Adobe Target und Adobe Analytics entfalten ihre größte Stärke, wenn sie gemeinsam eingesetzt werden. Mit Analytics for Target (A4T) können Teams die Performance von Target-Aktivitäten direkt in Adobe Analytics messen und Experience-Tests mit konkreten Geschäftsergebnissen verknüpfen.
Für viele Anwendungsfälle ist das bereits ausreichend. Sie können Angebote vergleichen, Conversion-Rates analysieren, Ergebnisse segmentieren und die Performance von Experimenten in Analysis Workspace auswerten.
Doch manche Target-Aktivitäten gehen über den einfachen Vergleich von Varianten hinaus. Sie führen personalisierte UI-Elemente wie Badges, Banner, Call-to-Actions (CTAs) oder interaktive Module ein. Diese Elemente werden von Ihrer bestehenden Analytics-Implementierung möglicherweise nicht erfasst, wodurch Nutzerinteraktionen leicht unbemerkt bleiben.
Genau hier bietet ein wiederverwendbarer Ansatz für das Tracking benutzerdefinierter Ereignisse einen echten Mehrwert.
Inhalt
Warum benutzerdefiniertes Tracking wichtig ist
In vielen Unternehmen wird jede neue Target-Interaktion zu einer separaten Tracking-Anforderung. Ein Entwickler erstellt die Target-Aktivität, ein anderes Team passt die Analytics-Implementierung an und derselbe Prozess beginnt beim nächsten Experiment erneut.
Für einige wenige Tests mag das funktionieren, doch mit zunehmender Anzahl an Experimenten lässt sich dieser Ansatz nur schwer skalieren.
Ein besserer Weg besteht darin, einmal ein wiederverwendbares Framework zu definieren. Danach können Target-Entwickler benutzerdefinierte Interaktionsdaten in einem standardisierten Format senden, ohne dass für jede neue Aktivität eine Anpassung der Analytics-Konfiguration erforderlich ist.
Eine wiederverwendbare Ereignisstruktur
Die wartungsfreundlichste Lösung besteht darin, strukturierte Ereignisdaten aus der Target-Experience an den Data Layer oder eine Event-Handling-Schicht Ihrer Website zu senden und diese anschließend über Adobe Tags an Adobe Analytics weiterzugeben.
Anstatt für jeden Test eine neue Analytics-Variable oder ein neues Success Event einzuführen, sendet jede Aktivität denselben Datentyp – lediglich die Werte unterscheiden sich.
Ein typisches Ereignis könnte folgende Informationen enthalten:
- Name der Aktivität
- Ereignistyp
- Ereignisname
- Zielgruppen- oder Profilbezeichnung
Beispiel-Payload: javascript
{
activityName: "PDP Benefit Badge Test",
eventType: "click",
eventName: "benefit_badge_click",
userProfile: "returning_customer"
}
Damit verfügt Ihre Analytics-Implementierung über genügend Kontext, um beispielsweise folgende Fragen zu beantworten:
- Welche Target-Aktivität hat das Ereignis ausgelöst
- Handelte es sich um einen Klick, eine Ansicht, ein Formular-Submit oder eine andere Interaktion
- Welche konkrete Interaktion wurde ausgeführt?
- Welche Zielgruppe bzw. welches Nutzerprofil war beteiligt?
Die Struktur bleibt dabei konstant. Lediglich die Werte ändern sich von Aktivität zu Aktivität.
Beispielimplementierung
Wenn ein Benutzer mit einem personalisierten Element interagiert, kann die Target-Experience ein Browser-Ereignis auslösen.
Javascript:
window.dispatchEvent(
new CustomEvent("target.customEvent", {
detail: {
activityName: "PDP Benefit Badge Test",
eventType: "click",
eventName: "benefit_badge_click",
userProfile: "returning_customer"
}
})
);
Adobe Tags können anschließend auf dieses Ereignis reagieren, die Werte aus dem Ereignisdetailobjekt auslesen und sie je nach Ausgestaltung der Implementierung Kontextdaten oder Analytics-Variablen zuordnen.
Ein wiederverwendbares Mapping könnte beispielsweise so aussehen:
| Quellfeld | Beispielwert | Typischer Verwendungszweck |
|---|---|---|
| activityName | PDP Benefit Badge Test | Berichterstattung auf Aktivitätsebene |
| eventType | click | Klassifizierung der Interaktion |
| eventName | benefit_badge_click | Identifikation des Ereignisses |
| userProfile | returning_customer | Segmentierbare Zielgruppenbezeichnung |
Ein einzelnes Success-Event kann zur Erfassung aller benutzerdefinierten Interaktionen verwendet werden, während die Payload-Werte die einzelnen Erlebnisse voneinander unterscheiden.
