Googles Meridian baut auf der Grundlage der zuvor veröffentlichten RBA/LMMM-Materialien auf. Zu den Entwicklungen gehören Geo-Experimente, die in die Modellierung einfließen, sowie Details zur Reichweite von YouTube. Die Betonung der Triangulation durch A/B-Tests zur Verbesserung der MMM-Genauigkeit ist eine Strategie, mit der wir selbst gut vertraut sind, und bietet eine gute Ausgangsbasis. Es ist jedoch wichtig zu beachten, dass Meridian zwar einen Schritt nach vorne in der Messung darstellt, aber dennoch nur ein Werkzeug ist - ein hochentwickeltes Werkzeug, das Expertenhände erfordert, um es effektiv zu handhaben.

Bei Media.Monks sind wir stolz auf unsere robuste interne Plattform, die in Bezug auf Geschwindigkeit und Funktionalität branchenführend ist. Meridian ist ein Schritt nach vorne für Marken, die gerade erst mit MMM beginnen, und hilft ihnen, vom letzten Klick wegzukommen, um Medien-Uplifts besser zu quantifizieren.

Aus der Sicht eines erfahrenen Modellierers sind dies einige der wichtigsten Punkte, die bei Meridian zu beachten sind:

• Die Meridian zugrunde liegende Methodik ist solide und macht Sinn, da der Schwerpunkt auf Triangulation liegt, was die Genauigkeit der Ergebnisse erhöht.
• Allerdings sind erfahrene Ökonometriker für den effektiven Einsatz von Meridian im Unternehmen unerlässlich. Marken müssen sicherstellen, dass ihre Teams über das Fachwissen verfügen, um die richtigen Daten zu beschaffen, die Modelle so zu erstellen, dass sie die reale Welt widerspiegeln, und die Datenerkenntnisse in umsetzbare ROIs und Reaktionskurven zu übersetzen, oder sie riskieren, dass die Ergebnisse zu falschen Entscheidungen führen.
• Wie bei allen MMM-Initiativen ist die Datenqualität ein entscheidender Faktor dafür, ob Sie einen Mehrwert schaffen oder richtige Entscheidungen treffen. Genaue und vollständige Daten über alle verkaufsfördernden Faktoren (Medien, Preise, Werbeaktionen, Saisonalität, Klima usw.) sind für MMM entscheidend. Eine solide Datengrundlage ist ebenfalls von großem Vorteil, unabhängig davon, ob die Marken Meridian oder eine andere Technologie einsetzen.
• Eine effektive Kommunikation innerhalb des Unternehmens ist der Schlüssel zur Förderung der Akzeptanz und Umsetzung von MMM-Strategien, und eine klare und effektive Erläuterung der Modelle ist der Schlüssel zum Erfolg jedes MMM.
• Die Einführung von Meridian bedeutet eine Abkehr von veralteten Attributionsmodellen hin zu einem genaueren, inkrementellen Medienbewertungsansatz. Auch wenn es nicht für alle Marken das am besten geeignete Tool ist, so ist es doch ein weiterer Schritt in der Reifung der Branche, insbesondere im Zuge der Abschaffung von Cookies und der sich ändernden Datenschutzgesetze.
• Kleinere Kunden mit einfacheren Datenstrukturen, wie z. B. E-Commerce-Kunden, die weniger als 2 Millionen US-Dollar für digitale Medien ausgeben, werden von diesem Tool als Einstieg in die Welt des MMM profitieren.
• Einige Kunden werden sich fragen, ob sie ihre Medienmessung auf einer Plattform eines Medieneigentümers durchführen sollten

Zusammenfassend lässt sich sagen, dass Meridian von Google einen soliden Ausgangspunkt für weniger komplexe Marken bietet, die ihre Messkapazitäten mit Hilfe eines Frameworks verbessern möchten. Die zunehmende Nutzung von MMM kann für die Branche nur von Vorteil sein, da es sich um ein zuverlässiges Tool zur Messung und Optimierung von Medien handelt. Allerdings muss noch hart daran gearbeitet werden, ökonometrische Talente für die Marketingwelt zu gewinnen, um die Modellgenauigkeit zu erhalten und die Akzeptanz dieser Methoden zu erhöhen. Letztendlich ist ein Modell nur so gut wie sein Modellierer: Sie können das beste Modell der Welt haben, aber wenn es nicht mit genauen, qualitativ hochwertigen Daten gefüttert oder den wichtigsten Stakeholdern klar vermittelt wird, wird es in einem Unternehmen kein Vertrauen genießen (und daher auch nicht angenommen werden).

Ein guter Schritt nach vorn, aber an der Talentfront bleibt noch mehr zu tun. In unserem Beitrag über Ausbildungsplätze erfahren Sie, was wir tun, um dieses Problem anzugehen.

Weitere Informationen darüber, wie wir Sie bei der Messung der Marketingeffektivität oder der Erstellung von Marktmixmodellen unterstützen können, finden Sie auf unserer Seite zur Messung oder kontaktieren Sie uns.

Erstens ist die Bedeutung von Daten für die Entscheidungsfindung überragend geworden. Unternehmen haben erkannt, dass sie solide datengestützte Erkenntnisse benötigen, um sich in der komplexen Marketinglandschaft zurechtzufinden. MMM bietet eine Lösung, indem es die Auswirkungen verschiedener Marketingaktivitäten quantifiziert und es den Unternehmen ermöglicht, fundierte Entscheidungen auf der Grundlage solider Fakten zu treffen.

Zweitens hat die Fragmentierung der Marketingkanäle die Entscheidungsfindung zunehmend erschwert. Angesichts einer Vielzahl von Plattformen und Kanälen suchen Unternehmen nach Möglichkeiten, die Wirkung ihrer Marketinginvestitionen genau zu messen. MMM bietet einen ganzheitlichen Ansatz, der es Unternehmen ermöglicht, die Wirksamkeit jedes einzelnen Kanals zu verstehen und ihre Investitionen entsprechend zu optimieren.

Darüber hinaus stellt die sich schnell verändernde Wirtschaft die Unternehmen vor einzigartige Herausforderungen. Faktoren wie Inflation, Verbrauchervertrauen, politische Stabilität, globale Konflikte und Ölpreise können die Geschäftsprognosen stark beeinflussen. In diesem dynamischen Umfeld sind die Kunden bestrebt, die neuesten Erkenntnisse zu nutzen, um intelligente Entscheidungen zu treffen. MMM bietet die Mittel zur Analyse und Anpassung an diese sich verändernden Umstände und ermöglicht es Unternehmen, der Zeit voraus zu sein.

Strukturell hat sich die Attributionslandschaft stark verändert. Die Abschaffung von Cookies, der Aufstieg von Walled Gardens und die zunehmenden digitalen Investitionen haben einen umfassenderen und inkrementellen Ansatz für die Messung erforderlich gemacht. MMM hat sich weiterentwickelt, um diesen Anforderungen gerecht zu werden, und bietet Flexibilität und Granularität, die den Anforderungen des heutigen Marktes entsprechen.

Vorbei sind die Zeiten, in denen MMM ein langsamer Kreuzfahrtdampfer war, der ruhig durch die Meere des Marketings segelte. Es hat sich in ein agiles und anpassungsfähiges Tool verwandelt, das in der Lage ist, die Herausforderungen zu meistern, die sich aus der Fragmentierung der Vertriebskanäle und den schnellen wirtschaftlichen Veränderungen ergeben. Mit MMM können Unternehmen quantifizieren, was funktioniert, die neuesten Umstände berücksichtigen und datengestützte Entscheidungen treffen.

Wie der Phönix aus der Asche ist das MMM aufgestiegen und hat seine Widerstandsfähigkeit und Fähigkeit, aussagekräftige Erkenntnisse zu liefern, unter Beweis gestellt. In einer Welt, in der Marketingstrategien ständig angepasst werden müssen, ist das MMM ein leistungsstarkes Instrument, das Unternehmen in einer sich ständig verändernden Landschaft zum Erfolg führt. MMM bedeutet die Zukunft des Marketings, in der Daten und Erkenntnisse die Oberhand haben und eine flexible Entscheidungsfindung der Schlüssel zu Wachstum und Rentabilität ist.

