Adobe Analytics，前身是Omniture SiteCatalyst，是一款提供给营销人员实时准确地跟踪在线用户访问行为的产品，它能够极大改善企业的数字化产品营销体验，从而提升投资回报率。
初始化跟踪代码
要将Adobe Analytics与你的网站集成，申请帐号之后，需要设置Tracking Server并创建初始化变量s_account值以及对应的Report Suite，可以针对产品网站和测试网站建立各自的Report Suite ID，以方便测试我们的跟踪程序。我们的设定如下：
- s_account for Production Site: “mysiteprod”
- s_account for Test Site: “mysitetest”
- Report Suite for Production Site: “mysite prod”
- Report Suite for Test Site: “mysite test”
- Tracking Server: “metrics.mysite.com”
编辑从Adobe获取的Track Code库文件scode.js，调用s_gi函数初始化跟踪对象:
s_account ="mysite"; s = s_gi(s_account); s.trackingServer ="metrics.mysite.com";
将scode.js引入到站点中：
<script type="text/javascript" src="scode.js"></script>
完成之后我们可以在浏览器的Debugger中访问对象s，以及s.un:
$ s.un >>"mysiteprod"
规划Site ID、Products和Page Name
在Adobe Analytics中，一个完整的s.pageName对象是由Site ID、Brands、Products和Page Name自动构成。我们的设定如下：
- Site ID: “ec”
- Brands: “panda”
- Products: “phone”
- Page Name: “homepage”, “detail”, “shopping_cart”, “payment”
在站点全局文件中设定Site ID，在对应页面中设定Brands、Products、Page Name:
s.siteID ="ec"; s.products ="panda:phone"; s.pageName ="panda:phone:homepage";
浏览网页，在Console中访问：
$ s.pageName >>"panda:phone:homepage"
使用event、eVar和prop
Adobe Analytics提供的强大的跟踪数据定义，结合使用它们，我们可以全方位地跟踪用户行为。
- event: 描述一个用户触发的事件，如访问页面、查询、添加产品到购物车、付款等等
- eVar (Custom Conversion Variable): 描述一个统计维度值，如产品、信息类别等等
- prop (Custom Traffic Variable): 描述一个可计算的值，如访问路径、页面停留时间、播放视频的次数/时间
我们使用一个用户购买场景设定一个event、eVar和prop示例：
- events
- event1: 访问页面
- event2: 查看产品详细信息
- event3: 搜索产品
- event4: 查看用户评论
- event5: 添加到购物车
- event6: 购买成功
- eVars
- eVar1: 订单编号
- eVar2: 产品编号
- eVar3: 搜索关键字
- props
- prop1: 前一个页面Page Name
- prop2: 当前页面Page Name
- prop3: 产品搜索
- prop4: 产品搜索结果数量
- prop5: 购物车金额
- prop6: 付款金额
跟踪网页访问数据
以下代码示例是发送一个网页访问（Page View）数据，可以在Adobe Analytics Page View Report中查看这些数据报表，并统计出访问量最多的页面。
s_code = s.t();if(s_code){ document.write(s_code);}
自定义跟踪
现在我们以一个示例来说明，如何使用Adobe Analytics发挥出数据的威力——我们想了解的是，绝大多数顾客会经过多少次产品搜索、查看细节、添加到购物车最后成功付款？而绝大多数顾客会在购物车金额达到多少时开始付款？
s.tl(this, ‘link type’, ‘link name’)函数用于发送自定义数据，参数说明：
| this | 用以描述触发事件的对象，一般是页面上的一个链接或按钮对象。 |
| link type | 数据类型，其中’d’表示文件下载，’o’表示自定义数据，’e’表示离开网站。 |
| link name | 点击对象，链接或按钮的名称。 |
用户在站内搜索产品“phone”，发送一个自定义的跟踪数据。
s.events ="event3"; s.eVar3 ="phone"; s.prop1 ="panda:phone:homepage"; s.prop2 ="panda:phone:search_results"; s.prop3 ="search_product"; s.prop4 =25; s.linkTrackEvents ="event3"; s.linkTrackingVars ="events, eVar3, prop1, prop2, prop3, prop4"; s.tl(this,'o','Search');
发送一个用户查看产品信息的数据。
s.events ="event2"; s.eVar2 ="P3243243243"; s.prop1 ="panda:phone:search_results"; s.prop2 ="panda:phone:product_details"; s.linkTrackEvents ="event2"; s.linkTrackingVars ="events, eVar2, prop1, prop2"; s.tl(this,'o','View');
发送一个用户添加产品到购物车的数据。
s.events ="event5"; s.eVar2 ="P3243243243"; s.prop1 ="panda:phone:product_details"; s.prop2 ="panda:phone:shopping_cart"; s.prop5 =45.4; s.linkTrackEvents ="event5"; s.linkTrackingVars ="events, eVar2, prop1, prop2, prop5"; s.tl(this,'o','Purchase');
发送一个用户成功购买产品的数据。
s.events ="event6"; s.eVar1 ="O343343"; s.eVar2 ="P3243243243"; s.prop1 ="panda:phone:shopping_cart"; s.prop2 ="panda:phone:payment_success"; s.prop5 =63.7; s.prop6 =63.7; s.linkTrackEvents ="event5"; s.linkTrackingVars ="events, eVar1, eVar2, prop1, prop2, prop5, prop6"; s.tl(this,'o','Payment');
查看数据报表
从数据发送到从Adobe Analytics中查看报表，大约需要数十分钟的数据自动同步。我们可以生成这样一份报表来查看用户从搜索、查看产品、添加到购物车与付款的关系：
| O343343 | 5 | 10 | 2 | 1 | 63.7 |
| O343344 | 5 | 10 | 4 | 1 | 43.1 |
| O343345 | 0 | 20 | 9 | 1 | 333.9 |
通过这样的报表，我们可以发现用户行为与付款之间的关系并回答我们刚才提出的调查问题。例如：绝大多数用户是经过了多少次产品搜索和查看最终完成付款，另外我们还可以生成一份添加到购物车的报表，从而得出购物车金额、次数与付款的关系：
| 5 | 54.4 | 1 | 54.4 |
| 6 | 893.1 | 1 | 600.0 |
| 2 | 3434.0 | 0 | 0.00 |
另外我们还可以按消费费用偏好为用户建立起细分群体，找出我们的顾客的消费预算情况。
利用数据影响你的用户
如何使用这些数据来影响你的用户？首先是找出某一细分群体下和决策关系最紧密的数据。
例如，根据建立的用户细分和消费偏好，我们寻找出了预算敏感型用户，我们就可以在用户添加产品到购物车时，推荐在用户付款预算范围之内的相关产品。
根据用户的浏览偏好，改进你的产品信息提供方式，如图片、视频、其它用户评论，等等。
这一切，都依赖于你建立起数字化营销的第一步：跟踪你的在线用户。
2 thoughts on “Adobe Analytics – 利用跟踪技术优化数字化营销”