Veelgestelde vragen over Adobe Analytics

Wat zijn remarketingtriggers in Adobe Analytics?

Met remarketingtriggers in Adobe Analytics kunnen marketeers belangrijk consumentengedrag identificeren, definiëren en voortdurend monitoren. Zodra dit gedrag wordt gedetecteerd, kan het systeem oplossingsoverstijgende communicatie starten, zoals gepersonaliseerde e-mails, om deze bezoekers opnieuw te betrekken. Deze mogelijkheid transformeert passieve dataobservatie in actieve re-engagementmogelijkheden en vormt een essentieel onderdeel van een dynamische en responsieve marketingstrategie. Het komt erop neer dat we geobserveerde digitale lichaamstaal omzetten in tijdige en relevante interacties.

Hoe gaan remarketingtriggers van Adobe Analytics verder dan simpele voorbeelden zoals achtergelaten winkelwagentjes?

Hoewel het klassieke voorbeeld van een klant die zijn winkelwagentje achterlaat een goed begrepen en correcte fundamentele trigger is, gaat het potentieel voor remarketing binnen een écht datagedreven onderneming veel verder dan zulke scenario's. Met Adobe Analytics kunnen remarketingtriggers worden geconfigureerd die gebruikmaken van alle beschikbare data in real-time, in plaats van beperkt te blijven tot geïsoleerde gebeurtenissen. Dit uitgebreide datagebruik is een belangrijke onderscheidende factor. In deze context vormen fundamentele triggers slechts een fractie van wat mogelijk is, wat aantoont dat Adobe Analytics streeft naar een holistischere, genuanceerdere en uiteindelijk krachtigere aanpak van remarketing. Veel oplossingen voor e-mail- of campagnebeheer bieden fundamentele triggers, maar voor een echt effectief cross-channel remarketingprogramma is een bredere aanpak nodig.

Welke soorten acties kunnen remarketing triggeren in Adobe Analytics?

De flexibiliteit van Adobe Analytics maakt het mogelijk om remarketingtriggers in te stellen op basis van verschillende consumentenacties. Hieronder vallen veelvoorkomende e-commercescenario's zoals achtergelaten winkelwagentjes, inclusief gevallen waarin producten expliciet uit het winkelwagentje werden verwijderd. Naast e-commerce kunnen triggers ook worden geactiveerd na nieuwsbriefaanmeldingen, e-mailabonnementen, creditcardaanvragen, aanmeldingen voor loyaliteitsprogramma's en andere zelfgedefinieerde acties. Deze verscheidenheid aan actietriggers benadrukt hoe aanpasbaar het platform is. Zo kunnen bedrijven hun remarketing afstemmen op verschillende conversiedoelen en specifieke contactmomenten tijdens de customer journey, waardoor de scope veel verder gaat dan alleen het terugwinnen van transacties.

Hoe integreert Adobe Analytics met Adobe Campaign voor remarketing?

Adobe Analytics biedt efficiënte integratiemogelijkheden met Adobe Campaign. Deze combinatie is ontworpen voor snelheid, zodat marketeers hun remarketingstrategieën vlot kunnen implementeren. Als ze eenmaal geïntegreerd zijn, werken de systemen samen zodat marketeers bijna onmiddellijk kunnen handelen na een triggergebeurtenis, waardoor remarketingberichten op het optimale moment worden verstuurd. Deze nauwe integratie is cruciaal om inzichten om te zetten in actie.

Het systeem kan een breed bereik aan belangrijk consumentengedrag monitoren en oplossingsoverstijgende communicatie initiëren, vooral in real-time met Adobe Campaign, wat een fundamentele verschuiving betekent. Het transformeert marketing van reactieve, batchgeoriënteerde remarketingtactieken naar een model van grootschalige, proactieve, zeer contextuele en gepersonaliseerde betrokkenheid. Dit suggereert dat bedrijven nurturing-flows kunnen automatiseren, getriggerd door een grote verscheidenheid aan klantsignalen, wat leidt tot meer betekenisvolle interacties.

Hoe werken Adobe Analytics en AEM Sites samen?

