Adobe Analytics – Häufig gestellte Fragen

Was sind Remarketing-Trigger in Adobe Analytics?

Mit den Remarketing-Triggern in Adobe Analytics können Marketingfachkräfte signifikante Verhaltensweisen von Besucherinnen und Besuchern mühelos identifizieren, definieren und ständig im Auge behalten. Sobald solche Verhaltensweisen erkannt werden, startet das System automatisch kanalübergreifende Kommunikationsmaßnahmen – beispielsweise personalisierte E-Mails – um diese Personen gezielt zu erreichen oder zurückzugewinnen. So wird aus passiver Datenbeobachtung aktives Re-Engagement – ein wesentlicher Bestandteil einer dynamischen Marketingstrategie. Dabei geht es vor allem darum, digitale Körpersprache in Echtzeit zu erkennen und in sinnvolle Interaktionen zu verwandeln.

Wie gehen die Remarketing-Trigger in Adobe Analytics über elementare Beispiele wie das Verlassen des Warenkorbs hinaus?

Während das klassische Beispiel von Kundinnen und Kunden, die ihren Einkauf abbrechen, ein gut bekannter und grundlegender Auslöser ist, geht das Potenzial für Remarketing in einem wirklich datengesteuerten Unternehmen weit darüber hinaus. Adobe Analytics ermöglicht es, Remarketing-Trigger zu konfigurieren, die alle verfügbaren Daten in Echtzeit nutzen und sich nicht bloß auf einzelne Ereignisse abstützen. Diese umfassende Datennutzung ist ein wichtiges Unterscheidungsmerkmal. In diesem Zusammenhang sind die grundlegenden Auslöser nur ein Bruchteil der Möglichkeiten – ein Beweis für den ganzheitlichen, nuancierten und äußerst leistungsfähigen Ansatz von Adobe Analytics. Viele E-Mail- oder Kampagnenmanagement-Lösungen bieten solche grundlegende Auslöser, aber für ein wirklich effektives, kanalübergreifendes Remarketing-Programm ist ein wesentlich breiterer Ansatz erforderlich.

Welche Arten von Aktionen können in Adobe Analytics Remarketing-Maßnahmen auslösen?

Die Flexibilität von Adobe Analytics ermöglicht die Konfiguration von Remarketing-Triggern unter Berücksichtigung zahlreicher Verbraucheraktionen. Dazu gehören gängige E-Commerce-Szenarien wie Einkaufsabbrüche, einschließlich Fälle, in denen Produkte ausdrücklich aus dem Warenkorb entfernt wurden. Über den E-Commerce hinaus können Trigger aufgrund von Newsletter-Anmeldungen, E-Mail-Abonnements, Kreditkarten- oder Treueprogrammnutzung und anderen benutzerdefinierten Aktionen ausgelöst werden. Die breite Palette an Auslösern zeigt, wie anpassungsfähig die Plattform ist. Unternehmen können so ihre Remarketing-Strategien gezielt auf verschiedene Konversionsziele und Touchpoints der Customer Journey abstimmen. Dies erweitert den Einsatzbereich weit über die klassische Kundenrückgewinnung hinaus.

Wie lässt sich Adobe Analytics mit Adobe Campaign für das Remarketing integrieren?

Adobe Analytics bietet effiziente Integrationsmöglichkeiten mit Adobe Campaign. Diese Kombination versetzt Marketing-Teams in die Lage, ihre Remarketing-Strategien zeitnah umzusetzen. Wenn die Systeme integriert sind, arbeiten sie Hand in Hand, sodass die Marketing-Fachleute praktisch sofort auf ein Trigger-Ereignis reagieren und sicherstellen können, dass Remarketing-Botschaften genau zum richtigen Zeitpunkt bei den Empfängern landen. Diese enge Integration ist von entscheidender Bedeutung, um Erkenntnisse in Maßnahmen umzusetzen.

Die Fähigkeit des Systems, ein breites Spektrum an wichtigen Verhaltensweisen von Verbrauchern zu überwachen und eine plattformübergreifende Kommunikation zu initiieren, insbesondere in Echtzeit mit Adobe Campaign, bringt eine grundlegende Veränderung. Es verwandelt Marketing von reaktiven Remarketing-Taktiken hin zu proaktiven, hochgradig kontextbezogenen und personalisierten Interaktionen im großen Maßstab. Das heißt, dass Unternehmen ihren Nurturing-Prozess so automatisieren können, dass wichtige Kundensignale sinnvolle Interaktionen auslösen.

Wie arbeiten Adobe Analytics und AEM Sites zusammen?