Wenn Sie mehr darüber erfahren möchten, wie wir Sie bei der Messung der Marketingeffektivität oder der Modellierung des Marktmixes unterstützen können, besuchen Sie unsere Seite zur Messung oder kontaktieren Sie uns.

Erstens hat Salesforce sein neues Produkt, die Marketing Cloud Growth Edition, angekündigt, das darauf abzielt, Marken Daten zur Verfügung zu stellen, um sie bei ihrem Wachstum zu unterstützen. Zweitens erweitert Salesforce den kostenlosen Zugang zu Data Cloud auf Marketing Cloud Engagement- und Marketing Cloud Account Engagement-Kunden mit Sales- oder Service Enterprise Edition (EE)-Lizenzen oder höher. Damit erhalten sie Zugang zu Tools, die sie nutzen können, um mit Einstein 1 bessere Geschäftsergebnisse zu erzielen. Dazu gehören eine schnellere Markteinführung, die Generierung relevanterer Inhalte, mehr Konversionen und die Möglichkeit, Konversationen über die gesamte Kundenbeziehung hinweg zu verbinden. Beide Ankündigungen werden im Februar dieses Jahres in Nord- und Südamerika und in der zweiten Hälfte des Jahres 2024 in der EMEA-Region eingeführt.

Unabhängig davon, ob Sie Marketing Cloud zum ersten Mal ausprobieren oder bereits fest auf der Plattform etabliert sind, haben die Neuigkeiten vielversprechende Auswirkungen für alle. Lesen Sie weiter, um zu erfahren, was die Ankündigungen für Ihr Team bedeuten.

Data Cloud hilft Marken jeder Größe, generative KI-Funktionen vorzubereiten und zu optimieren.

Es ist eine aufregende Zeit für Marketer: Generative KI hat eine Ära der marketinggesteuerten Transformation und neuer Workflows eingeläutet, die uns helfen, unsere Arbeit intelligenter und schneller zu erledigen. Laut der Generative AI Snapshot Survey von Salesforce sagen 71 % der Marketer, dass generative KI ihnen viel Arbeit abnehmen und es ihnen ermöglichen wird, strategischer zu handeln. Aber KI ist nur so gut wie Ihre Daten. Qualitativ hochwertige Daten sind die Grundlage für präzise Modelle und Erkenntnisse in der Einstein 1-Plattform.

Und genau hier kommt die Data Cloud ins Spiel. Der kostenlose Zugang zur Data Cloud öffnet noch mehr Unternehmen die Tür zur erstmaligen Nutzung der Plattform und hilft ihnen, eine solide Datengrundlage zu schaffen, die ihre KI-Transformationsprozesse unterstützt und rationalisiert.

Data Cloud entwickelt sich schnell zur führenden Plattform für Kundendaten, da sie sich mit den Bereichen Vertrieb, Dienstleistungen, Marketing, Handel, Kundenbindung, Werbung von Drittanbietern und älteren Anwendungen verbinden lässt. Zuvor hatte Salesforce den kostenlosen Zugang für Sales Cloud- und Service Cloud-Kunden angekündigt.

Die Marketing Cloud Growth Edition setzt Marketing-Automatisierung ein, um Marken beim Wachstum zu unterstützen.

Mit der Einführung der Marketing Cloud Growth Edition wird der Zugang der Plattform zum ersten Mal auf den Markt für kleine Unternehmen ausgeweitet. Tatsächlich ist diese neue Edition von Marketing Cloud darauf ausgelegt, Marken beim Wachstum ihres Geschäfts zu unterstützen. Von der schnelleren Bereitstellung von Kampagnen und Inhalten mit zuverlässiger KI bis hin zur besseren Personalisierung von Kundenbeziehungen mit Hilfe von Daten - die Marketing Cloud Growth Edition wendet Marketing-Automatisierung an, um kleinen Unternehmen dabei zu helfen, ihre Teams zu verbinden und den Umsatz auf einer einzigen, intuitiven Plattform zu steigern.

Zu den Vorteilen der Plattform gehört, dass kleine Teams mit weniger Ressourcen mehr erreichen können. Das bedeutet, dass kleine Teams mehr Zeit damit verbringen können, eine solide Datengrundlage aufzubauen - Daten, die für eine erfolgreiche generative KI entscheidend sind - und zum ersten Mal die KI-Funktionen von Unternehmen zu nutzen. Die Marketing Cloud Growth Edition beseitigt einige der technologischen Einstiegshürden, mit denen kleinere Unternehmen bei der Implementierung von KI konfrontiert sind, und hilft ihnen so, mit weniger Kopfschmerzen auf Touren zu kommen.

Was ist, wenn ich bereits ein Marketing Cloud-Benutzer bin?

Die Marketing Cloud Growth Edition ist zwar das neue, coole Produkt, aber es besteht keine Notwendigkeit, von einer bestehenden Marketing Cloud zu dieser zu wechseln. Die Marketing Cloud Growth Edition bringt in der Tat neue Funktionen mit sich, aber wir freuen uns auf weitere Innovationen in Marketing Cloud Engagement und Marketing Cloud Account Engagement, die beide Plattformen auf Augenhöhe bringen werden. Das bedeutet, dass alle Marketing Cloud-Kunden weitere gute Nachrichten am Horizont erwarten können.

Unabhängig davon, ob Sie ein bestehender Marketing Cloud-Benutzer sind oder gerade erst mit der Marketing Cloud Growth Edition beginnen, helfen wir Ihnen gerne, die Funktionen der Plattform optimal zu nutzen. Da ich einen Sitz im Salesforce Marketing Cloud Partner Advisory Board habe und am Pilotprogramm des Produkts teilgenommen habe, bin ich begeistert, dass die Plattform für noch mehr Unternehmen zugänglicher wird und ihnen zum ersten Mal Zugang zu robusten Datentools auf Unternehmensebene gewährt wird - vor allem in einer Zeit, in der dies für den Einstieg in die neue KI-Wirtschaft so wichtig ist.

Denjenigen, die Marketing Cloud in irgendeiner Form nutzen, bieten wir Hilfestellung bei der Verknüpfung Ihrer Datenstrategie und der Implementierung von Funktionen, sobald diese in Betrieb gehen. Data Cloud-Nutzern können wir helfen, die Rolle von Daten über den Kontext des Kundenbeziehungsmanagements hinaus zu erkennen, z. B. wie sie mit generativen KI-Funktionen verbunden werden können.

Erschließen Sie das Potenzial von KI mit Salesforce.

Die beiden jüngsten Ankündigungen von Salesforce sind eine willkommene Nachricht für Marketingfachleute, die ihre KI-Transformation vorantreiben möchten. Während die Marketing Cloud Growth Edition und der kostenlose Zugang zur Data Cloud vor allem für kleinere Unternehmen von Vorteil sind, ist eine starke Datenstrategie für Organisationen jeder Größe wichtig - und unabhängig davon, für welche Marketing Cloud Sie sich entscheiden, können wir Ihnen helfen, das Beste aus Ihren Kundendaten auf der Plattform herauszuholen.

Haben Sie Fragen zur Marketing Cloud Growth Edition? In der Ankündigung von Salesforce finden Sie weitere Informationen.

Was sind die neuen Zustellbarkeitsregeln von Google Mail und Yahoo Mail?

Gmail und Yahoo Mail verlangen von Massenversendern jetzt Folgendes:

• Einhaltung der E-Mail-Authentifizierungsstandards, einschließlich DKIM, SPF und DMARC.
• Sie müssen eine Ein-Klick-Abmeldung implementieren und Abmeldeanfragen innerhalb von zwei Tagen erfüllen.
• Sie müssen ihre Spam-Beschwerdequote unter 0,3 % halten.

Plattformen wie Salesforce Marketing Cloud haben hier einen großen Teil der Arbeit geleistet und Marken dabei geholfen, mit ihren aktuellen Richtlinien Schritt zu halten. Es liegt jedoch in der Verantwortung der Marken und von Partnern wie uns, sicherzustellen, dass ihr technisches Paket richtig eingerichtet ist. Während dieses Prozesses haben wir ein häufiges (aber leicht zu behebendes) Problem entdeckt, das bisher unter dem Radar flog.

Übersehen Sie dieses eine Detail nicht.