Adobe Analytics en AEM Sites zijn ontworpen voor native integratie, waardoor een continue, bidirectionele stroom van inzichten ontstaat. Analyticsdata over klantgedrag en contentprestaties worden in AEM ingevoerd en informatie over geleverde content is beschikbaar in Analytics. Deze wederzijdse uitwisseling is erop gericht om een Single Source of Truth te creëren voor zowel klantdata als de content waarmee ze interageren. Deze geïntegreerde visie is essentieel omdat het de traditionele afgescheiden afdelingen afbreekt die vaak tussen het begrijpen van klantgedrag (het domein van Analytics) en het leveren van gepersonaliseerde contentervaringen (de rol van AEM) staan. Het resultaat is een closed-loopsysteem waarbij inzichten de content aansturen en de contentprestaties de inzichten verfijnen.

Wat zijn de voordelen van de integratie van Analytics met AEM?

De integratie van Adobe Analytics met AEM Sites levert bedrijven verschillende belangrijke voordelen op. Hieronder valt het inrichten van systeemoverstijgende workflows die processen tussen analytics en contentbeheer optimaliseren. Het maakt geavanceerde personalisatie mogelijk dankzij automatisering op basis van artificiële intelligentie (AI), waardoor vrijwel onbeperkte assetvariaties mogelijk zijn die zijn afgestemd op een unieke doelgroep. Bovendien maakt het dynamische content mogelijk die zich in real-time aanpast aan de acties, het gedrag en de behoeften van klanten. De integratie ondersteunt ook het bouwen en leveren van cross-channel ervaringen via een headless CMS-architectuur (contentmanagementsysteem).

Wat is anomaliedetectie in Adobe Analytics?

Anomaliedetectie in Adobe Analytics is een functie die gebruikmaakt van statistische modellerings- en machine learning-technieken om onverwachte of statistisch significante afwijkingen in data automatisch te identificeren. Deze functie is ontworpen om systematisch uitgebreide datasets uit te kammen om snel factoren te vinden die van invloed zijn op de bedrijfsvoering. Deze mogelijkheid automatiseert wat van oudsher een tijdrovend en vaak handmatig proces was. Door proactief kritieke veranderingen aan het licht te brengen die anders misschien onopgemerkt zouden blijven, kunnen analisten en marketeers hun aandacht richten op waar die het hardst nodig is.

Hoe helpt anomaliedetectie bij het identificeren van belangrijke datagebeurtenissen?

Anomaliedetectie identificeert onverwachte pieken of dalen in verkeer of andere kernmetrics en presenteert deze bevindingen met duidelijke visualisaties. Dergelijke anomalieën kunnen wijzen op vele essentiële gebeurtenissen: positieve resultaten, zoals een marketingcampagne die beter presteert dan verwacht, of negatieve problemen, zoals bugs in websites, taggingfouten of kwaadwillige activiteiten zoals bedrijfsspionage. Of de anomalie nu een positieve of een negatieve oorzaak heeft, het is altijd een goed idee die oorzaak snel te achterhalen. De belangrijkste waarde ligt in de snelheid van deze identificatie en de mogelijkheid om zowel kansen te signaleren waarop kan worden ingespeeld als bedreigingen die moeten worden beperkt, zodat er sneller en beter geïnformeerd kan worden gereageerd.

Hoe kan bijdrageanalyse worden gebruikt met anomaliedetectie?

Inzicht in de hoofdoorzaak van een anomalie is cruciaal om de juiste actie te kunnen ondernemen bij het detecteren ervan. De functie voor bijdrageanalyse in Analysis Workspace werkt samen met anomaliedetectie om in deze behoefte te voorzien. Hiermee kunnen gebruikers niet alleen te weten komen wanneer een anomalie zich voordeed, maar ook begrijpen waarom. Bijdrageanalyse helpt ontdekken welke factoren de anomalie hebben veroorzaakt. Deze diagnostische mogelijkheid is essentieel voor het formuleren van effectieve reacties, of het nu gaat om het oplossen van een probleem of het opschalen van een succesvol initiatief.

Kan anomaliedetectie seizoensgebonden gebeurtenissen verklaren?

Ja, wanneer anomaliedetectie wordt gebruikt in Analysis Workspace, kan het rekening houden met voorspelbare seizoensgebonden gebeurtenissen. Dit kan belangrijke winkelperiodes zoals Black Friday, reispieken zoals de voorjaarsvakantie, en andere feestdagen omvatten. Deze functionaliteit is cruciaal omdat het systeem hiermee echte anomalieën kan onderscheiden van verwachte, regelmatige fluctuaties in datapatronen, waardoor de kans op valse positieven wordt verkleind en waarschuwingen zinvoller zijn. De traditionele aanpak van analytics houdt vaak in dat analisten handmatig door talloze rapporten spitten op zoek naar problemen of opvallende trends.