Adobe Analytics und AEM Sites sind für eine native Integration konzipiert, die einen kontinuierlichen, bidirektionalen Fluss von Erkenntnissen ermöglicht. Analysedaten zum Kundenverhalten und zur Content-Performance werden in AEM eingespeist, Informationen zu den bereitgestellten Inhalten stehen in Analytics zur Verfügung. Dieser bidirektionale Austausch soll eine einheitliche Informationsquelle („Single Source of Truth“) etablieren, die sowohl Kundendaten als auch die Inhalte, mit denen sie interagieren, umfasst. Eine einheitliche Sichtweise ist deshalb so wichtig, weil sie die traditionellen Silos aufbricht, die häufig zwischen dem Verständnis des Kundenverhaltens (dem Bereich der Analytik) und der Bereitstellung maßgeschneiderter Content-Erlebnisse (der Rolle von AEM) bestehen. Das Ergebnis ist ein geschlossener Kreislauf, in dem die Erkenntnisse die Inhalte vorantreiben und die Performance der Inhalte die Erkenntnisse verfeinert.

Welches sind die Vorteile der Integration von Analytics mit AEM?

Die Integration von Adobe Analytics mit AEM Sites bietet Unternehmen mehrere wichtige Vorteile. Dazu gehört die Einrichtung systemübergreifender Workflows zur Automatisierung der Abläufe zwischen Analytik und Content Management. Oder eine fortschrittliche Personalisierung durch Künstliche Intelligenz – mit praktisch unbegrenzten auf die jeweilige Zielgruppe zugeschnittenen Asset-Variationen. Darüber hinaus werden dynamische Inhalte ermöglicht, die sich in Echtzeit an die Aktionen, das Verhalten und die Bedürfnisse der Kundinnen und Kunden anpassen. Die Integration unterstützt auch den Aufbau und die Bereitstellung von kanalübergreifenden Erlebnissen über eine Headless Content Management System (CMS)-Architektur.

Was ist die Anomalieerkennung in Adobe Analytics?

Die Anomalieerkennung in Adobe Analytics nutzt statistische Modellierung und maschinelle Lernverfahren, um unerwartete oder statistisch signifikante Abweichungen in Daten automatisch zu identifizieren. Sie durchforstet systematisch umfangreiche Datensätze und signalisiert geschäftswirksame Ereignisse. Bisher war dies ein zeitaufwändiger, oft mit manuellen Schritten verbundener Prozess. Durch das proaktive Aufzeigen kritischer Veränderungen, die sonst möglicherweise unbeachtet bleiben, können Analysten und Marketing-Fachkräfte ihre Aufmerksamkeit genau dort fokussieren, wo sie am dringendsten benötigt wird.

Wie hilft die Anomalieerkennung bei der Identifizierung wichtiger Datenereignisse?

Die Anomalieerkennung identifiziert unerwartete Spitzen und Einbrüche im Datenverkehr oder anderen wichtigen Metriken und stellt diese Ergebnisse anhand von leicht verständlichen Visualisierungen dar. Solche Anomalien können auf viele wichtige Ereignisse hindeuten: positive Ergebnisse, z. B. eine Marketingkampagne, die besser abschneidet als erwartet, oder negative Probleme, z. B. Website-Bugs, Tagging-Fehler oder böswillige Aktivitäten wie Wirtschaftsspionage. Ganz gleich, ob die möglichen Auswirkungen positiv oder negativ sind – es lohnt sich in jedem Fall, Anomalien schnell zu identifizieren. Der hauptsächliche Vorteil liegt in der Schnelligkeit dieser Identifizierung und der Fähigkeit, sowohl Chancen zu erkennen, die genutzt werden können, als auch Bedrohungen, die sich abwehren oder mindestens abschwächen lassen.

Wie lässt sich die Gewichtungsanalyse bei der Anomalieerkennung einsetzen?

Das Verständnis der Ursache einer Anomalie ist entscheidend, um geeignete Maßnahmen zu ergreifen. Die Gewichtungsanalyse im Analyse-Workspace unterstützt die Anomalieerkennung bei dieser wichtigen Aufgabe. Statt einfach nur den Zeitpunkt einer Anomalie zu melden, gibt sie Hinweise auf die Ursache. Die Gewichtungsanalyse hilft bei der Aufdeckung der Faktoren, die für die Anomalie verantwortlich sind. Diese Diagnose ist für die Formulierung wirksamer Maßnahmen unerlässlich, sei es zum Beseitigen eines Problems oder zur Ausweitung einer erfolgreichen Initiative.

Kann die Anomalieerkennung saisonale Ereignisse berücksichtigen?

Ja, wenn die Anomalieerkennung im Analysebereich eingesetzt wird, kann sie vorhersehbare saisonale Ereignisse berücksichtigen. Dazu gehören wichtige Einzelhandelszeiten wie der Black Friday, urlaubsbedingte Spitzenzeiten und andere Feiertage. Diese Funktion ist entscheidend, da das System echte Anomalien von normalen Datenschwankungen unterscheiden kann. So werden Fehlalarme reduziert und Warnhinweise sind aussagekräftiger. Bei herkömmlichen Analysemethoden müssen Analystinnen und Analysten eine Menge von Berichten manuell durchforsten, um Probleme oder signifikante Trends zu erkennen.