Gemäß den neuen Richtlinien müssen Marken eine Ein-Klick-Abmeldung implementieren, auch bekannt als List-Unsubscribe-Header. Dies ist nicht zu verwechseln mit dem Link für die Abonnementeinstellungen, der normalerweise in der Fußzeile von Werbe-E-Mails jeder Marke zu finden ist. Es handelt sich um eine neue, zusätzliche Schaltfläche, die jetzt in der Kopfzeile einer E-Mail auf den großen E-Mail-Anbieter-Plattformen wie Gmail und Yahoo Mail erscheint.

Das Problem: Wenn Sie diese Schaltfläche nicht berücksichtigen, verhält sie sich nicht wie erwartet. Wenn ein Empfänger auf die Schaltfläche klickt, ist Ihr System möglicherweise nicht so eingerichtet, dass diese Abmeldungen in Marketing Cloud berücksichtigt werden. Dies gilt insbesondere dann, wenn Sie ein Custom Preference Center verwenden, das mit einer externen Datenquelle wie Salesforce CRM verbunden ist, was bei den meisten Marketing Cloud-Benutzern üblich ist. Stattdessen wird die Anfrage in einem obskuren Teil der Plattform gespeichert, ohne dass Sie es wissen. Das bedeutet, dass Ihr Custom Preference Center oder CRM möglicherweise weiterhin die falsche Abonnementpräferenz wiedergibt, wodurch die Gefahr besteht, dass Sie die Abmeldepräferenzen nicht einhalten. Dieses Problem kann sich noch verschärfen, wenn Sie Automatisierungen ausführen, die die Abonnementeinstellungen auf der Grundlage Ihrer Quelle der Wahrheit überschreiben. Infolgedessen können sich im Laufe der Zeit Spam-Beschwerden (und Bußgelder) anhäufen.

Kurz gesagt: Wenn Sie sich bei der Verwaltung der Abonnementeinstellungen in Marketing Cloud auf eine externe Wahrheitsquelle verlassen, verhält sich die neue Ein-Klick-Abmeldeschaltfläche nicht automatisch wie Ihr bestehender Abmeldeprozess. Sie müssen Ihren Abonnementprozess überprüfen und gegebenenfalls aktualisieren, um diese zusätzliche Ein-Klick-Abmeldemethode zu berücksichtigen, die Ihre Empfänger möglicherweise anwenden, um sich von Ihren E-Mails abzumelden.

Die Einhaltung der Vorschriften zu gewährleisten ist einfach.

Möchten Sie testen, ob Sie diese E-Mail-Authentifizierungsstandards einhalten? Beginnen Sie mit einem E-Mail-Analysetool Ihrer Wahl, wie Google Postmaster, Microsoft Smart Network Data Services (SNDS) oder Yahoo Sender Hub. Mit diesen Plattformen können Sie auf einfache Weise die E-Mail-Leistung und die Authentifizierung von Nachrichten überprüfen, einschließlich der Verfolgung von Spam-Beschwerden.

Wenn Sie unsicher sind, wie Sie anfangen sollen, oder nach einer schnellen Lösung suchen, um die Einhaltung der Vorschriften zu gewährleisten, insbesondere mit der Ein-Klick-Abmeldung (list-unsubscribe header), dann verzweifeln Sie nicht. Unser Team für Marketing-Automatisierung hat eine einfach zu implementierende Lösung entwickelt, so dass Sie sicher sein können, dass Sie die neuen E-Mail-Anforderungen von Gmail und Yahoo Mail erfüllen werden.

Marken haben bereits so viel getan, um die sich ändernden modernen Richtlinien zu erfüllen. Es wäre also schade, wenn diese Bemühungen wegen einer leicht zu übersehenden Unterbrechung umsonst gewesen wären. Aber wir können Sie schnell und einfach auf den neuesten Stand bringen, wenn Sie es brauchen.

CTA: Haben Sie Bedenken wegen der neuen Regeln für die Zustellbarkeit von E-Mails bei Google Mail und Yahoo Mail? Sprechen Sie uns an und wir können Ihnen helfen!

Verstehen Sie die grundlegenden Unterschiede zwischen den Plattformen.

Ein wichtiger Unterschied zwischen den einzelnen Plattformen liegt in ihren übergeordneten Suiten. GA4 ist ein integraler Bestandteil der Google Marketing Platform (GMP) Suite und konzentriert sich auf werbegesteuerte Analysen. Andererseits ist Adobe Analytics ein wesentlicher Bestandteil der Adobe Experience Cloud, deren Schwerpunkt auf der Bereitstellung von maßgeschneiderten Nutzererlebnissen liegt. Dieser grundlegende Unterschied spiegelt sich in den Kernzielen, Merkmalen und Funktionen wider.

Behalten Sie die Kosten im Auge.

Eines der ersten Unterscheidungsmerkmale ist der Kostenfaktor. GA4 bietet ein kostenloses Einstiegsprodukt, das für Unternehmen jeder Größe zugänglich ist. Im Gegensatz dazu beginnt Adobe Analytics in der Regel bei etwa 100.000 US-Dollar, wobei die Kosten von den Funktionen, Serveraufrufen und Verhandlungen (fragen Sie nach Rabatten!) beeinflusst werden. Die Preisstruktur ist ein entscheidender Faktor für Unternehmen, wenn es darum geht, sich für eine Analyseplattform zu entscheiden, die ihren Budgetvorgaben gerecht wird.

Beachten Sie die Unterschiede bei der Datenerfassung und Berichterstattung.

Adobe Analytics eignet sich hervorragend für die Datenerfassung auf Unternehmensebene. Es bietet erweiterte Segmentierungsoptionen und robuste benutzerdefinierte Berichts- und Nachverfolgungsfunktionen. Allerdings erfordert die Einrichtung von Adobe Analytics ein höheres Maß an technischem Know-how.

Im Gegensatz dazu bietet GA4 einen unkomplizierteren Datenerfassungsprozess mit minimalen technischen Implementierungskomplexen und weniger Anpassungen. GA4 wird durch maschinelles Lernen und KI-gestützte Einblicke erweitert und zeichnet sich durch seine Web- und App-Architektur sowie die Verknüpfung der Zielgruppe mit der GMP-Plattform aus. Darüber hinaus erweist sich GA4 als geeignet, um geräteübergreifende User Journeys zu verfolgen und den ROI von Kampagnen effektiv zu messen.

Beachten Sie die Benutzerfreundlichkeit.

Sowohl Adobe Analytics als auch GA4 verfügen über benutzerfreundliche Oberflächen, wobei GA4 vor allem für technisch nicht versierte Anwender deutlich zugänglicher ist. GA4 verfügt über eine unkomplizierte und optimierte Oberfläche, die die Navigation und Einrichtung erleichtert. Dazu gehört jetzt auch eine Funktion, mit der Sie Ihre Startseite individuell gestalten können.

Im Gegensatz dazu bietet Adobe Analytics eine kompliziertere Schnittstelle, die ein höheres Maß an technischem Wissen und eine steilere Lernkurve erfordert. Mir gefällt die Tatsache, dass die Namen der Menüschaltflächen von Adobe Analytics im Verwaltungsbereich geändert werden können, aber ich empfehle nicht, die Reihenfolge der Schaltflächen zu ändern.

Die Stärken von Google Analytics 4

1. Nahtlose Integration mit GMP Stack: GA4 lässt sich nahtlos in den Google Marketing Platform Stack integrieren, sogar in der kostenlosen Version. Diese Integration bietet den Nutzern einen umfassenden Überblick über die Leistung der Kanäle, die soziale, direkte, organische und bezahlte Medien abdecken.

2. Einblicke in das Nutzerverhalten von Chrome: GA4 nutzt die von Chrome gesammelten Verhaltensinformationen, einschließlich Interessen und demografischer Nutzerdaten. Diese Informationen, die demografische Daten und Interessen umfassen, erweisen sich als wertvoll für den Aufbau von Retargeting-Segmenten.

3. Kosteneffizienter Einstieg mit kostenlosen Produkten: Google Analytics 4 bietet einen kosteneffizienten Einstieg mit kostenlosen Produkten, was es zu einer attraktiven Option für Unternehmen mit begrenztem Budget macht.