Wat zijn datawarehouses en datafeeds in Adobe Analytics?

Het datawarehouse van Adobe Analytics biedt mogelijkheden voor uitgebreide opslag van klantdata, samen met opties voor dataverwerking en geavanceerde rapportage. Het is ontworpen om grote datasets en complexe analytische query's te verwerken.

Datafeeds zijn gericht op het leveren van ruwe data in batches. Ze kunnen op terugkerende basis dagelijks of per uur worden ingepland, wat zorgt voor een constante stroom van onbewerkte data. Deze twee componenten vervullen verschillende maar aanvullende functies bij het beheren en het verkrijgen van toegang tot de gedetailleerde data die door Adobe Analytics worden verzameld. Het datawarehouse voorziet in de behoefte aan langetermijnopslag en diepgaande analyse, terwijl datafeeds regelmatige, geautomatiseerde extractie van ruwe data mogelijk maken voor gebruik in andere systemen.

Hoe kunnen ruwe data van Adobe Analytics worden gebruikt?

De ruwe data van Adobe Analytics kunnen worden geëxporteerd en gebruikt voor remarketingsystemen, voor complexe attributiemodellering, of om propensity-scores te ontwikkelen voor predictive analytics. Daarnaast wordt ruwe data vaak geëxporteerd voor archiveringsdoeleinden of langetermijnanalyse die mogelijk verder gaat dan de mogelijkheden van de standaard rapportage-interface. Dit onderstreept het principe dat de waarde van Adobe Analytics-data verder reikt dan de native rapportagetools, waardoor ze andere bedrijfskritische systemen en geavanceerde analysemodellen kunnen voeden.

Wat zijn de mogelijkheden van Data Warehouse?

Het datawarehouse is gebouwd voor schaalbaarheid en prestaties. Het maakt verwerking mogelijk van een onbeperkt aantal datarijen binnen één aanvraag voor afzonderlijke geplande en gedownloade rapporten. Deze functie is vooral nuttig voor diepgaande analyses op uitgebreide datasets. De functie maakt het ook mogelijk om enorme hoeveelheden data te exporteren en op te slaan zonder dat de gebruiker daar veel extra moeite voor hoeft te doen.

Hoe stroomlijnen datafeeds de datalevering?

Datafeeds zijn ontworpen om ruwe data vanuit verschillende digitale voorzieningen, zoals websites, mobiele applicaties of andere online bronnen, rechtstreeks naar het gekozen data lake van een organisatie of een andere opslaglocatie te streamen. Gebruikers krijgen uitgebreide controle over deze feeds, waaronder het instellen van nieuwe feeds, het beheren van bestaande feeds, en het aanpassen ervan waar nodig. Uitgebreide taakbeheertools maken het mogelijk om de status van alle datafeeds te monitoren, correcte levering te verifiëren en taken indien nodig opnieuw uit te voeren, allemaal vanuit een centrale interface. Dit biedt een betrouwbaar, beheersbaar en geautomatiseerd mechanisme voor het extraheren van ruwe data uit Adobe Analytics en het integreren ervan in andere ondernemingsdatasystemen, wat een bredere en meer samenhangende datastrategie ondersteunt.

Wat zijn intelligente meldingen in Adobe Analytics?

Dankzij intelligente meldingen in Adobe Analytics kunnen gebruikers notificaties aanmaken en beheren op basis van anomalieën in data of specifieke drempelwaarden voor metrics. Een belangrijke functie is de mogelijkheid om gestapelde meldingen te maken, die informatie over meerdere indicatoren consolideren in een enkele melding. Het systeem monitort de data actief en waarschuwt gebruikers meteen als er iets ongewoons gebeurt, zoals een significante anomalie van de standaardpatronen of wanneer een vooraf ingestelde benchmark wordt bereikt. Deze meldingen zijn bedoeld om gebruikers te helpen belangrijke datawijzigingen bij te houden zonder constant handmatig dashboards te hoeven monitoren, waardoor het toezicht op data efficiënter wordt en minder moeite kost.