Was hat es mit Data Warehouses und Daten-Feeds in Adobe Analytics auf sich?

Das Data Warehouse von Adobe Analytics bietet Funktionen für die umfassende Speicherung von Kundendaten sowie Optionen für die Wiederaufbereitung von Daten und erweiterte Berichte. Es ist für große Datensätze und komplexe analytische Abfragen ausgelegt.

Daten-Feeds sind auf die Bereitstellung von Rohdaten in Batches ausgerichtet. Sie können täglich oder stündlich wiederkehrend geplant werden, um kontinuierlich frische Rohdaten zu liefern. Diese beiden Komponenten haben unterschiedliche, aber ergänzende Funktionen für die Verwaltung und den Zugriff auf die von Adobe Analytics erfassten granularen Daten. Das Data Warehouse erfüllt den Bedarf an Langzeitspeicherung und Tiefenanalyse, während Daten-Feeds automatisch und regelmäßig Rohdaten extrahieren, die dann in anderen Systemen verwertet werden.

Wie können Rohdaten aus Adobe Analytics verwendet werden?

Die Rohdaten aus Adobe Analytics können exportiert und in Remarketing-Systeme eingespeist sowie zur Durchführung komplexer Attributionsmodelle oder zur Entwicklung von Tendenzbewertungen für prädiktive Analysen genutzt werden. Darüber hinaus werden Rohdaten häufig zu Archivierungszwecken oder für längerfristige Analysen exportiert, die über die Möglichkeiten einer Standard-Berichtsschnittstelle hinausgehen. Dies unterstreicht, dass Adobe Analytics-Daten ihren wahren Wert entfalten, wenn sie über die eigenen Reporting-Tools hinaus andere essentielle Geschäftssysteme und komplexe Analysemodelle befeuern.

Was sind die Möglichkeiten des Data Warehouse?

Das Data Warehouse ist auf Skalierbarkeit und Performance ausgelegt. Es ermöglicht die Verarbeitung einer unbegrenzten Anzahl von Datenzeilen innerhalb einer einzigen Anfrage für individuell geplante und heruntergeladene Berichte. Diese Funktion ist vor allem für tiefschürfende Analysen umfangreicher Datensätze von Vorteil. Darüber hinaus ermöglicht das Data Warehouse den Export und die Speicherung großer Datenmengen, ganz ohne nennenswerten zusätzlichen Aufwand.

Wie können Daten-Feeds die Datenbereitstellung automatisieren?

Daten-Feeds dienen dazu, Rohdaten aus verschiedenen digitalen Objekten wie Websites, mobilen Anwendungen oder anderen Online-Quellen direkt in den von einem Unternehmen gewählten Data Lake oder einen anderen Speicherort zu übertragen. Nutzerinnen und Nutzer erhalten volle Kontrolle über diese Feeds – von der Einrichtung neuer und der Verwaltung bestehender Feeds bis zur flexiblen Anpassung von Inhalten. Umfassende Auftragsmanagement-Tools ermöglichen die Überwachung des Status aller Daten-Feed-Aufträge, die Überprüfung der ordnungsgemäßen Zustellung und die Wiederholung von Aufträgen, falls erforderlich – alles über eine zentrale Schnittstelle. Dies bietet einen zuverlässigen, verwaltbaren und automatisierten Mechanismus für die Extraktion von Rohdaten aus Adobe Analytics und deren Integration in andere Datensysteme des Unternehmens, wodurch eine breitgefächerte, kohärente Datenstrategie unterstützt wird.

Was sind intelligente Warnhinweise in Adobe Analytics?

Die intelligenten Warnhinweise (oder „Alarme“) in Adobe Analytics ermöglichen es Anwendern, Benachrichtigungen auf der Grundlage von Datenanomalien oder bestimmten metrischen Schwellenwerten zu erstellen und zu verwalten. Eine wichtige Funktion ist die Möglichkeit, gestapelte Warnhinweise zu erstellen, um Informationen über mehrere Messgrößen in einer einzigen Benachrichtigung zusammenzufassen. Das System überwacht die Daten aktiv und benachrichtigt die Benutzer sofort, wenn etwas Ungewöhnliches vorfällt, z. B. eine signifikante Abweichung von den Standardmustern oder das Erreichen eines vordefinierten Benchmarks. Diese Warnhinweise sollen Benutzerinnen und Benutzern helfen, über kritische Datenänderungen auf dem Laufenden zu bleiben, ohne dass eine ständige manuelle Überwachung der Dashboards erforderlich ist. Dies macht die Datenüberwachung effizienter und weniger arbeitsintensiv.

Wie funktionieren intelligente Alarme bei der Anomalieerkennung?

