Adobe Analytics和Webtrekk数据分析对比（上）

Adobe Analytics和Webtrekk都是在线数据分析领域的巨擘，一个是美国市场第一，一个欧洲市场第一，都能提供世界一流的数字分析解决方案。我很有幸能有机会深入了解并应用这两种解决方案，同时也深感数字分析领域永远不缺概念，缺的是应用场景和价值提炼。本文将对这两种解决方案做深入剖析和对比。由于文章实在太长，我分为两部分，此文为上篇。

一、整体解决方案能力

整体解决方案是指两种方案能完整的、与其他工具或解决方案融合提供更广泛支持的能力。两种方案都侧重于在线数据支持，除此之外还有离线数据需求。数字分析解决方案只是企业运营支持中的一部分，除此之外，如果能提供企业日常运营辅助会更有利于业务应用。整体解决方案能力包括两部分：一是整合其他数据（含内、外部数据跟踪）的能力，二是整合其他运营系统的能力

(一) Adobe Analytics

Adobe Analytics是Adobe Marketing Cloud的一部分，除此之外还有Adobe Campaign、Adobe Experience Manager、Adobe Media Optimizer、Adobe Social和Adobe Target.如图：

Adobe提供的Analytics是Adobe Marketing Cloud中的数据分析解决方案，其他都是结合广告、社会化媒体以及测试优化和推荐套件应用。从这一点来看，Adobe的整合能力非常强大，尤其是其Target是与Analytics配合最为紧密的产品，其功能A/B和多变量的单页面、和多流程测试，用户区分和定位，结合用户归档的站内推荐功能。整个Adobe Marketing Cloud涵盖了数据的产生、分析和应用三个环境，整合能力强大。

同时，Marketing Cloud支持通过多种方式进行数据整合：

Adobe Insight提供了多渠道、线上和线下整合产品，并且可以通过本地化安装和应用提高企业私有云的应用能力； Adobe Genesis是第三方应用集成工具，可以进行数据集成和再营销，其中预集成了75个认证合作伙伴； Adobe Analytics本身带有Data Source和Classification Importer的数据导入，并可以通过Data Feed、DataWarehouse导出结构化点击流数据。

虽然Adobe Marketing Cloud的产品组合非常强大，但从其关键性功能以及从企业应用实际来看仍然存在一些问题：

费用问题。分析产品和服务套件做细粒度的拆分组合，对产品来讲可以进行单独开发和投入，对客户来讲却意味着每个套件都需要额外付费，而且某些套件的费用非常高。比如Recommendations的费用会比Analytics套件的价格贵一倍。 Target套件中的推荐产品（Recommendations）的算法虽然很优秀，同时后端控制界面非常很优秀，但在中国却“水土不服”，这表现在： Recommendations是基于群组的推荐，而非“千人千面”； Recommendations的算法是固定封装的，我们无法优化，只能调整后台的部分参数（数据挖掘中的算法优化和参数优化都非常关键）； Recommendations只能使用点击流数据，无法把企业用户和商品数据上传并应用到算法中； Recommendations推荐的数据无法无Analytics共享使用，需要额外部署，增加了技术开发的工作量。 开发服务支持不到位。没有任何一种解决方案适合全球以及所有的客户，要进行数据整合意味着需要根据不同的客户进行定制需求的开发，但Adobe Marketing Cloud的团队在的开发需求跟不上。

(二) Webtrekk

Webtrekk的产品线分为Q3、Quick Insights、Live Analytics、SafeTag以及最新收购并在整合的A/B测试和优化工具Divollution（Webtrekk Q3自带A/B测试和优化功能）。对比Adobe提供的分析套件，Webtrekk同样可以实现针对广告、新媒体跟踪、不同设备以及A/B测试功能，只不过这些功能都整合在Webtrekk Q3中。Webtrekk产品间的数据整合做的相对完善，一个账号便可以无缝切换这几个产品，并且产品间的数据可以共享。

