Clasificaciones en Adobe Analytics

En este artículo explicaremos cómo realizar una subida de datos para categorizarlos en distintas variables de Analytics, que se pueden utilizar en la mayoría de las dimensiones personalizadas.

Una vez la dimensión contiene datos se dispone de una nueva dimensión para utilizar en los informes y poder hacer un análisis más profundo y con unos datos más segmentados. Podemos clasificar, por ejemplo, los ID de los productos según el nombre del producto, el tipo de producto, el color o el tamaño.

Hay distintas formas para clasificar los datos:

  • Classification sets: (Components -> Classification sets) Puedes crear y gestionar clasificaciones y sus reglas en una única interfaz.
  • Classification rules: (Admin -> Classification rule builder) Puedes crear reglas que asignen un elemento de dimension determinado a un elemento de la clasificación, por ejemplo, usando las expresiones regulares.
  • Classification importer: (Admin -> Classification importer) Puedes exportar una plantilla de hoja de cálculo con elementos de dimensión en cada fila, donde las columnas corresponden a cada clasificación de una dimensión.

(Para más información revisar la documentación oficial de Adobe Analytics).

En este artículo nos centraremos en esta última forma de clasificar datos, que normalmente se utiliza cuando se conocen todos los elementos de la dimensión y no necesite una actualización constante.

En este caso, los datos que importamos deben tener un formato específico. Adobe nos ofrece la oportunidad de descargar una plantilla de datos con este formato, donde podemos añadir los nuevos datos que queremos clasificar y luego importar el archivo utilizando una FTP. Pero también podemos importar un archivo que contenga los datos hecho por un editor de texto, respetando con tabulaciones las filas, que representan cada elemento de dimensión que queremos clasificar, y las columnas, que representan cada clasificación de una dimensión.

Pero para poder clasificar los datos, tenemos que crear las distintas clasificaciones de cada dimensión que queremos segmentar previamente. Para esto, debemos ir a Admin -> Report Suites -> Edit Settings donde podremos definir los árboles jerárquicos para cada dimensión.

Adobe Experience League ofrece tutoriales detallados sobre cómo configurar árboles jerárquicos y subir datos para clasificaciones de dimensiones.

Adobe nos da la posibilidad de modificar o eliminar una subida de datos en caso de que nos hayamos equivocado en alguna dimensión en una clasificación. Para modificar una subida de datos, lo único que tenemos que hacer es volver a subir la fila del elemento de dimensión donde está el error en un nuevo archivo de datos y automáticamente se corregirá en Adobe. En el caso que queramos eliminar una clasificación tenemos dos opciones, si queremos eliminar solo una dimensión en un elemento escribimos ~empty~ en la columna que queremos eliminar, y si queremos eliminar toda una fila escribimos ~deletekey~ en la última columna de la fila que queremos eliminar.

Espero que os sea útil y lo podáis aplicar en vuestro día a día.

¿Para qué sirve subir datos de clasificación en Adobe Analytics?
La subida de datos permite categorizar elementos de una dimensión (por ejemplo, product ID) en distintas variables adicionales (nombre, tipo, color, tamaño, etc.).
Una vez que la dimensión contiene estos datos, disponemos de nuevas dimensiones personalizadas para análisis más profundos y segmentación avanzada.
¿Qué ventajas tiene clasificar datos mediante importación?
  • Permite añadir metadatos a los elementos de una dimensión.

  • Genera nuevas dimensiones que pueden usarse en informes, segmentaciones y análisis.

  • Facilita entender patrones, agrupar productos, analizar por categorías, etc.

  • Es ideal cuando ya se conocen todos los valores de la dimensión y no necesitan actualizaciones constantes.

¿Qué métodos existen para clasificar datos en Adobe Analytics?
  • 1. Classification Sets

    Ruta: Components → Classification sets
    Permite crear y gestionar clasificaciones y reglas desde una única interfaz.

    2. Classification Rules

    Ruta: Admin → Classification rule builder
    Posibilita crear reglas basadas en expresiones regulares para asignar elementos a clasificaciones automáticamente.

    3. Classification Importer (Importador de clasificaciones)

    Ruta: Admin → Classification importer
    Permite exportar una plantilla, añadir los datos en un archivo (CSV/TSV) y volver a importarlo.
    Es la opción más usada cuando se conocen todos los valores de la dimensión.

    (Para más información, ver la documentación oficial de Adobe Analytics.)

ANTERIOR
SIGUIENTE

TIPS DE EXPERTOS

Suscríbete para impulsar tu negocio.

ÚLTIMOS ARTÍCULOS

Caso de éxito: Clickferry mejora la atención al cliente con Service Hub

Clickferry es una plataforma líder en movilidad y transporte que conecta a los usuarios con soluciones de transporte de manera flexible y adaptada a la demanda. Con un modelo de negocio dinámico y estacional, garantizar una atención al cliente ágil y organizada es clave para ofrecer una experiencia satisfactoria y confiable.

Cómo transformar la captación y retención en centros educativos con CRM

La mayoría de instituciones siguen gestionando leads, inscripciones, comunicaciones y seguimiento de estudiantes con sistemas dispersos, hojas de cálculo y procesos que dependen demasiado de cada persona.

Este es el origen de muchos de los problemas que vemos en universidades, escuelas y plataformas educativas: pérdida de leads, tiempos de respuesta lentos, baja trazabilidad del proceso de admisión, campañas de marketing poco efectivas y una débil relación con exalumnos. Y es justamente aquí donde un CRM educativo moderno deja de ser una herramienta y se convierte en un acelerador directo de ingresos.

Qué es la data sintética y por qué redefine el futuro de la IA

Introducción

La data sintética —o datos sintéticos— se ha convertido en una de las herramientas más prometedoras para la evolución de la inteligencia artificial (IA) y la automatización empresarial. En un contexto en el que los datos reales son cada vez más costosos, limitados o sensibles, las organizaciones buscan alternativas seguras y escalables para entrenar modelos de machine learning sin comprometer la privacidad.

Pero ¿qué es exactamente la data sintética? ¿Cómo se genera? ¿Y por qué está revolucionando sectores como la sanidad, las finanzas o la industria manufacturera? Este artículo responde esas preguntas con un enfoque práctico y estratégico para empresas que apuestan por la innovación.

Novedades INBOUND HubSpot 2025: cómo la IA transforma tu CRM

El gran cambio: de datos aislados a decisiones completas

Seamos sinceros: la mayoría de las empresas no deciden con datos completos. Usan un 20 por ciento y dejan el resto escondido en correos, llamadas o tickets. Eso significa que cuando la dirección revisa el pipeline, marketing analiza conversiones o servicio atiende a un cliente, lo hacen con una visión incompleta.

data
Mallorca 184, 08036
Barcelona, Spain