Die intelligenten Warnhinweise sind so konzipiert, dass sie sich nahtlos in die Funktion zur Anomalieerkennung integrieren lassen. Dank maschineller Lernalgorithmen werden Alarme sofort bei Überschreitung erkannter Schwellenwerte ausgelöst – genau dann, wenn es wirklich drauf ankommt. Intelligente Warnhinweise basieren jedoch nicht allein auf vordefinierten Schwellenwerten. Vielmehr können sie auch durch statistisch signifikante Abweichungen, die das System als ungewöhnlich oder unerwartet identifiziert, ausgelöst werden. Dadurch gewinnen sie an Relevanz und lassen sich eher umsetzen.

Welche Arten von Warnhinweis-Triggern können konfiguriert werden?

Die Bedingungen, unter denen ein Alarm ausgelöst wird, lassen sich sehr flexibel konfigurieren; beispielsweise anhand von Schwellenwerten für Anomalien, die von der Anomalieerkennung abgeleitet werden, oder auf der Grundlage spezifischer prozentualer Änderungen einer Messgröße oder der Über- bzw. Unterschreitung eines vordefinierten Datenpunkts. Diese Anpassungsfähigkeit ermöglicht es Benutzernnen und Benutzern, ein „wichtiges Ereignis“ für ihre spezifischen Kennzahlen (KPIs) und ihren einzigartigen Geschäftskontext genau zu definieren und das Warnsystem auf ihre Prioritäten zuzuschneiden.

Wie werden Warnhinweise verwaltet und übermittelt?

Adobe Analytics bietet Tools für ein effektives Alarmmanagement. Eine Vorschau zeigt die wahrscheinliche Häufigkeit eines Alarms auf der Grundlage historischer Daten und aktueller Einstellungen. Dies hilft, die Warnkriterien präzise anzupassen, um Überdruss durch allzu häufig Benachrichtigungen zu vermeiden. Wenn eine Warnbedingung erfüllt ist, können Nachrichten per E-Mail oder SMS versandt werden. Diese Benachrichtigungen enthalten häufig Links zu automatisch erstellten Analysen, die einen unmittelbaren Kontext liefern und ein schnelleres Verständnis des ursächlichen Ereignisses ermöglichen. Die Übermittlung über Standardkommunikationskanäle gewährleistet eine rechtzeitige Sensibilisierung, und die direkten Verbindungen zur Analyse beschleunigen den Untersuchungsprozess.

Was sind „gestapelte“ (oder „kombinierte“) Warnhinweise?

Gestapelte Warnhinweise vereinfachen die Verwaltung von Alarmen, indem sie es Benutzerinnen und Benutzern ermöglichen, mehrere Messgrößen innerhalb eines einzigen, konsolidierten Alarms zu überwachen, anstatt zahlreiche einzelne Warnhinweise für verwandte KPIs zu erstellen und zu verwalten. Darüber hinaus lassen sich die Warnhinweise durch Filterung nach bestimmten Zielgruppen oder Geräten verfeinern. Durch die Gruppierung relevanter Informationen reduzieren gestapelte Warnhinweise das „Rauschen“. Mit der Filterfunktion ergibt sich eine weitere Ebene der Granularität, die sicherstellt, dass die Warnungen für den Empfängerkreis auch tatsächlich relevant sind.

Die Einführung intelligenter Warnhinweise, insbesondere in Verbindung mit der Funktion zur Anomalieerkennung, bedeutet eine Veränderung im Umgang mit Daten. Das System übernimmt die Überwachungsfunktion und erspart es den Benutzerinnen und Benutzern, komplexe Datenbestände manuell nach Erkenntnissen und Problemen zu durchsuchen. Es macht sie proaktiv auf kritische Ereignisse und Abweichungen aufmerksam, z. B. per E-Mail oder SMS mit Links zu automatisch generierten Analysen. Dies fördert einen direkten, aktiven und agilen Umgang mit datengestützten Signalen.

Was ist die Live-Stream-Funktion in Adobe Analytics?

Live Stream ist eine Funktion in Adobe Analytics, die kontinuierlich einen Echtzeit-Datenstrom mit unverarbeiteten Daten auf Interaktionsebene bereitstellt. Diese Daten sind innerhalb von Sekunden, in der Regel 30 bis 90 Sekunden, nachdem sie von digitalen Plattformen erfasst wurden, verfügbar. Der nahezu sofortige Zugriff auf rohe, granulare Daten ist entscheidend für Anwendungsszenarien, die sofortiges Handeln erfordern oder bei denen Daten in andere Echtzeitsysteme eingespeist werden müssen. Der Begriff „unverarbeitet“ will sagen, dass die Daten in ihrer detailliertesten („rohen“) Form vorliegen, also weder aggregiert noch durch Standard-Reportingprozesse verändert wurden, was sie ideal für sehr spezifische oder zeitkritische Analysen macht.

Was sind die Anwendungsszenarien für Echtzeitdaten aus Live-Streams?