Webtrekk同样可以进行外部数据的整合，主要通过自动端口和多数据整合方式：

1.   自动端口配置。Webtrekk中有一种配置方式叫做端口，端口是一个已经开发完成的数据整合模块，该模块通过后台参数配置便可以将外部数据整合到Webtrekk中。已经完成的端口包含SEO、社会化媒体、邮件系统、电视媒体（Webtrekk的一个特色）等数据模块，除通用模块（如SEO）外，部分支持的媒体包括：

Criteo：法国最大的网络再营销广告公司。

Google AdWords：全球首屈一指的SEM工具，广告行业的同学都了解。

Facebook：世界上最大的社交网络服务网站。

eCircle：欧洲领先的邮件营销系统。

nugg.ad：欧洲最大的定向广告平台。

Optivo：国际领先的电子邮件营销服务提供商。

Audiweb：欧洲著名的市场调研工具。

以下是Google AdWords端口配置截图，只需简单配置相应参数即可：

2.  多种数据整合方式。

这些方式包括Excel直接导入、SOAP、JSON和RAW DATA整合。这些方式跟Adobe提供的数据整合方式基本一致，但其中的RAW DATA更为出色，Webtrekk已经把原始半结构化的数据结构化形成Raw Data，并整合到数据仓库。数据仓库的结构和完整数据开放给客户，企业如果有整合公司全部数据的需求，只需要将按照Raw Data的结构复制一份数据仓库结构，然后定时同步即可实现。

但Webtrekk在数据整合上也有自己的问题：

国内工具集成度不够。这个问题跟Adobe Analytics一样，比如国内最大的SEM系统百度凤巢，两个系统都没有提供现成的集成模块，如果要进行数据整合需要单独开发。 Webtrekk提供的基于数据营销或驱动的产品较少。作为定位于数字解决方案的提供商，Webtrekk侧重于提供数据整合分析和数据价值洞察，针对站内、外的营销功能支持力度不够。比如站内的个性化推荐功能是跟数据分析结合非常紧密的数据应用项目，同时也是非常实用的功能。在这点上Webtrekk在之前只有测试和优化功能，最近Webtrekk收购了DIVOLUTION，该工具可以同时实现Test和Targeting的功能，即同时实现测试和优化推荐功能，也许可以完善一些这方面的功能。

从实际提供整体解决方案的能力来看，两种方案各有优势：Adobe Analytics的特色是依托强大的Adobe Marketing Cloud进行数据集成和上下游的广泛应用，在线应用是其强项；Webtrekk的产品适用性更强且整合的可实现性更高，更容易形成以整合数据为基础的数字解决方案。

二、功能导向还是用户（业务应用）导向

通常我们在讨论某种工具时会更多的侧重于系统提供了哪些功能、报表、维度、指标，更多的局限于功能模块和系统本身，这其实是一种“工程师”的思维，这忽视一个重要的应用问题——用户会如何看待，如何使用并把这些功能发挥到极致？因此，当我们换个角度来思考数据价值如何才能最大化时，好的功能配合好的用户体验才是一个开始。

分析产品的应用对象，通常包括企业中不同角色的人群，比如有的角色侧重于，有的角色侧重于执行；而这些人同时又有不同的分析需求，只看结果、简单判断和深入分析都是具体需求场景。面对这种复杂的需求矩阵，这两种解决方案如何满足不同公司、不同群体的分析需求，又如何让不同角色都能快速、准确、深入的找到问题、分析问题并解决问题？

(一) 以用户角色为出发点产品定位

Adobe Analytics

Adobe Analytics提供了非常多的产品——SiteCatalyst、Discover、Insight等，这些产品都是根据数据功能和整合的特点进行的划分：

SiteCatalyst侧重于分析需求中等的场景，各个报表通常支持一层下钻； Discover侧重于深度分析的功能，无限制的下钻以及各种维度和指标的任意组合可以实现每一个分析需求； Insight是本地版的分析套件，功能比SiteCatalyst更强大，另外支持本地的数据整合。

Adobe Analytics提供的产品覆盖了大多数应用场景，面向中度分析需求的SiteCatalyst和深度分析需求的Discover以及面向本地的Insight。但我们发现整个产品体系中缺少针对低端或无分析需求的产品，并且针对实时数据的功能略显鸡肋。