Hoe werken intelligente meldingen met anomaliedetectie?

Intelligente meldingen zijn ontworpen om naadloos te integreren met de functie voor anomaliedetectie. Dit betekent dat meldingen kunnen worden geactiveerd op basis van drempelwaarden voor anomalieën die zijn geïdentificeerd door ML-algoritmen, zodat ze worden geactiveerd wanneer dat het meest nodig is. Intelligente meldingen zijn niet alleen gebaseerd op eenvoudige, vaste drempelwaarden. Toch kunnen ze worden geactiveerd door statistisch significante afwijkingen die het systeem heeft geïdentificeerd als ongebruikelijk of onverwacht, waardoor de meldingen relevanter en bruikbaarder worden.

Welke soorten meldingstriggers kunnen worden geconfigureerd?

Gebruikers hebben veel vrijheid om de voorwaarden in te stellen die een melding zullen activeren. Waarschuwingen kunnen worden ingesteld op basis van anomaliedrempels afgeleid van de functie voor anomaliedetectie, specifieke procentuele veranderingen in een metric, of wanneer een metrische waarde boven of onder een vooraf gedefinieerd gegevenspunt komt. Dankzij dit aanpassingsvermogen kunnen gebruikers een 'belangrijke gebeurtenis' nauwkeurig definiëren voor hun specifieke key performance indicators (KPI's) en unieke bedrijfscontext, waardoor het meldingensysteem wordt afgestemd op hun prioriteiten.

Hoe worden meldingen beheerd en afgeleverd?

Adobe Analytics biedt tools voor effectief meldingenbeheer. Gebruikers kunnen vooraf bekijken hoe vaak een melding waarschijnlijk zal worden geactiveerd op basis van historische data en de huidige instellingen. Zo kunnen ze de criteria verfijnen en voorkomen dat ze overspoeld worden door te frequente meldingen. Als er aan een meldingsvoorwaarde is voldaan, kunnen berichten worden verstuurd via e-mail of sms. Deze meldingen bevatten vaak links naar automatisch gegenereerde analyses, die direct context bieden en zorgen voor sneller begrip van de gebeurtenis die de waarschuwing heeft veroorzaakt. Bezorging via standaard communicatiekanalen zorgt voor tijdig bewustzijn, en de directe links naar analyse versnellen het onderzoeksproces.

Wat zijn gestapelde meldingen?

Gestapelde meldingen maken meldingenbeheer eenvoudiger door gebruikers in staat te stellen meerdere metrics te bewaken binnen één gebundelde melding, in plaats van talloze losse meldingen voor gerelateerde KPI's te hoeven maken en beheren. Bovendien kunnen meldingen verfijnd worden door ze te filteren op specifieke doelgroepsegmenten of apparaten. Door relevante informatie te groeperen, verminderen gestapelde meldingen het aantal storende notificaties. De filtermogelijkheid voegt nog een laag aan granulariteit toe, zodat meldingen zeer relevant zijn voor de ontvanger of het specifieke bedrijfsonderdeel dat wordt gemonitord.

De introductie van intelligente meldingen, vooral wanneer geïntegreerd met anomaliedetectie, markeert een verschuiving in hoe gebruikers met hun data omgaan. In plaats van dat gebruikers actief en handmatig naar inzichten of problemen in grote en complexe datasets moeten zoeken, is het systeem een waakzame monitor. Het brengt proactief kritieke gebeurtenissen en anomalieën onder hun aandacht via kanalen zoals 'e-mail of sms met links naar automatisch gegenereerde analyses'. Dit bevordert een directere, betrokkene en responsievere aanpak van datagedreven signalen.

Wat is de livestreamfunctie in Adobe Analytics?

Livestream is een functie binnen Adobe Analytics die een real-time, continue stroom van onbewerkte, hit-level data biedt. Deze data zijn doorgaans al binnen 30 tot 90 seconden na verzameling uit digitale voorzieningen beschikbaar. Vrijwel directe toegang tot ruwe, gedetailleerde data is cruciaal voor gebruiksscenario's die onmiddellijke actie vereisen of waarbij data moeten worden ingevoerd in andere real-time systemen. De term 'onbewerkt' betekent dat de data in hun meest gedetailleerde vorm zijn. Ze zijn nog niet geaggregeerd of aangepast door standaard rapportageprocessen, wat de data ideaal maakt voor zeer specifieke of tijdgevoelige analyses.