Der Live-Stream von Echtzeitdaten kann für verschiedene wertvolle Anwendungsszenarien genutzt werden. Dazu gehören die Bereitstellung von Live-Traffic-Dashboards für eine sofortige operative Überwachung, die Einspeisung von Daten in Empfehlungsmaschinen und Personalisierungsalgorithmen für dynamisches Retargeting oder Remarketing, die Überwachung der Auswirkungen von Marketingkampagnen in Echtzeit und die Personalisierung von Angeboten und Content zum exakt richtigen Interaktionszeitpunkt. Diese Beispiele verdeutlichen die Vielseitigkeit von Live-Streams, die von der Betriebsüberwachung auf höchster Ebene bis hin zu unmittelbaren, individuellen Kundeninteraktionen reichen.

Lässt sich Live-Stream mit anderen Adobe Experience Cloud-Produkten integrieren?

Ja, die Daten aus dem Live-Stream sind so konzipiert, dass sie mit anderen Adobe Experience Cloud-Produkten kompatibel und integrierbar sind. Der Stream umfasst Ereignisse auf Interaktionsebene, die aus anderen Lösungen im Adobe-Ökosystem stammen, wie Adobe Target (für Personalisierung und A/B-Tests) oder Adobe Advertising Cloud (für Werbemanagement). Diese Integration reichert den Echtzeit-Datenstrom mit Erkenntnissen und Interaktionsdaten von verschiedenen Touchpoints an, die von Adobe Experience Cloud verwaltet werden, und bietet so eine ganzheitliche Echtzeit-Ansicht der Kundenaktivitäten, die für die sofortige Aktivierung und lösungsübergreifende Workflows genutzt werden kann.

Welche Möglichkeiten bietet die Videoanalyse?

Die Videoanalyse in Adobe Analytics liefert nahezu in Echtzeit detaillierte Informationen zum Videokonsum, einschließlich Metriken wie Videodauer und Anzahl der Stopps und Starts. Sie ermöglicht die Auswertung und Kombination verschiedener Videokennzahlen zur Gewinnung von Erkenntnissen über die Zuschauergewohnheiten. Diese Erkenntnisse können dann das Engagement erhöhen, etwa durch die Bereitstellung von hoch personalisierten Empfehlungen. Eine wesentliche Stärke ist die Fähigkeit, die Videoleistung über mehrere Medienplattformen hinweg zu messen und sogar den Offline-Konsum von Videoinhalten zu verfolgen. Diese spezialisierte Lösung bietet einen tiefen Einblick in die Nutzung von Videoinhalten – unverzichtbar für Unternehmen, die Videos für Kommunikation, Marketing oder Umsatzgenerierung einsetzen.

Welche Plattformen können mit der Videoanalyse gemessen werden?

Die Möglichkeiten der Videoanalyse erstrecken sich über ein breites Spektrum an modernen Plattformen. Dazu gehören Mobiltelefone, Tablets, Over-the-Top (OTT)-Geräte (wie Smart-TVs und Streaming-Boxen), traditionelle Set-Top-Boxen und Spielkonsolen. Außerdem wird auch die Messung von Offline-Inhalten unterstützt. Diese umfassende Plattformunterstützung sorgt dafür, dass Unternehmen sich einen ganzheitlichen Überblick über den Videokonsum auf den verschiedenen Kanälen, über die das Publikum heute Inhalte konsumiert, verschaffen können.

Welche wichtigen Videokennzahlen können erfasst werden?

Über die Anzahl der Aufrufe hinaus ermöglicht die Videoanalyse die Erfassung einer Vielzahl von Kennzahlen, die tiefere Einblicke in Engagement und Performance vermitteln. Dazu gehören:

• Gleichzeitige Betrachter pro Minute: Besonders nützlich für die Auswertung der Zuschauerbeteiligung bei Live-Videoveranstaltungen.
• Metriken zur Experience-Qualität: Diese sorgen für eine nahtlose, unauffällige Videobereitstellung an die Zuschauer durch Tracking von Pufferverhalten und Fehlerquoten.
• Nachverfolgen heruntergeladener Offline-Inhalte: Erfasst das Engagement für Videoinhalte, die zur Offline-Wiedergabe heruntergeladen wurden.
• Trendige Videos in Echtzeit: Identifizieren der beliebtesten Videoinhalte.
• Analyse von Videowerbung: Erschließt das volle Potenzial der Werbestrategien durch fundierte Einblicke in die Wirkung auf die Zuschauer und optimiert die Zustellung zielgerichteter, individueller Werbeinhalte. Diese Metriken bieten ein differenziertes Verständnis der Reichweite von Videoinhalten, der Qualität des Engagements, der technischen Leistung und der Effektivität der Monetarisierung.

Wird die Verfolgung von Offline-Inhalten und die Analyse von Videowerbung unterstützt?