Legacy-Implementierungen
Einige Teams setzen weiterhin auf direkte Aufrufe über Adobe Tags.
Javascript:
if (window._satellite && typeof window._satellite.track === "function") {
window._satellite.track("target_custom_event", {
activityName: "PDP Benefit Badge Test",
eventType: "click",
eventName: "benefit_badge_click",
userProfile: "returning_customer"
});
}
Für bestehende Implementierungen ist dies nach wie vor eine gültige Option. Bei neuen Projekten ist jedoch ein klar definierter Data Layer oder ein browserbasiertes Event-Muster in der Regel einfacher zu testen, zu debuggen und langfristig zu warten.
Erfahren Sie, wie Adobe Analytics Ihnen mit kanalübergreifendem Tracking und fundierten Analysen hilft, bessere digitale Entscheidungen zu treffen.
Wenn strukturierte Daten nicht möglich sind
In älteren Umgebungen ist es unter Umständen nicht einfach, strukturierte Objekte über die Tag-Management-Ebene zu übergeben. In solchen Fällen kann eine durch Pipe-Zeichen getrennte Zeichenfolge als Ausweichlösung dienen.
javascript:
"PDP Benefit Badge Test|click|benefit_badge_click|returning_customer"
Diese Zeichenfolge kann anschließend in der Implementierungsebene wieder aufgeteilt werden:
Javascript:
var rawValue = "PDP Benefit Badge Test|click|benefit_badge_click|returning_customer";
var parts = rawValue.split("|");
var activityName = parts[0];
var eventType = parts[1];
var eventName = parts[2];
var userProfile = parts[3];
Dieser Ansatz kann für Legacy-Systeme sinnvoll sein, sollte jedoch nicht die erste Wahl für neue Implementierungen sein. Strukturierte Daten lassen sich einfacher validieren, leichter debuggen und sind deutlich robuster, wenn einzelne Felder fehlen.
Best Practices für die Implementierung
Processing Rules in Adobe Analytics sollten lediglich als leichte Transformationsschicht dienen und nicht als Ort für komplexe Logik. In modernen Implementierungen ist es in der Regel sauberer, die Erfassung von Ereignissen und das Mapping der Variablen in Adobe Tags umzusetzen und Processing Rules auf das Nötigste zu beschränken.
Verwenden Sie für die Interaktionsverfolgung Daten auf Hit-Ebene, es sei denn, Sie haben einen triftigen Grund, einen Wert über die aktuelle Interaktion hinaus zu speichern. Ein Klick oder eine Ansicht auf ein Target-Element gehört in der Regel zu diesem spezifischen Hit und nicht zum gesamten Besuch.
Ebenso wichtig ist es, keine personenbezogenen Daten zu übertragen. Zielgruppen- oder Profilbezeichnungen sollten sich auf freigegebene Werte wie returning_customer, high_value_customer oder new_customer beschränken.
Fazit
A4T bildet weiterhin die Grundlage für die Analyse der Performance von Adobe Target-Aktivitäten in Adobe Analytics. Es verbindet Experimente mit Geschäftsergebnissen und hilft Teams zu verstehen, welche Experience am erfolgreichsten war.
Benutzerdefiniertes Event-Tracking ergänzt diese Grundlage um eine weitere Ebene, indem es erfasst, wie Nutzer tatsächlich mit den von Target eingeführten Elementen interagieren. Dadurch lässt sich nicht nur messen, welche Experience gewonnen hat, sondern auch, wie intensiv die Nutzer mit ihr interagiert haben.
Mit einem wiederverwendbaren Event-Framework muss das Analytics-Team die technische Grundlage nur einmal bereitstellen. Anschließend können Target-Entwickler neue Aktivitäten veröffentlichen und benutzerdefinierte Ereignisse in einem einheitlichen Format senden.
Für moderne Implementierungen sind strukturierte Custom Events der empfohlene Ansatz. Bei älteren Implementierungen können _satellite.track() und Pipe-separierte Werte dieselbe Idee weiterhin unterstützen – vorausgesetzt, sie werden konsistent verarbeitet und auf wiederverwendbare Analytics-Dimensionen gemappt.
Das Ergebnis ist eine schnellere, sauberere und besser skalierbare Möglichkeit, Adobe Target-Experiences zu messen.
Benötigen Sie Unterstützung? Nehmen Sie gerne Kontakt zu uns auf.
Denise Paché ist Senior Experimentation Entwicklerin bei Up Reply und hat sich auf datengesteuerte Personalisierung und Experimente mit Adobe Target spezialisiert. Sie hat Kunden dabei unterstützt, ihre CRO-Strategien und Zielgruppenanforderungen in sinnvolle Kampagnen umzusetzen. In diesem Blog wird sie Einblicke in die Arbeit mit Adobe Target und praktische Lösungen für Personalisierungsanwendungen geben.