Wat zijn de gebruiksscenario's voor real-time data van een livestream?

De livestream van real-time data kan worden toegepast op verschillende waardevolle gebruiksscenario's. Dit omvat real-time dashboards voeden voor directe operationele awareness, data invoeren in aanbevelingssystemen en personalisatie-algoritmes voor dynamische retargeting of remarketing, real-time monitoring van de impact van marketingcampagnes faciliteren terwijl ze zich ontvouwen, en aanbiedingen en content personaliseren voor gebruikers op precies het juiste moment tijdens hun interactie. Deze voorbeelden laten de veelzijdigheid van livestream zien, van operationele monitoring op hoog niveau tot directe, gepersonaliseerde interacties met klanten.

Integreert livestream met andere Adobe Experience Cloud-producten?

Ja, de livestreamdata zijn ontworpen om compatibel te zijn en geïntegreerd te worden met andere Adobe Experience Cloud-producten. De stream bevat gebeurtenissen op hit-niveau die afkomstig zijn van andere oplossingen binnen het Adobe-ecosysteem, zoals Adobe Target (voor personalisatie en A/B-testen) of Adobe Advertising Cloud (voor advertentiebeheer). Deze integratie verrijkt de real-time datastroom met inzichten en interactiedata van verschillende contactpunten beheerd door Adobe Experience Cloud, wat zorgt voor een holistischer, real-time beeld van klantactiviteit dat kan worden gebruikt voor directe activering en oplossingsoverschrijdende workflows.

Welke mogelijkheden biedt video-analytics?

Video-analytics in Adobe Analytics levert bijna real-time, gedetailleerde informatie over videoconsumptie, inclusief metrics zoals videoduur en momenten waarop video's worden gestopt en gestart. Het maakt de evaluatie en combinatie van verschillende videometrics mogelijk om inzichten in kijkgewoonten te verkrijgen. Deze inzichten kunnen vervolgens de betrokkenheid vergroten, vaak door zeer gepersonaliseerde aanbevelingen te leveren. Een belangrijk sterk punt is het vermogen om videoprestaties over verschillende mediaplatforms heen te meten, en het reikt zelfs zo ver dat het kijkgedrag van offline video-content kan worden bijgehouden. Deze gespecialiseerde oplossing is ontworpen voor een diep begrip van hoe video-content wordt geconsumeerd, wat onmisbaar is voor elk bedrijf dat sterk afhankelijk is van video voor communicatie, marketing of het genereren van inkomsten.

Welke platforms kunnen gemeten worden met video-analytics?

De mogelijkheden van video-analytics strekken zich uit over een breed scala aan moderne kijkplatforms. Hieronder vallen mobiele telefoons, tablets, OTT-apparaten (d.w.z. over-the-top, zoals smart-tv's en streamingboxen), traditionele settopboxen en spelconsoles. Bovendien wordt ook nog eens de meting van offline content ondersteund. Deze uitgebreide platformondersteuning zorgt ervoor dat bedrijven een holistisch beeld krijgen van videoconsumptie via de verschillende manieren waarop doelgroepen tegenwoordig content consumeren.

Welke belangrijke video metrics kunnen worden verzameld?

Naast het eenvoudige aantal weergaven biedt video-analytics de mogelijkheid om een rijke set aan kernmetrics te verzamelen die diepere inzichten geven in betrokkenheid en prestaties. Denk bijvoorbeeld aan:

• Gelijktijdige kijkers per minuut: Vooral handig om betrokkenheid van de doelgroep tijdens live video-evenementen te evalueren.
• Indicatoren voor kwaliteit van ervaring: Deze helpen zorgen voor een soepele, niet-storende video-ervaring voor de doelgroep door aspecten zoals buffering of fouten bij te houden.
• Bijhouden van gedownloade offline content: Registreert interactie met video-content die is gedownload om offline te bekijken.
• Trending video's in real-time: Ontdek welke video-content het populairst is onder kijkers.
• Analyse van videoadvertenties: Helpt begrijpen hoe het tonen van advertenties impact heeft op kijkers en zorgt ervoor dat de juiste, gepersonaliseerde advertentieboodschappen worden geleverd. Deze metrics geven een genuanceerd inzicht in het bereik, de kwaliteit van betrokkenheid, de technische prestaties en de effectiviteit van monetisatie van video-content.