Ja, die Videoanalyse unterstützt ausdrücklich die Nachverfolgung heruntergeladener Offline-Inhalte und die Analyse von Videowerbung. Die Offline-Tracking-Funktion ermöglicht es Unternehmen, das Engagement der Nutzer mit Inhalten zu analysieren, auch wenn diese nicht live gestreamt werden. Die Funktion zur Analyse von Videowerbung hilft bei der Bewertung der Wirkung von Werbung auf die Zuschauer und bei der Optimierung der Werbeauslieferung, um eine personalisierte und effektive Kommunikation zu gewährleisten. Diese Funktionen befassen sich mit kritischen Aspekten der modernen Videostrategie: dem mobilen Konsum und der Performance von videobasierter Werbung.

Was ist Federated Analytics für Video?

Federated Analytics ist eine Funktion im Zusammenhang mit der Videoanalyse, die die gemeinsame Nutzung und den Empfang von Videoanalysedaten von Distributoren ermöglicht. Ziel ist es, einen ganzheitlicheren Blick auf den Videokonsum zu werfen und die Gesamtreichweite des Publikums über verschiedene Geräte und Vertriebspartner hinweg besser zu verstehen. Dies ist besonders wichtig für Content-Ersteller und Medienunternehmen, die ihre Videoinhalte über mehrere Drittanbieterplattformen oder -dienste verbreiten, da sie auf diese Weise Zuschauerdaten konsolidieren können, um sich ein umfassendes Bild von ihrem Publikum zu machen.

Durch die Bereitstellung detaillierter Einblicke in die Zuschauergewohnheiten, die Identifizierung von Videotrends in Echtzeit und die Analyse von Videowerbung ermöglicht die Lösung Medienunternehmen, Inhaltserstellern und Vermarktern, fundierte, datengestützte Entscheidungen in Bezug auf Strategien zur Inhaltserstellung, Programmpläne und Ansätze für Videowerbung zu treffen. Wenn man beispielsweise versteht, wie sich die Werbeauslieferung auf die Zuschauererfahrung auswirkt, und sicherstellt, dass die Werbebotschaften personalisiert sind, kann man sowohl die Monetarisierungsergebnisse als auch die Zuschauerbindung verbessern.

Wie unterstützt Adobe Analytics die Analyse von Sprachassistenten?

Adobe Analytics ermöglicht es Unternehmen, durch die systematische Erfassung und Analyse von Sprachinteraktionsdaten stärker personalisierte und überzeugendere Kundenerlebnisse über sprachbasierte Schnittstellen anzubieten. Diese Fähigkeit erstreckt sich auf alle wichtigen Sprachassistenten-Plattformen. Die aus der Sprachanalyse gewonnenen Erkenntnisse helfen Unternehmen, die Entwicklung ihrer Sprachanwendungen zu optimieren, das Engagement der Benutzerinnen und Benutzer mit diesen Anwendungen zu erhöhen und ein klareres Verständnis für die Auswirkungen und die Rolle von Sprachinteraktionen im breiteren Kontext des gesamten Kundenerlebnisses zu gewinnen. Da Sprachinteraktion immer mehr an Boden gewinnt, sind solche speziellen Analysen für Marken unerlässlich, um das Nutzerverhalten zu verstehen, Schmerzpunkte zu identifizieren und Sprachstrategien zu verfeinern.

Welche Schlüsselkennzahlen können für Sprachinteraktionen erfasst werden?

Um ein nuanciertes Verständnis von Sprachinteraktionen zu erhalten, ermöglicht Adobe Analytics die Erfassung wichtiger Datenpunkte, die speziell für dieses Medium relevant sind. Zu diesen Kennzahlen gehören:

• Häufigkeit der Nutzung: Wie oft Interaktionen mit der Sprachanwendung stattfinden.
• Absicht: Was die Benutzer mit ihren Sprachbefehlen erreichen wollen.
• Benutzerauthentifizierung: Ob und wie Benutzer während Sprachsitzungen authentifiziert werden.
• Slots: Bestimmte Informationen, die zur Erfüllung einer Absicht erforderlich sind (z. B. der Name einer Stadt oder Region für eine Wetteranfrage).
• Parameter: Zusätzliche Angaben zur Präzisierung der Anfrage.
• Sitzungsdauer: Die Dauer der Sprachinteraktionssitzungen. Diese spezialisierten Kennzahlen sind auf die einzigartigen Merkmale von Sprachinteraktionen zugeschnitten und helfen Unternehmen, das Benutzerverhalten, die Erfolgsrate von Anfragen, Reibungspunkte und die allgemeine Interaktionsrate mit ihren sprachgesteuerten Anwendungen zu verstehen.

Wie lassen sich Sprachdaten in eine Omnichannel-Ansicht integrieren?

