錯 (甚至是巢狀的) 序列組成的記錄資料流。 它們會以單一連續序列操作的效率對所有這些交織在一起的資料串流執行查詢。
-
專門用來快速回答大型查詢：報表引擎不像傳統巨量資料系統那樣通用。 然而，它專門設計用於回答跨越數百萬甚至數十億條記錄 (事件資料/體驗事件) 的查詢，通常在一秒鐘內完成。 不同於其他巨量資料系統，它不會透過對資料進行抽樣或預先運算它認為您可能會問的所有問題的答案來做到這一點。 反之，它能夠相當快速地運算答案以支援互動式查詢使用案例。 Customer Journey Analytics 報告引擎的這種特殊設計有助於讓資料立即供使用並高速進行持續分析和探索，進而讓您以漸進的方式獲取對客戶歷程的洞察和理解。
-
可做為無周邊 BI 解決方案：您在一個地方定義維度、量度、區段，然後任何 Customer Journey Analytics 用戶端 (包括我們的公用 Customer Journey Analytics API) 都能存取這些元件。 這會將複雜的查詢從一般使用者面前抽離，並保證無論您使用哪種報告或視覺化用戶端，結果都是相同的。
Customer Journey Analytics 獨特的視覺化功能
此報表引擎是 Customer Journey Analytics 的基礎，讓您能夠以漸進的方式和該報表引擎中的所有客戶歷程資料進行互動並採取行動。 Customer Journey Analytics 附帶了一組廣泛的元件，讓您能夠透過拖放的方式直觀地完成此操作。 BI 視覺效果工具讓您能夠在 SQL 準備的資料 (由 IT 定義) 的邊界內進行探索。 Customer Journey Analytics 讓您能夠根據需要盡情進行劃分和多角度分析，而無需返回 IT 部門建置另一個 SQL 視圖。
「漸進式」在此是一項重要概念：和 BI 工具中大多數視覺效果相反，Customer Journey Analytics 中的直觀式拖放 UI 讓您能夠根據特定需求將資料持續劃分：您可以使用相關的量度、維度、區段、計算、時間線、註解和其他分析值，以互動方式直觀地建置查詢。
這些視覺效果元件中內建了智慧功能，例如：
-
虛擬分析師功能例如異常偵測使用預測演算法和機器學習提供對於驅動資料中異常行為的因素的洞察。
-
進階分析功能專門針對客戶歷程的洞察，例如流程圖表、歸因面板、流失率圖表，以及維度劃分。 開箱即用的視覺化範例包括：
-
透過同類群組/延遲表進行客戶保留率分析，您只需在建置器中拖放量度/維度，不到 30 秒即可完成，
-
-
您漸進式探索的每一步所具有的客戶細分功能：只要您認為有意義，您隨時都能將您的客群發佈回 Experience Platform，並從那裡發佈到任何受支援的目的地。
-
工作階段化 (完全可自訂)：您可決定工作階段 (做為客戶歷程中管道的一部分) 何時開始和結束。
-
精心挑選和民眾化：在 Customer Journey Analytics 中建立的儀表板可以是：
由於有各式各樣的視覺化可供使用，因此很難將 Customer Journey Analytics 的視覺化功能和 BI 工具提供的功能進行比較。 部分 BI 工具具備較進階的視覺效果，但 Customer Journey Analytics 專注於互動式和可互操作的客戶歷程視覺效果，讓您可以在幾秒鐘內劃分資料，而不會因每筆額外的查詢向您「收費」。
摘要
Customer Journey Analytics 和 BI 工具的不同之處在於，Customer Journey Analytics 可將以客戶歷程為中心的高度最佳化報表引擎和使用者易用的工具以及元件順暢地整合，以執行分析並建置報表和進階的視覺效果。 這一切都可在單一 UI 內完成，您無需在查詢引擎和視覺效果環境之間來回移動。