Stärken von Adobe Analytics

1. Unvergleichliche Anpassungsmöglichkeiten: Adobe Analytics zeichnet sich durch seine außergewöhnlichen Anpassungsmöglichkeiten aus, die es Anwendern ermöglichen, Analyselösungen auf ihre spezifischen Anforderungen zuzuschneiden.

2. Überwindung von Stichprobenproblemen: Im Gegensatz zu GA4 gibt es bei Adobe Analytics keine Probleme mit Datenstichproben. GA4-Anwender, die nach nicht gesampelten Daten suchen, müssen eine Integration mit BigQuery vornehmen, was den Prozess um einen zusätzlichen Schritt erweitert.

3. Fortgeschrittenes Segmentierungswerkzeug: Adobe Analytics verfügt über ein fortschrittlicheres Segmentierungstool, mit dem Anwender komplexe Segmente mit einer breiteren Palette von Operatoren erstellen können

Welche Plattform ist die richtige für Sie?

Zusammenfassend lässt sich sagen, dass die Entscheidung zwischen Google Analytics 4 und Adobe Analytics von verschiedenen Faktoren abhängt, darunter die vorhandene Technologie, die Geschäftsanforderungen, die Anwendungsfälle und die Budgetüberlegungen. Für E-Commerce-Unternehmen, die stark auf bezahlte Medien angewiesen sind, einfache Berichtsanpassungen vornehmen und Apps nachverfolgen möchten, ist GA4 eine gute Option, auch wenn sich einige Funktionen noch in der Beta-Phase befinden und gelegentlich Bugs auftreten.

Wenn Sie hingegen Adobe Experience Cloud-Kunde sind, gewährleistet die Entscheidung für Adobe Analytics eine nahtlose Integration in die Adobe-Familie und bietet eine anpassbare und robuste Implementierung, die auf Ihre individuellen Bedürfnisse zugeschnitten ist, wozu auch die Erfassung von Daten aus sehr unterschiedlichen Quellen gehören kann.

Letztendlich beruht die Entscheidung auf einer gründlichen Bewertung der Prioritäten, Ziele und Ressourcen Ihres Unternehmens, um sicherzustellen, dass die gewählte Analyseplattform perfekt auf Ihre Unternehmensstrategie abgestimmt ist.

Wenn Sie bereits Zeit und Energie in ein Produkt investiert haben, bleiben Sie dabei und machen Sie weiter. Ein Produktwechsel löst nicht die Kernprobleme, sondern bedeutet nur mehr Zeit und Geld.

Aber wie stellen Sie sicher, dass die Messung der Marketingeffektivität robust, vertretbar und klar ist? Hier sind einige wichtige Tipps, die Sie berücksichtigen sollten.

Am Anfang muss die Zielsetzung stehen!

Der erste Schritt besteht darin, sich über die Ziele im Klaren zu sein: Was ist der Zweck der Kampagne? Soll sie die Bekanntheit der Marke steigern? Oder ist es eine Aufforderung zum erneuten Kauf? Versuchen wir, das Vertrauen in den Online-Handel zu erhöhen, da dieser eine höhere Gewinnspanne aufweist? Indem Sie sich darüber im Klaren sind, was die Kampagne bewirken soll und welche Zielgruppe sie ansprechen soll, beginnen Sie zu definieren, welche Kennzahlen Sie messen sollten, und damit auch die Definition des KPI, den Sie verfolgen sollten (z. B. die Steigerung der Bekanntheit, wenn Ihr Ziel die Steigerung des Markenwissens ist). Dieser Artikel des Datengurus Avinash Kaushik ist eine Lektüre wert, um die richtigen KPIs zu definieren.

Setzen Sie realistische Ziele!

Sobald Sie den KPI ausgewählt haben, müssen Sie realistische Erwartungen an die Kampagne stellen, um den KPI zu erreichen. Schauen Sie sich dazu die Vergangenheit an, um zu sehen, wie sehr sich die Kennzahl bewegt hat; wenn es keine großen Schwankungen gab, sollten Sie vielleicht keinen großen Anstieg erwarten. Wenn sich die Kennzahl stark verändert hat, was ist dann realistisch für eine Steigerung? Berücksichtigen Sie auch die Saisonalität. Schauen Sie sich zum Beispiel das Dreijahresmuster an: Gibt es bestimmte Zeiten im Jahr, in denen es immer aufwärts geht? Wenn ja, sollten Sie dies berücksichtigen.

Wie werden Sie messen?

Wenn Sie sich Ziele gesetzt haben, müssen Sie sich überlegen, wie Sie die Kampagne messen wollen, bevor Sie sie durchführen. Einige Techniken sind:

• Zufalls-Kontrolltests (RCTs) und Geotests
• A/B-Tests
• Messung anhand einer historischen Basislinie
• Multi-Touch-Attribution (MTA)
• Markt-Mix-Modellierung (MMM)

Wenn Sie wissen, welche Technik Sie verwenden werden, können Sie die Form der Kampagne festlegen. Wenn Sie wissen, welche Technik Sie verwenden werden, können Sie die Form der Kampagne festlegen. Wenn Sie z. B. Geotests durchführen, müssen Sie das geeignetste geografische Gebiet für Ihre Aktivität und ein vergleichbares Gebiet für die Kontrolle bestimmen. Bei MMM müssen Sie sicherstellen, dass die Höhe der Medienausgaben und die Streuung der Ausgaben ausreichend sind, um eine Aussage über die Wirkung treffen zu können.

Stellen Sie sicher, dass die Testausgaben die folgenden Hauptmerkmale aufweisen:

• Reichen die Ausgaben aus, um Ihren KPI zu beeinflussen?
• Sind die Ausgaben so gestaltet, dass Sie möglichst eindeutige Ergebnisse erzielen können (d. h. sie sollten gebündelt und nicht gestreut werden)?
• Findet sie zu einem Zeitpunkt statt, der sich mit anderen Auswirkungen überschneidet?

Ausführen und messen.

Wenn Sie die richtigen Ziele und Messgrößen haben, wissen, welche Messmethode Sie verwenden werden, und die Kampagne erfolgreich durchgeführt wurde, ist es an der Zeit, sie auszuführen und zu messen. Wenn es um die Messung geht, sollten Sie sich der Grenzen Ihrer Messmethode bewusst sein.

RCTs, Geo- und A/B-Ansätze sind einfach zu implementieren, leicht zu verstehen und können intern eingesetzt werden. Es gibt jedoch einige Einschränkungen bei diesen Techniken, die verhindern können, dass sie einen vollständigen Überblick über die Wirksamkeit Ihrer Aktivitäten geben.

Erstens ist es schwierig, den "Carryover"-Effekt der Kampagne (oft auch "Memory-Effekt" genannt) zu messen, d. h. den Effekt, den die Kampagne auch nach ihrem Ende hat. Bei diesen Ansätzen ist es auch schwierig, die Auswirkungen spezifischer Medienaktivitäten auf andere Kanäle zu messen; so kann beispielsweise die Durchführung sozialer Aktivitäten den PPC steigern. Diese Erkenntnisse sind von entscheidender Bedeutung, wenn es darum geht, einen vollständigen Überblick über Ihre Medienleistung zu erhalten.

Diese Methoden sind auch nicht in der Lage, Informationen zur Skalierung der Ergebnisse zu liefern. Eine Testausgabe von 20.000 £ in einer Region hat nicht den gleichen ROI wie eine nationale Kampagne von 5 Millionen £. Seien Sie sich des abnehmenden Ertrags bewusst. Sie können dies umgehen, indem Sie die Investitionen schrittweise erhöhen und weiter testen.

Die MTA ist sehr detailliert, lässt sich relativ einfach einrichten und gibt Ihnen einen guten relativen Überblick. Es handelt sich jedoch nicht um eine inkrementelle Analyse, so dass sie für ROI-Berechnungen nicht zuverlässig ist.

MMM ist eine inkrementelle Analyse, die alle Einflussfaktoren auf Ihre KPIs erfasst. Sie ist jedoch stumpf (Sie müssen mindestens 100.000 £ für eine Kampagne ausgeben), liefert nicht so detaillierte Informationen wie andere Techniken und kann teuer sein.

Überlegungen zur hausinternen Messung.

Was können Sie als Kunde also selbst tun?

