上梁不正下梁歪

Adobe（Nasdaq：ADBE）近日宣佈推出 Adobe Analytics 全新服務，為品牌提供可在單一工作區統整所有媒體類型的數據和洞見，現今更納入了元宇宙和串流媒體的數據。隨著採用 Adobe Analytics 的全球品牌日增，Adobe 也推出了一項新服務，在符合 GDPR 和 CCPA 等法規要求的前提下，無縫遷移其他資料分析產品內的數據至 Adobe Analytics。如今品牌可以透過 Customer Journey Analytics 推動真正的全通路分析，從而更深入地瞭解新的消費者行為。

Adobe Experience Cloud 平台與產品資深副總裁 Amit Ahuja 表示：「提供個人化客戶體驗是各產業所有企業的首要之務，而實現目標的關鍵在於串連客戶歷程內各方面的即時洞見，Adobe Analytics 如今支援元宇宙和串流媒體通路， 是真正的顧客全通路分析解決方案，持續引領產業。」

Adobe Analytics 是衆多產業的首選解決方案，可為品牌提供洞見，瞭解跨通路體驗和行銷活動的成效。美國零售產業前 10 大品牌中，有 9 家依靠 Adobe Analytics 來瞭解消費者從線上轉往線下的購物歷程。旅遊業方面，隨著需求回升，前 10 大連鎖飯店中的 8 家和美國前 10 大航空公司中的 7 家使用 Adobe 來強化數位服務。此外，10 大金融服務機構中的 8 家、，10 大媒體公司中的 9 家、10 大醫療護理公司中的 8 家都在使用 Adobe Analytics。Adobe Analytics 也廣泛用於公部門和教育機構。

可顯示全通路數據的單一工作區

隨著消費者習慣的轉變和更多日常活動轉移至線上，品牌不得不連結電子商務、社群媒體和客戶支援中心等領域更多的資料來源，以更清楚掌握顧客參與的概況。同時，串流媒體和沉浸式體驗的觀眾日益增加，也為具前瞻性的團隊創造了新契機。Adobe 目前正努力推出新的創新技術來幫助品牌利用這些趨勢：

元宇宙：Adobe Analytics 率先支援來自新興通路的數據，如語音助理和聯網汽車等。如今，隨著越來越多品牌開始推出沉浸式和 3D 體驗，Adobe 也預先展示了針對 Metaverse 的分析支援功能。憑藉著全新架構的平台， Adobe Analytics 現在可無縫擴展覆蓋新興通路。品牌將能在元宇宙中衡量與分析特定活動，如 3D 物件和沉浸式體驗的互動量，還能橫跨多個元宇宙收集互動數據，然後將這些從網站或手機應用程式中擷取的數據與其他通路的洞見結合，以瞭解消費者多變的喜好。Adobe Creative Cloud 和 Adobe Substance 3D 等沉浸式體驗設計工具讓 Adobe 具備獨特優勢，可協助品牌在元宇宙中設計、傳送、評估體驗，並進一步帶來營收。

串流媒體：串流媒體雖主要是娛樂產業的重要投資，但零售和銀行等其他產業也日益開始重視影音內容。Adobe 今日推出了新功能，有助於品牌將串流融入整體客戶歷程。透過 Customer Journey Analytics（CJA），團隊可將數位元內容的效能與社群媒體、網站和線下通路等其他通路的用戶參與情況串連。 舉例來說，零售商可檢視帶動社群參與及店內活動的內容類型，提供個人化的服務來提高留客率。

合作夥伴生態體系：Adobe 現今擁有數百個具備頂尖技術解決方案的協力廠商整合服務，包括 AppsFlyer、 Branch.io、Brightedge、Genesys、Hootsuite、Invoca 和 Medallia，均可於 Adobe Exchange 市場存取使用。另外，Adobe 擁有由逾 4,300 個活躍的合作夥伴所組成的社群，主要來自技術供應商、系統整合廠商、代理商和開發人員。因此，從聊天機器人、客服中心再到廣告活動，品牌可將這些資料來源與 Adobe Analytics 行為數據結合，全面掌握客戶體驗。

無縫切換至 Adobe Analytics

Adobe 今天推出了一項新服務，可讓各行各業的企業輕鬆轉換至 Adobe Analytics：

無縫整合數據：隨著數位經濟不斷發展，品牌也坐擁了海量數據。利用導入大量資料的應用程式介面（ API），團隊將任何數量的過往數據遷移至 Adobe Analytics 並啟動。Adobe Analytics 涵蓋所有線上或線下通路，讓品牌可遷移 POS 裝置、客服管理系統和手機應用程式中的資料。

智慧資料映射：資料準備是品牌數據遷移過程中最主要的障礙，因為團隊經常須重新設定數據格式，以適用於新的分析平台。Adobe Analytics 為品牌提供靈活性，避免繁重的資料準備，同時還能防止數據毀損。資料遷移後，Adobe Analytics 會保留其基本架構，同時建議衡量客戶歷程的新方法。品牌亦可將維度回溯應用於歷史數據中，如應用新的歸因模型等。