Jonathan Roy
7/1/25
Optez pour la migration vers le SDK Web d'Adobe Experience Platform (AEP), une solution révolutionnaire pour les leaders marketing désireux de simplifier et d’optimiser leur écosystème martech.
En centralisant les interactions avec des outils tels qu’Adobe Analytics, Target et Audience Manager, le SDK Web d’AEP réduit la complexité et accélère les délais de mise en œuvre. Il permet une gestion simplifiée des données, minimise les traitements redondants et améliore la précision du suivi, des éléments essentiels pour une prise de décision efficace.
Grâce à sa prise en charge des schémas XDM avancés et de la collecte de données en temps réel, le SDK Web d’AEP simplifie non seulement l’intégration multi-canal, mais garantit également une infrastructure analytique agile et pérenne. Cela en fait un outil indispensable pour les équipes cherchant à améliorer les performances marketing et à évoluer sans difficulté.
Le SDK Web d'Adobe Experience Platform (AEP) propose trois méthodes principales pour envoyer des données à Adobe Analytics, chacune répondant à des besoins organisationnels spécifiques. Le choix de la méthode appropriée est essentiel pour garantir l’efficacité, l’évolutivité et les analyses martech pour une prise de décision efficace.
Chaque méthode présente des avantages et des défis uniques, rendant le choix dépendant des objectifs de votre organisation et de son expertise technique. Une sélection bien informée peut simplifier la mise en œuvre, améliorer la précision des données et favoriser des résultats marketing optimaux.
Avec cette méthode, le SDK Web envoie les charges utiles sous forme de données de contexte, que le réseau Adobe Edge transmet à Adobe Analytics. Les règles de traitement permettent de convertir ces points de données de contexte en variables spécifiques d’Analytics, telles que les eVars, les props ou les événements.
Efficacité vs. effort: Bien que la configuration soit rapide, les ajustements manuels augmentent les efforts de maintenance à long terme et les risques d'erreurs. Utilisez cette méthode uniquement pour des implémentations de base.
Défis de scalabilité: Cette approche manque de flexibilité pour les besoins croissants en données ou les changements de schémas, la rendant inadaptée pour des configurations analytiques complexes ou en évolution.
Risques de précision: La dépendance au mappage manuel introduit des incohérences potentielles dans les rapports de données, nécessitant des audits fréquents pour garantir la cohérence.
Allocation des ressources: Les inefficacités peuvent entraîner des coûts plus élevés en raison de l'augmentation du travail manuel et des délais de reporting plus longs.
Meilleur cas d'utilisation: Idéal pour des cas d'utilisation simples et de petite envergure où une personnalisation avancée n'est pas nécessaire. À éviter pour les configurations analytiques multi-canaux ou à fort volume.
Lors de l'utilisation des règles de traitement analytics, la charge utile envoyée par le Web SDK comprend des données contextuelles. Ces données sont ensuite mappées à des variables spécifiques dans Adobe Analytics à l'aide de règles configurées manuellement. Cet exemple concis montre la simplicité de la méthode et ses inconvénients pour des cas d'utilisation avancés.
Ce code suit la vue d'une page produit (pageType) et sa catégorie (chaussures). Les données sont envoyées pour être mappées à des variables spécifiques d'Adobe Analytics afin d'aider à mesurer le comportement des utilisateurs sur les pages produits.
Dans Adobe Analytics, vous configurez les règles de traitement pour mapper les données contextuelles aux variables Analytics (eVars, props, et événements). Par exemple:
Mapping des données contextuelles:
Mapping des évènements:
Cette approche utilise un schéma XDM prédéfini contenant le groupe de champs d'événements d'expérience Analytics, qui automatise le mappage des champs XDM aux variables Adobe Analytics.
En utilisant le groupe de champs d'évènements d'expérience Adobe Analytics, la charge utile comprend des champs XDM prédéfinis pour un mappage automatique. Cet exemple met en évidence l'automatisation rationalisée de la méthode tout en abordant ses défis potentiels pour l'implémentation.
Cet exemple suit une vue de page (pageView) et nomme la page (productPage). Le schéma prédéfini mappe automatiquement les données aux variables Adobe Analytics, réduisant ainsi les efforts manuels.
Le mappage de champs personnalisé offre une flexibilité maximale en permettant aux organisations de concevoir et de contrôler les structures de schémas tout en mappant des points de données spécifiques directement aux variables d'Adobe Analytics.
Avec le mappage de champs personnalisé, la charge utile utilise une structure data:{__adobe:{}} offrant une flexibilité maximale. Cet exemple montre comment le mappage de champs personnalisé offre contrôle et évolutivité tout en nécessitant plus d'efforts initiaux.
Cette charge utile envoie le nom de la page (productPage), la catégorie du produit (chaussures) et les événements de suivi (event1) directement vers Adobe Analytics pour un reporting efficace.
Choisir la bonne méthode de migration de SDK Web AEP pour envoyer des données vers Adobe Analytics garantit l'efficacité, la scalabilité et des informations exploitables. Chaque méthode a ses avantages et défis uniques. Les règles de traitement analytiques conviennent aux besoins à court terme, mais manquent de scalabilité, tandis que le groupe d'événements d'expérience simplifie la configuration avec le mappage automatique tout en introduisant des complexités potentielles comme la duplication des données. Le mappage de champs personnalisé offre une flexibilité incomparable pour les cas d'utilisation avancés, mais nécessite un effort plus important.
En alignant votre approche avec vos capacités techniques et vos objectifs, le SDK Web AEP simplifie votre écosystème martech, transformant des données complexes en informations exploitables et stimulant la croissance.