• RCTs, Geo-Tests und A/B-Tests: In den meisten Fällen besteht kein wirklicher Bedarf an externen Partnern.
• Multi-Touch-Attribution: Probieren Sie es aus, es ist ziemlich einfach und Sie können Techniken wie Markov-Ketten verwenden. Aber Sie können herkömmliche MTA nur für eine kurze Zeit verwenden: Mit dem Wegfall der Cookies von Drittanbietern besteht längerfristig die Notwendigkeit, in kochfreie Lösungen zu investieren.
• MMM: Eine großartige Lösung für den internen Einsatz, wenn Sie über die nötige Größe verfügen, aber Sie müssen ein Team beschäftigen und beschäftigen lassen. Dies funktioniert daher nur, wenn Sie entweder ein Unternehmen oder ein globales Unternehmen sind, das mehr als 100 Millionen Pfund für Medien ausgibt.

Achten Sie auf ein paar Vorsichtsmaßnahmen beim In-Houseing.

• Verwenden Sie keine Datenwissenschaftler für MMM - verwenden Sie Ökonometriker. Wir haben immer wieder festgestellt, dass Datenwissenschaftler, die mit der Erstellung von MMM-Modellen betraut wurden, nur sehr selten erfolgreich waren. Datenwissenschaftler und Ökonometriker sehen die Dinge in unterschiedlichen Dimensionen.
• Ökonometriker sind schwer zu finden, und noch schwerer zu halten. Sie müssen dafür sorgen, dass die Arbeit abwechslungsreich und interessant ist, damit sie bei Ihnen bleiben.
• Sorgen Sie dafür, dass es genug Arbeit für mindestens vier Personen gibt. Wenn Sie auf einen Ökonometriker angewiesen sind und dieser ausscheidet, ist es sonst sehr schwer, einen neuen Mitarbeiter zu finden, der die Arbeit fortsetzt.
• Berufliche Entwicklung: Ein Beratungsunternehmen kann immer größer werden, aber ein internes Unternehmensteam stößt an eine Grenze. Dann gibt es keine Aufstiegsmöglichkeiten und die Leute gehen. Oder Sie versetzen sie in nicht-ökonometrische Funktionen, aber dann haben Sie immer noch das Problem mit der Rekrutierung in einem Nischenbereich.
• Methodenstagnation: Ihre Ökonometriker haben weniger Gelegenheit, neue Techniken von größeren Teams zu lernen, die für andere Kunden arbeiten. Es besteht also die Gefahr, dass Ihre Fähigkeiten hinter der Entwicklung zurückbleiben - es sei denn, Sie haben eine sehr hohe Personalfluktuation, die Sie nur mit einem ausreichend großen Team bewältigen können.

Wenn Sie jedoch groß genug sind und über das richtige Team verfügen, können Sie durch die Unterbringung im eigenen Haus viel Geld für Berater sparen und gleichzeitig die vollständige Kontrolle über Ihre Daten und Modelle behalten. Um die Entwicklung voranzutreiben und sicherzustellen, dass Sie nicht stagnieren, sollten Sie einen externen Partner hinzuziehen, der Sie bei der Verfeinerung Ihres MMM-Ansatzes unterstützt.

Zusammenfassung

Zusammenfassend lässt sich sagen, dass es bei der Marketingbewertung entscheidend ist, den Start festzulegen. Stimmen Sie die Ziele mit den KPIs und der Art und Weise ab, wie Sie die Kampagne gestalten. Denken Sie sorgfältig darüber nach, welche Technik Sie zur Messung verwenden werden und ob Sie dies intern oder mit externer Hilfe tun. In diesen unsicheren wirtschaftlichen Zeiten war es noch nie so wichtig wie heute, die richtigen Entscheidungen zu treffen. Bon chance!

Weitere Informationen darüber, wie wir Sie bei der Messung der Wachstumsfaktoren für Ihr Unternehmen unterstützen können, finden Sie auf unserer Seite zur Messung oder kontaktieren Sie uns.

Im Wesentlichen stellt Governance die Regeln, Prozesse und Richtlinien bereit, die wir benötigen, um Daten und Inhalte sicher zu verwalten, und zwar durch Workflows, die sicherstellen, dass sie den richtigen Personen zur richtigen Zeit zur Verfügung stehen. Anschließend schließen wir den Zyklus mit Business Intelligence (BI) ab, indem wir diese Daten nutzen, um wertvolle Erkenntnisse und Analysen zu generieren, die die strategische Entscheidungsfindung unterstützen. "Wir verstehen BI-Governance als einen End-to-End-Zyklus, der von der Datenerfassung über die Visualisierung bis hin zur Nutzung reicht, wobei der Schwerpunkt auf Feedback und kontinuierlichem Management liegt", sagt Juana Masanet, unsere Semi Senior BI Analyst.

Dies ist in der Tat ein Prozess von entscheidender Bedeutung. Die BI-Governance ist jedoch ein Aspekt, den Unternehmen oft übersehen. "Innerhalb unseres Datenteams arbeiten wir mit Kunden zusammen, die mit zwei gemeinsamen Herausforderungen zu kämpfen haben, die durch BI-Governance gelöst werden können", sagt Masanet. "Auf der einen Seite haben wir Unternehmen mit verstreuten Datenquellen über verschiedene Plattformen, die eine zentrale Datenbank für ihre Analysen benötigen. Andererseits gibt es Unternehmen, deren Dashboards auf verschiedene Personen oder Abteilungen verteilt sind, was zu Diskrepanzen bei ihren KPIs und anderen Problemen führt."

Angesichts dieser Herausforderungen haben bestimmte BI-Plattformen wie Looker, Power BI und Tableau ihre Position als zuverlässige Lösungen gefestigt. Sie versetzen Unternehmen in die Lage, die Modellierung verschiedener Datenquellen zu zentralisieren und so die nahtlose Verfügbarkeit von Informationen zu gewährleisten, die für datengestützte Entscheidungsfindung entscheidend sind. Die Beherrschung dieser Plattformen ist von entscheidender Bedeutung, nicht nur aus Sicherheitsgründen - die an sich schon sehr wichtig sind -, sondern auch für die Skalierung großer Projekte, an denen zahlreiche Interessengruppen, Teams und Rollen mit unterschiedlichen Zielen, Verantwortlichkeiten und Aufgaben beteiligt sind. Nun könnte man sich fragen, wie eine gute BI-Governance-Strategie aussieht?

Die Abbildung unten zeigt die wesentlichen Elemente einer soliden BI-Strategie. Genauso wichtig wie die Definition dieser Elemente ist es, sicherzustellen, dass alle am Arbeitsablauf Beteiligten diese verstehen und einhalten. Auf diese Weise können sie sich auf die Analysen verlassen, die sie zu Rate ziehen, um datengestützte Entscheidungen zu treffen, Silos aufzubrechen, die Zusammenarbeit der Benutzer zu fördern und Kosten zu senken.

"Erfahrene Teams und sichere, effiziente und flexible Tools sind für die Orchestrierung von Arbeitsabläufen, die die BI-Governance in den Vordergrund stellen, unerlässlich", erklärt unser Analytics Specialist Martin Milloschik. "Zusammen mit meinen Kollegen im Datenteam arbeiten wir mit verschiedenen Organisationen zusammen, um dieses Ziel zu erreichen, und setzen dabei zwei leistungsstarke Tools ein: Looker und Tableau."

Die Vorteile und Besonderheiten von Looker und Tableau.

Looker und Tableau, zwei der renommiertesten BI-Plattformen der Branche, bieten die Möglichkeit, verschiedene Prozesse des Datenlebenszyklus in einem einzigen Tool zu konsolidieren. Beide Plattformen hosten ihre Ressourcen in der Cloud, wobei Tableau die Tableau Cloud oder den Tableau Server bereitstellt und Looker GCP (Google Cloud Platform) nutzt. Dieser Cloud-basierte Ansatz steigert nicht nur die Effizienz, sondern schafft auch gleiche Bedingungen für kleinere Unternehmen mit begrenzten operativen Möglichkeiten. Lassen Sie uns einen Blick auf einige der herausragenden Funktionen werfen, die die BI-Governance verbessern.