Worden offline contenttracking en analyse van videoreclames ondersteund?

Ja, video-analytics ondersteunt expliciet de tracking van gedownloade offline content en de analyse van videoreclames. Met offline tracking kunnen bedrijven inzicht krijgen in de gebruikersbetrokkenheid bij content, zelfs als deze niet live wordt gestreamd. De functie voor analyse van videoreclames helpt bij het beoordelen van de impact van advertenties op kijkers en bij het optimaliseren van de advertentielevering voor gepersonaliseerde en effectieve messaging. Deze functies richten zich op cruciale aspecten van moderne videostrategie: consumptie onderweg en de prestaties van op video gebaseerde reclame.

Wat is Federated analytics voor video?

Federated analytics is een functie verbonden aan video-analytics die het mogelijk maakt om video-analyticsdata van distributeurs te delen en te ontvangen. Het doel is om een holistischer beeld te bieden van het kijkgedrag naar video's en beter inzicht te krijgen in het totale bereik van de doelgroep via verschillende apparaten en distributiepartners. Dit is vooral belangrijk voor contentmakers en mediabedrijven die hun video-content via meerdere platforms of diensten van derden verspreiden, omdat ze hierdoor kijkcijferdata kunnen samenvoegen voor een volledig beeld van hun doelgroep.

Door gedetailleerde inzichten te bieden in kijkgedrag, trending video's in real-time te identificeren, en videoreclameananalyse mogelijk te maken, stelt de oplossing mediabedrijven, contentmakers en marketeers in staat om beter geïnformeerde, datagedreven beslissingen te nemen over strategieën voor het maken van content, programmering en videoreclamemethoden. Zo kan inzicht in de impact van advertentieweergave op de kijkerservaring en het zorgen voor gepersonaliseerde advertentieboodschappen bijvoorbeeld leiden tot betere monetisatieresultaten en hogere kijkersbinding.

Hoe ondersteunt Adobe Analytics spraakassistent-analytics?

Adobe Analytics stelt bedrijven in staat om meer gepersonaliseerde en overtuigendere klantervaringen te leveren via spraakgebaseerde interfaces door systematisch spraakinteractiedata vast te leggen en te analyseren. Deze functie werkt op alle belangrijke spraakassistent-platforms. De inzichten uit spraakanalytics helpen organisaties bij het optimaliseren van de ontwikkeling van hun spraaktoepassingen, het vergroten van de gebruikersbetrokkenheid bij deze apps, en het krijgen van een duidelijker begrip van de impact en rol van spraakinteracties binnen de bredere context van de totale klantervaring. Nu spraakinteractie steeds vaker voorkomt, zijn zulke specifieke analytics essentieel voor merken om gebruikersgedrag te begrijpen, pijnpunten te identificeren en spraakstrategieën te verfijnen.

Welke kernmetrics kunnen worden vastgelegd voor spraakinteracties?

Om een genuanceerd inzicht te geven in spraakinteracties, maakt Adobe Analytics het mogelijk om belangrijke datapunten vast te leggen die specifiek relevant zijn voor dit medium. Dat zijn de volgende metrics:

• Gebruiksfrequentie: Hoe vaak gebruikers met de spraaktoepassing communiceren.
• Intentie: Wat gebruikers proberen te bereiken met hun spraakopdrachten.
• Gebruikersauthenticatie: Of en hoe gebruikers worden geauthenticeerd tijdens spraaksessies.
• Slots: Specifieke stukjes informatie die nodig zijn om een intentie te vervullen (bijv. een stadsnaam voor een weersverzoek).
• Parameters: Extra details die door de gebruiker worden verstrekt met betrekking tot het verzoek.
• Sessieduur: De duur van spraakinteractiesessies. Deze gespecialiseerde metrics zijn afgestemd op de unieke kenmerken van spraakinteracties, en helpen bedrijven om gebruikersgedrag, het succespercentage van query's, knelpunten en algemene betrokkenheidsniveaus bij hun spraakgestuurde toepassingen te begrijpen.

Hoe integreren spraakdata in een omnichannel-weergave?

