Adobe近期宣布推出 Adobe Analytics 的全新服务,为品牌提供可在单一工作区整合所有媒体类型的数据和洞察,并同时融合了元宇宙和流媒体的数据。随着采用 Adobe Analytics的全球品牌日渐增多,Adobe 还推出了一项新服务,在符合 GDPR 和 CCPA 等法规要求的前提下,支持无缝迁移其他数据分析产品内的数据至Adobe Analytics。品牌现在可以通过Customer Journey Analytics实现真正的全渠道分析,从而更深入地了解新的消费者行为。

 

Adobe Experience Cloud 平台与产品资深副总裁 Amit Ahuja 表示:“提供个性化客户体验是各行业内所有企业的首要任务,而实现目标的关键在于连结客户旅程中各方面的实时洞察。Adobe Analytics如今支持分析元宇宙和流媒体渠道的数据,将持续引领行业,成为真正致力于提高客户参与的全渠道分析解决方案。”

 

Adobe Analytics目前是众多行业的首选解决方案,可为品牌提供洞察,帮助其了解跨渠道体验和营销活动的成效。美国零售行业前10名的大品牌中,有 9 家正借助Adobe Analytics 了解消费者从线上转为线下的购物旅程。旅游业方面,随着需求逐渐回升,前10大连锁酒店中的8家和美国前10大航空公司中的7 家正通过Adobe来强化数字服务。此外,前10 大金融服务机构中的8 家、前10 大媒体公司中的 9 家、前10 大医疗保健企业中的 8 家都在使用Adobe Analytics。Adobe Analytics也广泛应用于公共部门和教育机构。

 

可显示全渠道数据的单一工作区
随着消费者习惯的转变和更多日常活动转移到线上,品牌不得不打通电子商务、社交媒体和客户支持中心等领域更多的数据源,以更清楚地掌握客户互动的情况。同时,追求流媒体和沉浸式体验受众的日益增长,也为具有前瞻性的团队创造了新契机。Adobe 目前正努力推出新的创新技术来帮助品牌利用这些趋势:

 

  • 元宇宙:Adobe Analytics率先支持来自新兴渠道的数据,如语音助手和网联汽车等。如今,随着越来越多品牌开始发展沉浸式和3D体验,Adobe 也预先展示了针对元宇宙的分析支持功能。凭借全新架构平台, Adobe Analytics现在可无缝扩展至新兴渠道。品牌将能在元宇宙中衡量与分析特定活动,例如与3D 对象和沉浸式体验的互动量,以及跨多个元宇宙收集互动数据,然后将这些从网站或手机应用程序中获取的数据与其他渠道的洞察相结合,以了解消费者不断变化的偏好。Adobe Creative Cloud和 Adobe Substance 3D等沉浸式体验设计工具让Adobe具备独特优势,可协助品牌在元宇宙中设计、交付、评估体验,并进一步提高营收。

 

  • 流媒体:虽然流媒体主要是面向娱乐行业的一项重要投资,但零售和银行等其他行业也日益开始重视影音内容。Adobe近期所推出的新功能有助于品牌将流媒体融入客户旅程。通过Customer Journey Analytics,团队可将数字媒体消费与社交媒体、网站和线下渠道等其他渠道的用户参与情况相结合。 举例来说,零售商可查看各类带动社交参与度及店内活动的内容类型,提供个性化的服务来提高留客率。

 

  • 合作伙伴生态体系:Adobe现今拥有数百个具备顶尖技术解决方案的第三方整合服务,包括AppsFlyer、 Branch.io、Brightedge、Genesys、Hootsuite、Invoca和Medallia,均可在Adobe Exchange市场中访问。此外,Adobe目前还拥有由超过4,300个活跃的合作伙伴所组成的社群,主要来自技术提供商、系统集成商、代理商和开发人员。从聊天机器人、客服中心再到广告活动,品牌均可将这些数据源与 Adobe Analytics行为数据结合,从而全面了解客户体验。

 

无缝切换至Adobe Analytics 
Adobe 近期推出了一项新服务,可让企业轻松跨行业将数据转移至Adobe Analytics:

 

  • 无缝整合数据:随着数字经济不断发展,品牌也坐拥了海量数据。借助现已应用的批量数据处理应用程序接口(API),团队可以将任何数量的过往数据迁移至Adobe Analytics并激活。Adobe Analytics目前支持所有线上或线下渠道,允许品牌转移POS设备、CRM系统和移动应用程序中的数据源。

 

  • 智能数据映射:数据准备是品牌数据迁移过程中最主要的障碍,因为团队经常需要格式化数据以适用于新的分析平台。Adobe Analytics强大的灵活性可避免繁重的数据准备流程,同时还能防止数据毁损。数据迁移后,Adobe Analytics会保留其基本架构,同时建议衡量客户旅程的全新方法。品牌也可将维度回溯应用于历史数据中,如应用新的归因模型等。