Eine der Hauptstärken von Looker ist das zentralisierte Datenmanagement. Das Tool ist darauf ausgerichtet, Daten aus verschiedenen Quellen nahtlos zu integrieren und eine einheitliche Ansicht zu erstellen, die durch die proprietäre semantische Schichtmodellierung sorgfältig bereinigt und konsolidiert wird. Tableau hingegen verfügt zwar nicht über native ETL-Tools (Extract, Transform, Load), bietet aber mit Tableau Prep Builder und Tableau Prep Conductor eine Alternative, die denselben Zweck erfüllt.

Auch die Datenzusammenarbeit ist in beiden Tools optimiert. "Teams können in einem gemeinsamen Arbeitsbereich auf Daten zugreifen, diese analysieren und gemeinsam nutzen, was die Kommunikation verbessert und Datenduplikate oder -konflikte vermeidet", sagt Milloschik. Darüber hinaus bieten beide Plattformen eine Versionskontrolle, die eine reibungslose Zusammenarbeit ermöglicht und Teams in die Lage versetzt, gleichzeitig zu arbeiten, unabhängig von ihrem Kenntnisstand in der Datennutzung.

Für die Verwaltung von Metadaten bietet Tableau eine zusätzliche Funktion namens Tableau Catalog. Dieses Tool indiziert alle Inhalte auf Ihrer Website, einschließlich Dashboards, Metriken, Datenquellen, virtuelle Verbindungen und Flüsse, um detaillierte Metadaten über die Inhalte zu sammeln. Mit Tableau Catalog können Benutzer auf Funktionen wie Lineage, Impact Analysis und ein Data Dictionary zugreifen, die ihnen ein tieferes Verständnis der von ihnen verwendeten Informationen vermitteln und es ihnen ermöglichen, nachzuvollziehen, wo diese im gesamten Unternehmen genutzt werden.

Darüber hinaus bietet Tableau seinen Nutzern mit den Funktionen Data Quality Warnings und Asset Monitoring eine zusätzliche Ebene der Datenüberwachung. Mit diesen Funktionen können Benutzer Warnungen für Datenquellen festlegen und so sicherstellen, dass diejenigen, die Dashboards verwenden oder direkt auf die Daten zugreifen, umgehend über alle relevanten Probleme informiert werden. Die Warnungen können eine Reihe von Problemen umfassen, darunter veraltete Daten, laufende Wartungsarbeiten und das Vorhandensein sensibler Informationen, um nur einige zu nennen. Darüber hinaus dienen diese Funktionen als Mechanismus, um Benutzer zu warnen, wenn Daten aufgrund von Fehlern oder anderen Faktoren nicht aktuell sind. Dies trägt dazu bei, dass die Nutzer über die Qualität und Verfügbarkeit der Daten informiert sind.

Was die Sicherheit betrifft, so bieten beide Plattformen robuste Funktionen zur Kontrolle des Zugangs zu sensiblen Daten und zur Anwendung verschiedener Sicherheitsmaßnahmen auf der Grundlage von Benutzerrollen. Zu diesen Maßnahmen gehören u. a. die Authentifizierung und Autorisierung von Datenquellen, Filterung auf Zeilenebene, Berechtigungen und Verschlüsselung. "Es ist möglich, Rollen und Gruppen zu erstellen, die dann mit verschiedenen Benutzern verknüpft werden, so dass sie auf der Grundlage der Geschäftsanforderungen und der für jeden Benutzer definierten Zugriffsmöglichkeiten auf verschiedene Ebenen von Informationen zugreifen können", erklärt Valentina Gonzalez, BI-Analystin. Dieser Ansatz stellt sicher, dass Beschränkungen gelten, damit nur autorisierte Benutzer auf die entsprechenden Informationen zugreifen können.

Sowohl Looker als auch Tableau bieten Verwaltungs- und Überwachungstools, die es Administratoren ermöglichen, Einblicke in Datennutzungsmuster zu gewinnen und proaktiv Bedenken in Bezug auf Leistung, Konnektivität, Nutzung und Aktualisierungsfehler etc. zu beseitigen. Tableau bietet standardmäßige Verwaltungsansichten, die Daten aus dem Tableau Server- oder Cloud-Repository verwenden. In der Zwischenzeit bietet Looker den Abschnitt Systemaktivität im allgemeinen Verwaltungsmenü, der Zugriff auf eine Vielzahl von LookML-Dashboards und -Modellen bietet. Diese Ressourcen ermöglichen die Analyse der Benutzeraktivität, des Daten- und Inhaltsverbrauchs, der Häufigkeit von Abfragen und der Nutzung veröffentlichter Dashboards und identifizieren sogar Fehler, die bei der Modellierung und Erstellung von Looks auftreten können, bei denen es sich um vordefinierte Visualisierungen zur Beantwortung bestimmter Geschäftsfragen handelt.

Zusammenfassend lässt sich sagen, dass beide Plattformen alle notwendigen Komponenten des Feedback-Zyklus bieten, um eine effektive Governance zu gewährleisten. Es ist jedoch wichtig zu erkennen, dass der Erfolg nicht allein von der Wahl des Tools abhängt. Ebenso wichtig sind die Schulung der Benutzer und die Umsetzung geeigneter Richtlinien und Prozesse innerhalb der Organisation. Diese Schlüsselelemente spielen eine entscheidende Rolle für den Erfolg der Data Governance, da sie sicherstellen, dass die Daten in einer Weise verwaltet und genutzt werden, die mit den Unternehmenszielen übereinstimmt.

Diese Techniken sind spannend, da Google Daten veröffentlicht hat, die zeigen, dass eine Steigerung des Konversionswertes im zweistelligen Prozentbereich möglich ist. Die Ergebnisse hängen eindeutig von den besten Daten, den besten Modellierungsmöglichkeiten und der besten Aktivierungsstrategie ab, und hier spielen die Teams von Media.Monks eine wesentliche Rolle.

Für wen ist das gedacht? Für jeden!

Sind Sie im digitalen Marketing als "Analytiker" tätig? Hauptsächlich datenorientiert? Technisch? Sie kennen sich mit Enhanced Conversions (EC) und Value Based Bidding (VBB) aus, aber wissen Sie über das Tagging hinaus auch, was in den Mediensystemen vor sich geht und wozu es eigentlich dient?

Oder sind Sie ein "nicht-technischer" Vermarkter? Ihre Talente für die Einrichtung und Verwaltung von Kampagnen überschneiden sich nicht mit dem Tagging. Auch hier sind Sie EC- und VBB-übergreifend unterwegs, aber woher kommen die Daten? Warum ist es so knifflig, sie richtig zu machen? Was ist das Problem mit den Tags?

Unabhängig von unserer spezifischen Rolle müssen wir alle ein möglichst umfassendes Verständnis der Lösungen haben. Wir müssen verstehen, was "auf der anderen Seite" passiert, damit wir die besten Lösungen für Kunden und Benutzer liefern können. Hier ist der Knüller, den Sie brauchen. Dies ist sowohl für Mitarbeiter aus dem Bereich Suchanzeigen/Anzeige & Video/Kampagnenmanager als auch für Mitarbeiter aus dem Bereich Google Analytics/Google Tag Manager relevant. Hier ist eine Gelegenheit, Wissen zu teilen... LFG.

Hintergrund.

Die Cookie-Atrophie ist ein schlecht gehütetes Geheimnis. Die Browsertechnologie lässt die Cookie-Nutzung weiter schwinden. Cookies von Drittanbietern werden im Jahr 2024 aus Chrome entfernt, das einen dominanten Marktanteil hat, der für Vermarkter von Bedeutung ist. Das bedeutet jedoch nicht, dass wir uns auf sicherem Terrain befinden, wenn es um Cookies von Erstanbietern geht; schauen Sie sich einfach die Details auf Cookie Status an, um die Realität zu sehen.

Da das Datenvolumen bei ausreichender Signalqualität abnimmt, können wir immer noch Modellierungstechniken einsetzen, um Datenlücken zu verringern, aber das ist keine solide Lösung für sich allein. Wir unternehmen weiterhin alle erforderlichen Anstrengungen, um das Datenvolumen aufrechtzuerhalten und gleichzeitig unsere Taktiken zur Verbesserung der Effizienz weiterzuentwickeln.

An dieser Stelle wird EC zu einem Spielbucheintrag zur Maximierung der beobachtbaren Konversionen, während VBB die Effizienz steigert, indem es eine Optimierung für den Wert statt für das Volumen ermöglicht.