Daten aus Sprachassistentenanwendungen können zusammen mit Daten aus allen anderen Kanälen (z. B. Web, mobile App, E-Mail) betrachtet werden, um eine ganzheitliche und einheitliche Ansicht der Kundeninteraktionen über die gesamte Journey mit der Marke zu erhalten. Darüber hinaus können leistungsstarke Analysefunktionen wie Anomalieerkennung und unbegrenzte Echtzeit-Segmentierung auf diese konsolidierten Sprachdaten angewandt werden, genau wie auf Daten aus anderen Kanälen. Diese Integration ist entscheidend, um zu verstehen, wie Sprachinteraktionen andere Berührungspunkte ergänzen oder beeinflussen, und um konsistente Analysemethoden auf die gesamte Customer Experience-Landschaft anzuwenden.

Durch die Erfassung detaillierter Metriken wie Absicht, Benutzerauthentifizierung, Slots, Parameter und Sitzungsdauer geht die Sprachanalyse weit über einfache Nutzungszahlen oder Befehlsprotokolle hinaus. Diese Granularität ermöglicht ein wesentlich tieferes Verständnis dessen, was die Benutzer mit ihren Sprachbefehlen zu erreichen versuchen, wie sie mit dem Konversationsfluss der Sprachanwendung interagieren und wo sie u. U. auf Schwierigkeiten stoßen oder Aufgaben abbrechen. Ein solch detaillierter Einblick ist unerlässlich für die Optimierung von Konversationsdesigns, die Verbesserung der Relevanz und Genauigkeit von sprachbasierten Diensten und letztlich eine höhere Benutzerzufriedenheit.

Was ist die Kohortenanalyse in Adobe Analytics?

Die Kohortenanalyse, die im Analyse-Arbeitsbereich von Adobe Analytics zur Verfügung steht, ist eine Analysemethode, die Schlüsse darüber zulässt, wie sich Anwendergruppen mit gemeinsamen Merkmalen oder Erfahrungen (so genannte Kohorten) über einen längeren Zeitraum verhalten. Die Analyse umfasst in der Regel eine „Einschlussmetrik“, die die Kriterien für die Zugehörigkeit eines Nutzers zu einer Kohorte definiert (z. B. Nutzer, die eine App in einem bestimmten Monat installiert haben), und eine „Rückkehrmetrik“, die spezifische Verhaltensweisen oder Ergebnisse dieser Kohorte über nachfolgende Zeiträume verfolgt (z. B. die Anzahl der monatlichen Sitzungen oder die Häufigkeit getätigter Käufe). Diese Technik geht über statische Momentaufnahmen des Nutzerverhaltens hinaus und zeigt dynamische Muster der Nutzerbindung, des Nutzerengagements und der Konversion über den gesamten Lebenszyklus auf.

Welche Anwendungsszenarien gibt es für die Kohortenanalyse?

Die Kohortenanalyse ist ein vielseitiges Instrument, das für verschiedene geschäftliche Fragestellungen eingesetzt werden kann. Einige typische Anwendungsszenarien sind:

• App-Interaktion: Analyse der Art und Weise, wie Nutzer, die eine mobile App installiert haben, diese im Laufe der Zeit weiter nutzen. Dabei werden Muster wie anfängliche Akzeptanz, nachlassende Nutzung oder dauerhafte langfristige Nutzung identifiziert.
• Abonnement-Konvertierung: Verfolgung der Rate, mit der Nutzer eines kostenlosen Abonnements oder einer Testversion in den Monaten nach ihrer ersten Anmeldung auf eine kostenpflichtige Version umsteigen.
• Komplexe Kohortensegmente: Definition bestimmter Kohortengruppen unter Verwendung mehrerer Metriken und Segmente für Einschluss- und Rückkehrkriterien. Auf diese Weise lassen sich leistungsschwache Kundensegmente identifizieren, die mit maßgeschneiderten Werbeaktionen oder Maßnahmen zur Leistungssteigerung angesprochen werden können.
• App-Versions-Adoption: Vergleich von Benutzerbindung, -engagement und -abwanderungsraten über verschiedene Versionen von mobilen Apps hinweg, um Adoptionsmuster zu verstehen und festzustellen, ob bestimmte Versionen Benutzer abschrecken oder sie zu Upgrades ermutigen.
• Kampagnen-Stickiness: Bewertung der Effektivität verschiedener Marketingkampagnen bei der Gewinnung und Bindung von Benutzern im Laufe der Zeit durch den Vergleich von Kampagnenkohorten mittels der benutzerdefinierten Dimensionskohorten-Analyse.
• Auswirkungen von Produkteinführungen: Die Latenztabellen-Einstellung wird genutzt, um die Auswirkungen einer neuen Produkteinführung auf das Verhalten und den Umsatz eines spezifischen Kundensegments zu bewerten, indem die Aktivitäten vor und nach dem Launch analysiert werden.
• Identifizierung der treuesten Kundinnen und Kunden (individuelle Stickiness): Identifizierung von Wiederholungskäufern auf monatlicher Basis unter Verwendung der rollierenden Berechnungseinstellung und umgekehrt Identifizierung von Kunden, die abgewandert sind oder kein Wiederholungskaufverhalten zeigen. Diese verschiedenen Anwendungsszenarien zeigen die Flexibilität der Kohortenanalyse bei der Beantwortung kritischer Geschäftsfragen im Zusammenhang mit dem User Lifecycle Management, der Bewertung der Produktleistung und der Bewertung der Marketingeffektivität.