Data uit spraakassistent-applicaties kunnen worden bekeken naast data uit alle andere kanalen (bijv. web, mobiele app, e-mail) om een holistisch en geïntegreerd beeld te geven van klantinteracties gedurende hun hele traject met het merk. Bovendien kunnen krachtige analytische mogelijkheden zoals anomaliedetectie en onbeperkte real-time segmentatie worden toegepast op deze geconsolideerde spraakdata, net zoals ze worden toegepast op data uit andere kanalen. Deze integratie is cruciaal om te begrijpen hoe spraakinteracties andere contactpunten aanvullen of beïnvloeden en om consistente analytische methoden toe te passen in het hele klantervaringslandschap.

Het vastleggen van gedetailleerde metrics zoals intentie, gebruikersauthenticatie, slots, parameters en sessieduur brengt spraakanalyses veel verder dan simpele gebruikstellingen of opdrachtlogboeken. Deze granulariteit zorgt voor een veel dieper begrip van wat gebruikers proberen te bereiken met hun spraakopdrachten, hoe ze omgaan met de gespreksflow van de spraaktoepassing, en waar ze mogelijk problemen ondervinden of afhaken. Een inzicht met zoveel details is essentieel voor het optimaliseren van ontwerpen voor gesprekken, het verbeteren van de relevantie en nauwkeurigheid van spraakgestuurde diensten en uiteindelijk het verhogen van gebruikerstevredenheid.

Wat is Cohortanalyse in Adobe Analytics?

Cohortanalyse, beschikbaar binnen Analysis Workspace in Adobe Analytics, is een analytische methode die gebruikers in staat stelt te begrijpen hoe groepen gebruikers met gemeenschappelijke kenmerken of ervaringen (bekend als cohorten) zich gedragen over langere periodes. De analyse omvat meestal een 'inclusiemetric', die de criteria definieert voor een gebruiker om deel uit te maken van een cohort (bijvoorbeeld gebruikers die een app in een bepaalde maand hebben geïnstalleerd), en een 'terugkeermetric', die een bepaald gedrag of resultaat voor dat cohort over volgende periodes bijhoudt (bijv. hun maandelijkse sessieaantallen of aankooppercentages). Deze techniek gaat verder dan statische, momentopnamen van gebruikersgedrag om dynamische patronen te onthullen in gebruikersbehoud, -betrokkenheid en -conversie gedurende hun levenscyclus.

Wat zijn de gebruiksscenario's van cohortanalyse?

Cohortanalyse is een veelzijdige tool die toepasbaar is op verschillende zakelijke vraagstukken. Enkele alledaagse gebruiksscenario's zijn onder andere:

• App-betrokkenheid: Analyse van hoe gebruikers die een mobiele app installeren deze blijven gebruiken over een langere periode, waarbij patronen worden geïdentificeerd zoals eerste gebruik, afname in gebruik, of langdurige betrokkenheid.
• Abonnementconversie: Het bijhouden van het percentage gebruikers van een gratis abonnement of proefversie dat ervoor kiest te upgraden naar betaalde versies in de maanden na hun eerste aanmelding.
• Complexe cohortsegmenten: Het definiëren van specifieke cohortgroepen met behulp van meerdere metrics en segmenten voor inclusie- en terugkeercriteria. Hierdoor kunnen slechter presterende klantsegmenten worden geïdentificeerd die getarget kunnen worden met op maat gemaakte promoties of interventies om de prestaties te verbeteren.
• Adoptie van app-versies: Het vergelijken van gebruikersbetrokkenheid, -retentie en uitvalpercentages tussen verschillende mobiele app-versies om adoptiepatronen te begrijpen en te ontdekken of specifieke versies gebruikers wegjagen of juist aanmoedigen om te upgraden.
• Campagne-stickiness: Evalueer de effectiviteit van verschillende marketingcampagnes bij het werven en behouden van gebruikers over een langere periode door campagnecohorten naast elkaar te vergelijken met de functie voor aangepaste dimensiecohorten.
• Impact van productlancering: De instelling Latentietabel wordt gebruikt om de impact te beoordelen van een nieuwe productlancering op het gedrag en de omzet van een specifiek klantsegment door hun activiteiten voor en na de lancering te analyseren.
• Identificeren van de meest loyale gebruikers (individuele stickiness): Het opsporen van herhalingsklanten die maandelijks aankopen doen via de doorlopende berekeningsfunctie, en tegelijkertijd het identificeren van klanten die zijn uitgevallen of geen herhaald koopgedrag laten zien. Deze diverse gebruiksscenario's tonen de flexibiliteit van cohortanalyse bij het beantwoorden van essentiële zakelijke vraagstukken in verband met levenscyclusbeheer van gebruikers, beoordeling van productprestaties en evaluatie van marketingeffectiviteit.