Maximieren Sie beobachtbare Daten.

Wenn wir weniger Daten haben, müssen wir eine bessere Datenqualität haben. Damit meinen wir saubere und klare Daten, bei denen wir Konversionen und Kanäle klar erkennen können. Das bedeutet, dass die Daten auch dann noch nützlich sind, wenn sie nicht vollständig sind. Auch wenn wir Lücken haben, z. B. aufgrund von Browsertechnologien und Cookie-Verlusten, können wir immer noch Daten von Erstanbietern verwenden, um eine bessere Konversionsgenauigkeit zu erzielen. Erweiterte Konversionen helfen uns, mehr Konversionsdaten zu sehen, aber auf eine datenschutzfreundliche Weise.

Was es bewirkt.

Grundsätzlich wird auf der Konversions-/Verkaufs-/Danksagungsseite ein Tag ausgelöst - sagen wir der Einfachheit halber ein Flutlicht-Tag. Die E-Mail-Adresse des Nutzers wird gehasht (mit dem Algorithmus SHA-256 verschlüsselt) und dann zu den Tag-Daten hinzugefügt, die dann an Google gesendet werden. Dieser gehashte Wert wird dann verwendet, um den Nutzer mit den Daten von Google abzugleichen und so Konversionen wiederherzustellen, die in Ihrem Datensatz nicht vorhanden sind.

Sie können eine Reihe von Werten zusätzlich zur E-Mail-Adresse oder anstelle der E-Mail-Adresse verwenden. Die E-Mail-Adresse ist normalerweise in Ordnung. Sie ist verschlüsselt, so dass kein Dritter (nicht einmal Google) die Daten sehen kann, und sie werden nach der Verwendung gelöscht. Google hat ausführliche Informationen über die Verwendung der Daten veröffentlicht, die für Ihre Teams unbedingt zu lesen sind.

Verwenden Sie bewährte Verfahren für das Tagging.

Idealerweise geben Sie in der dataLayer-Variable vorverschlüsselte personenbezogene Daten (PII) an, die von Google Tag Manager (GTM) leicht erfasst und zum Flutlicht hinzugefügt werden können.

Sie können das Document Object Model (DOM) scrapen, um die Daten zu extrahieren, aber dies ist keine robuste, langfristige Lösung. Sie können Google Tag anstelle von GTM verwenden, wenn kein Tag Management System verfügbar ist. Für Offline-Konversionen (Leads) können Sie auch Konversionsdaten über eine API hochladen.

Zusammenarbeit ist der Schlüssel.

Technik-, Datenträger- und Rechtsteams sollten eng zusammenarbeiten, um Änderungen an Datenmengen korrekt zu implementieren und anschließend zu validieren.

Da es sich hierbei nicht um eine Rechtsberatung handelt, müssen Sie sich frühzeitig die Zustimmung Ihrer Rechtsabteilung einholen. Raten Sie Ihren Teams, dafür zu sorgen, dass die EG-Nutzung in Ihren Datenschutz- und Cookie-Richtlinien abgedeckt ist und dass die Zustimmung umfassend informiert wird und eine klare Opt-out-Option besteht.

Stellen Sie sicher, dass Sie den Pfad der Konvertierungsseite kennen und dass die PII-Variable verfügbar ist. Das Scraping des DOM mag für einen Proof of Concept in Ordnung sein, aber verlassen Sie sich nicht darauf als dauerhafte Lösung.

Medienteams müssen einfache Konfigurationsänderungen vornehmen und dann genaue Berichte über Änderungen des Konversionsvolumens erstellen. Setzen Sie Ihre Data-Science-Teams ein, um die Kausalität festzustellen und zu überprüfen, ob die EC funktioniert. Setzen Sie sich nach der Einführung von EC regelmäßig mit Ihren Medienteams in Verbindung, um die Datenvolumina und Änderungen im Auge zu behalten. Seien Sie ungeduldig, wenn es darum geht, etwas zu tun (erledigen Sie es!), aber geduldig, wenn es um die Ergebnisse geht.

Nutzen Sie die wertorientierte Angebotsoptimierung.

Je weiter wir auf dem Weg zur digitalen Reife voranschreiten, desto mehr passen sich unsere Taktiken an und entwickeln sich weiter. Während es in den ersten Tagen normal und in Ordnung ist, nach Klickvolumen zu optimieren, ändert sich der Optimierungs-KPI mit dem Wachstum unseres Unternehmens. Unser Ziel ist es, die Kosten zu senken, den Umsatz zu steigern, den ROI zu erhöhen und letztendlich für den langfristigen Gewinn zu optimieren.

Die Optimierung einer Kampagne für das Klickvolumen war eine brutale Budgettaktik. Die Optimierung nach dem Wert (der Gewinn ergibt sich aus dem Wert) ist eine präzisere Zuweisung des Budgets. Wie das Budget zugewiesen wird, ist der clevere Teil.

Optimieren Sie für den Wert.

Nehmen wir eine E-Commerce-Website, bei der das offensichtlich wertvolle Ergebnis ein Verkauf ist. Es gibt weitere Ergebnisse, die als Signale dafür dienen, dass ein Benutzer ein wertvoller Kunde sein könnte: Anzeigen einer Produktdetailseite, Hinzufügen zum Warenkorb, Starten der Kaufabwicklung. Alle Aktionen führen zu einer Konversion, alle mit unterschiedlichem Wert. Bei jedem Ergebnis wird ein Flutlicht ausgelöst, um GMP mitzuteilen, dass der Nutzer eine "hochwertige Aktion" im Wert von x € durchgeführt hat. Diese Aktionen und Werte werden dann verwendet, um das Angebot für den Nutzer automatisch zu optimieren.

Früher war die Festlegung der mit einer Aktion verbundenen Werte eine Frage des Experimentierens. Jetzt können Sie einen Online-Rechner verwenden, um diese Zahlen zu verfeinern.

Dieser Ansatz des Value Based Bidding erfordert ein Datenvolumen und eine Datenqualität, die durch den Einsatz von EC mit VBB erreicht wird - und er ist extrem leistungsstark. Es gibt nur wenige bewegliche Teile, aber die Werte sind statische, kommerzielle Werte, die nicht immer das wahrscheinliche Verhalten des Nutzers widerspiegeln. Um dieses Problem anzugehen, wollen wir auf eine ältere Lösung zurückblicken, um zu sehen, wie wir diesen Ansatz verbessern können.

Verwendung einer grobkörnigen Optimierung.

Bisher haben wir mithilfe von maschinellem Lernen ein Vorhersagemodell erstellt, das eine Antwort auf die Frage liefert, wie wahrscheinlich es ist, dass Nutzer X konvertiert" Bei der Skalierung werden die Daten als Zielgruppe in GMP importiert, und wir verwenden sie, um zu bestimmen, wo das Budget ausgegeben wird. Ein einfacher Ansatz besteht darin, eine Reihe von Zielgruppen aus dem Modell-Output zu erstellen, um Gebotsoptimierungen vorzunehmen:

• "No hopers" mit der geringsten Konversionsneigung: 0 €.
• "Dead certs" mit der höchsten Konversionsneigung: niedrig oder €0
• "Freie Wähler" mit mittlerer Konversionsneigung; muss überzeugt werden: €maximal

Diese Technik hat in der Vergangenheit gute Ergebnisse geliefert. Sie hat jedoch einige Schwachstellen. Bei drei Zielgruppen ist die Segmentierung nach Neigung recht grob. Mit zunehmender Zahl der Zielgruppen steigt auch der Rechenaufwand und der Wartungsaufwand für die Infrastruktur. Der Benutzer muss die Website erneut besuchen, um "gekocht" zu werden und in eine Remarketing-Zielgruppe aufgenommen zu werden.

Es gibt einen moderneren Ansatz, der die Unzulänglichkeiten dieser Techniken behebt.

Die modellierte VBB-Optimierung geht sogar noch weiter.