Ist Adobe Analytics DSGVO-konform?

Adobe Analytics kann in einer Weise genutzt werden, die mit der DSGVO konform ist. Die Einhaltung der Vorschriften zu erreichen und aufrechtzuerhalten ist jedoch eine geteilte Verantwortung. Adobe stellt die Tools und Funktionen zur Unterstützung der DSGVO-Anforderungen zur Verfügung, aber es liegt am Unternehmen, das Adobe Analytics einsetzt (dem „Datenverantwortlichen“), die Plattform zu konfigurieren und Data-Governance-Praktiken zu implementieren, um sicherzustellen, dass der spezifische Anwendungsfall die Compliance-Anforderungen erfüllt. Die Plattform bietet die Funktionen für die Einhaltung der Vorschriften, aber die korrekte Implementierung und Verwaltung ist Sache der Benutzer.

Welche Schritte sind erforderlich, um die Einhaltung der DSGVO mit Adobe Analytics zu gewährleisten?

Die Sicherstellung der DSGVO-Konformität bei der Verwendung von Adobe Analytics erfordert mehrere aktive Maßnahmen seitens der Nutzerorganisation. Der Community Advisor verweist in seiner Antwort im bereitgestellten Material auf mehrere offizielle Adobe-Ressourcen, die detaillierte Anleitungen zu diesem Thema enthalten. Dazu gehören:

• https://experienceleague.adobe.com/de/docs/experience-platform/privacy/regulations/overview
• https://business.adobe.com/at/products/analytics/general-data-protection-regulation.html
• https://business.adobe.com/at/privacy/general-data-protection-regulation.html

Diese Ressourcen beschreiben in der Regel die notwendigen Schritte wie die Implementierung von Data-Governance-Richtlinien, die korrekte Konfiguration von Datenschutzeinstellungen in Adobe Analytics, die effektive Verwaltung des Benutzereinverständnisses und die Einrichtung von Prozessen für die Bearbeitung von Datenzugriffsanfragen (DSARs), wie sie von der DSGVO vorgeschrieben sind. Die Einhaltung erfolgt nicht automatisch, sondern erfordert eine sorgfältige Konfiguration und kontinuierliche Einhaltung der DSGVO-Prinzipien mithilfe der Data Governance-Funktionen der Plattform.

Was sind die Anforderungen für Verwaltung und Zugriff bei Analysis Workspace?

Die Standardberechtigungen für Adobe Analytics-Benutzer regeln den Zugriff auf Analysis Workspace und seine Funktionen. Dies beinhaltet die Berechtigung zum Zugriff auf bestimmte Report-Suites und deren Komponenten (wie Segmente, Metriken und Dimensionen). Die Berechtigungen steuern auch die Kuratierung, Erstellung, Freigabe und Planung von Projekten. Ausführliche Informationen gibt es in der Dokumentation zu den Verwaltungsanforderungen. Diese Kontrollmechanismen gewährleisten die Datensicherheit und ermöglichen es den Unternehmen zu verwalten, wer auf verschiedene Datensätze und Analyseprojekte zugreifen und mit ihnen interagieren kann.

Wirkt sich die Verwendung von Analysis Workspace auf die Datenerfassung aus?

Nein, die Verwendung von Analysis Workspace hat keinerlei Auswirkungen auf die Datenerfassung. Es ist ein Reporting- und Visualisierungstool, das mit bereits erfassten Daten arbeitet. Benutzer können beliebige Komponenten (Dimensionen, Metriken, Segmente, Visualisierungen) in ein Projekt ziehen und ablegen, um verschiedene analytische Ansichten zu untersuchen, ohne dass dies Auswirkungen auf die zugrunde liegenden Daten oder den Datenerfassungsprozess hat. Es gibt auch eine Funktion zum Rückgängigmachen von unbeabsichtigten Änderungen.

Welche Aktionen kann ich als Benutzer in Analysis Workspace vornehmen, wenn ich keinen Schreibzugriff habe?

Wenn ein Analysis Workspace-Projekt im schreibgeschützten Modus freigegeben wird, sind alle Bearbeitungsfunktionen und Features innerhalb des Projekts für Benutzer vollständig deaktiviert. Benutzer, die nur Lesezugriff haben, können in der Regel nur mit vordefinierten Elementen interagieren, z. B. Optionen in Dropdown-Menüs ändern, die der Projektersteller speziell konfiguriert hat, um die Anwendung von Filtern zu kontrollieren. Dadurch wird sichergestellt, dass gemeinsam genutzte Berichte nur in begrenztem Umfang eingesehen und bearbeitet werden können und keine unbefugten Änderungen an der Struktur oder den Komponenten des Projekts möglich sind.