Voldoet Adobe Analytics aan de AVG?

Adobe Analytics kan worden gebruikt op een manier die voldoet aan de AVG. Het bereiken en behouden van naleving is echter een gedeelde verantwoordelijkheid. Hoewel Adobe tools en functionaliteiten biedt om te voldoen aan AVG-vereisten, moet de organisatie die Adobe Analytics gebruikt (de verwerkingsverantwoordelijke) actieve stappen ondernemen om het platform te configureren en passende datagovernance-praktijken te implementeren om ervoor te zorgen dat hun specifieke gebruiksscenario voldoet aan de nalevingsniveaus. Dit betekent dat het platform zelf mogelijkheden biedt voor naleving, maar de verantwoordelijkheid ligt bij de gebruiker om deze correct te implementeren en te beheren.

Welke stappen zijn nodig om AVG-naleving te garanderen bij het gebruik van Adobe Analytics?

Om AVG-naleving te waarborgen bij het gebruik van Adobe Analytics zijn verschillende actieve maatregelen door de gebruikersorganisatie nodig. De reactie van de community advisor in het verstrekte materiaal verwijst naar verschillende officiële Adobe-bronnen die gedetailleerde richtlijnen over dit onderwerp bieden. Denk bijvoorbeeld aan:

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

Deze resources beschrijven doorgaans de noodzakelijke stappen zoals het implementeren van datagovernance-beleid, het correct configureren van privacy-instellingen binnen Adobe Analytics, het effectief beheren van gebruikerstoestemming, en het opzetten van processen voor het afhandelen van verzoeken tot toegang van betrokkenen wat betreft persoonsgegevens (DSAR's) zoals vereist door de AVG. Naleving is niet automatisch; het vereist zorgvuldige configuratie en voortdurende toepassing van AVG-principes met behulp van de datagovernance-functies van het platform.

Wat zijn de beheer- en toegangsvereisten voor Analysis Workspace?

Standaard gebruikersmachtigingen voor Adobe Analytics beheren de toegang tot Analysis Workspace en de bijbehorende functies. Dit omvat toegangsmachtigingen tot specifieke rapportsuites en hun componenten (zoals segmenten, metrics en dimensies). Machtigingen bepalen ook het cureren, maken, delen en plannen van projecten. Gebruikers dienen de documentatie van de administratieve vereisten te raadplegen voor gedetailleerde informatie. Deze mechanismen zorgen voor databeveiliging en stellen organisaties in staat om te beheren wie toegang heeft tot en kan werken met verschillende datasets en analytische projecten.

Zal het gebruik van Analysis Workspace de dataverzameling beïnvloeden?

Nee, het gebruik van Analysis Workspace heeft op geen enkele manier invloed op de dataverzameling. Het is een rapportage- en visualisatietool die werkt met reeds verzamelde data. Gebruikers kunnen naar wens verschillende componenten (dimensies, metrics, segmenten, visualisaties) in een project slepen om verschillende analytische weergaven te verkennen zonder gevolgen voor de onderliggende data of het dataverzamelingsproces. Als een gebruiker een onbedoelde wijziging aanbrengt in een project, kunnen ze de functie Ongedaan maken gebruiken om de laatste actie terug te draaien.

Welke acties kan ik in Analysis Workspace uitvoeren met alleen-lezenrechten?

Wanneer een Analysis Workspace-project wordt gedeeld met een gebruiker in alleen-lezenmodus, zijn alle bewerkingsfuncties en -mogelijkheden binnen het project volledig uitgeschakeld voor die ontvanger. Gebruikers met alleen-lezenrechten kunnen meestal alleen interactie hebben met vooraf gedefinieerde elementen, zoals het wijzigen van opties in vervolgkeuzemenu's die de projecteigenaar specifiek heeft geconfigureerd om filters op een gecontroleerde manier toe te passen op deelvensters. Dit zorgt ervoor dat gedeelde rapporten bekeken kunnen worden en er op beperkte manieren mee kan worden geïnteracteerd, zonder ongeautoriseerde wijzigingen aan de structuur of componenten van het project toe te staan.