Wir werden nun diese beiden Lösungen mit der serverseitigen Datenerfassung (sGTM) kombinieren. Die serverseitige Datenerfassung verfügt über eine Reihe von Schlüsseleigenschaften, die sie für den Einsatz hier sehr geeignet machen:

• Erstens ermöglicht sie eine private Datenanreicherung - wir können den Gewinn als Wert für die Optimierung einführen, ohne dass die Margendaten an Dritte weitergegeben werden.
• Darüber hinaus wird die Haltbarkeit von First-Party-Cookies durch die serverseitige Datenerfassung verbessert. Ihre Erstanbieter-Cookies werden so gesetzt, dass sie für Dritte nicht sichtbar sind - Browser mögen dies und gehen weniger streng mit ihnen um. Dies ist besser für die Qualität Ihrer Erstanbieterdaten.
• Es ist nicht erforderlich, die Website erneut zu besuchen, um die Zugehörigkeit zur Zielgruppe festzustellen; die gesamte Cookie-Erstellung erfolgt bei der Pixelausführung.

Jetzt können wir also Flutlichter für unsere Umsatzkonversionen abfeuern, Gewinndaten pro Artikel auf Serverebene anhängen und Gebote auf der Grundlage der Nutzerrentabilität optimieren. Großartig, aber was ist mit der Ausgabe des Vorhersagemodells?

Am Punkt der serverseitigen Datenerfassung kann sGTM mit anderen Komponenten der Google Cloud Platform (GCP) integriert werden. Wir können nicht nur Gewinndaten extrahieren, sondern auch ein Propensity-Modell abfragen und für jede hochwertige Aktion pro Nutzer die Konversionswahrscheinlichkeit des Nutzers ermitteln. Der prädiktive Score wird dann mit dem Flutlicht verbunden, um den VBB zu steuern.

Dies hat weniger bewegliche Teile als die ältere Lösung. Sie löst das grobkörnige Publikumsmerkmal, indem sie eine Bewertung pro Benutzer liefert, während die Daten gesammelt werden. Auch hier arbeiten wir mit EC zusammen, um die Conversion-Transparenz zu maximieren und leistungsstarke Marketing-Optimierungen voranzutreiben.

Optimieren Sie Ihr Marketing mit EC und VBB.

Diese Techniken werden schon seit einiger Zeit isoliert eingesetzt. Mit einem umfassenderen Verständnis der Datenanforderungen und der Datenaktivierung sind wir alle in einer besseren Position, um datenschutzfreundliche Marketing-Optimierungen zu nutzen, um Effizienz für Kunden und letztendlich eine bessere, nützlichere Online-Erfahrung für Verbraucher zu schaffen.

In Zeiten endloser Datenmengen ist es entscheidend, intelligenter zu sammeln.

Als Analyseexperte und Praktiker weiß ich aus erster Hand, dass das Sammeln von Daten über mehrere digitale Assets und Kanäle entmutigend sein kann. Dies gilt insbesondere, wenn die Zahl der mit dem weltweiten Internet verbundenen Geräte im Jahr 2023 21 Milliarden übersteigt. Glücklicherweise kann unser derzeitiges Internet-Adressierungssystem eine Vielzahl dieser Geräte verarbeiten, nämlich bis zu 3,4×10E38 (das sind 34 gefolgt von 37 Nullen).

Von diesen 21 Milliarden Geräten entfallen etwa 66 % auf Geräte des Internets der Dinge (IoT), die alle Daten über ihren Betrieb, ihre Funktionen und Einstellungen erzeugen. Nennen Sie es vernetzte Blackboxen oder Telemetrie auf Steroiden, aber diese Geräte senden Daten nach Hause zu Dienstanbietern, die diese Daten zur Produktverbesserung nutzen.

Ein solches Ausmaß an Datenerfassung bietet nicht nur den idealen Nährboden für KI und maschinelles Lernen, sondern auch die Möglichkeit, Leistungsgrundlagen und Ausreißer zu ermitteln. Aus diesem unerschöpflichen Fundus an Informationen lassen sich Modelle für die Nutzung von Funktionen, Erkenntnisse und Aktionspläne ableiten.

(Wieder-)Einführung des Messprotokolls.

Wie messen diese Geräte die Aktivität, fragen Sie sich? Dieser Beitrag ist eine perfekte Ausrede, um das Measurement Protocol von Google Analytics 4 als alternative Datenerfassungsmethode zu betrachten, mit der Sie alle benötigten IoT-Daten messen können - und die mit dem flachen Datenmodell kompatibel ist, das Sie kennen und lieben gelernt haben. Das Measurement Protocol wurde in den frühen 2010er Jahren mit der früheren Version von Google Analytics, dem inzwischen eingestellten Universal Analytics, eingeführt. Damals wurde das Measurement Protocol auf sehr kreative Art und Weise eingesetzt. Die Wiedergeburt des Protokolls in GA4 ist eine großartige Gelegenheit, diese weniger bekannte, aber leistungsstarke Funktion in Google Analytics (wieder) zu entdecken.

Im Wesentlichen handelt es sich beim Measurement Protocol um eine API, mit der Sie Ereignisse direkt an Google Analytics-Server senden können, ohne dass umfangreiche Softwareentwicklungskits und komplexe Integrationen erforderlich sind. Der minimale Software-Fußabdruck des Measurement-Protokolls bedeutet, dass es leicht in jedes System eingebettet werden kann, das eine URL aufrufen kann. Wie Sie sich vorstellen können, kann dies für das gesamte IoT genutzt werden - von Kiosken über Verkaufsstellen bis hin zu IoT-Geräten. Einige klare Vorteile sind:

• Standardprotokoll, daher kompatibel mit einer Vielzahl von Geräten und Plattformen
• Einfach zu bedienen, auch für Entwickler mit wenig Erfahrung
• Skalierbar, d. h. es können Daten von einer großen Anzahl von Benutzern erfasst werden
• Sicherheit durch die Verwendung von geheimen Schlüsseln für die Datenerfassung

Aufgrund seines leichtgewichtigen Ansatzes bedeutet die Verwendung des Messprotokolls, dass Sie nur die Daten erfassen können, die Sie benötigen. Da die meisten IoT-Geräte keine explizite Zustimmung des Benutzers vorsehen, sollten Sie einen datenschutzfreundlichen Ansatz wählen und sich auf die Telemetrie und nicht auf persönliche Daten konzentrieren.

Aufdeckung der Funktionsweise des Messprotokolls.

Wie funktioniert das alles? Wenn Sie eine Google Analytics 4 (GA4)-Eigenschaft für Ihr IoT-Projekt erstellen, müssen Sie zunächst eine neue Web-Eigenschaft erstellen und dann einfach auf diesen neu erstellten Datenstrom klicken, um auf das Panel mit den API-Geheimnissen des Measurement Protocol zuzugreifen.

Der nächste Schritt ist die Erstellung eines Schlüssels, auf den Sie in Ihren API-Aufrufen für das Messprotokoll Bezug nehmen werden. Sie müssen lediglich einen Spitznamen für Ihren Schlüssel angeben, und Sie können die angegebene ID in Ihren API-Aufrufen verwenden. Wie Sie aus der folgenden Liste ersehen können, verwenden unsere Data.Monks diesen Schlüssel recht häufig!

Sobald Ihre Schlüssel eingerichtet sind, notieren Sie sich Ihre GA4 Measurement ID für Ihren IoT-Stream und verwenden Sie Code, um eine URL zum Measurement Protocol Service zu erstellen, die alles kombiniert, was wir brauchen, einschließlich Ereignisparameter. Im folgenden Beispiel wird unser angeschlossener Kühlschrank ein Ereignis senden, wenn die Kühlschranktür geöffnet wird.

Die gewünschte URL sollte wie folgt aussehen:

https://www.google-analytics.com/mp/collect?measurement_id={Ihre ID}&api_secret={Ihr Schlüssel}

Nun müssen wir die obige URL als POST-Anfrage mit einer JSON-Nutzlast senden, die die Ereignisparameter enthält, die wir mitschicken wollen. Da es sich hier nicht um ein GA4-Ereignis handelt, das von einem Browser oder einer mobilen App gesendet wird, gibt es keine automatische Erkennung und Erfassung zusätzlicher Elemente wie bei der erweiterten Messung von GA4. Tatsächlich misst das Messprotokoll nur das, was Sie ihm senden. Geben Sie dann die Anfrage in Ihrer bevorzugten Programmiersprache ein - in meinem Fall Python.

Natürlich wird das Ereignis in der GA4-Echtzeitschnittstelle registriert und nachfolgende Treffer werden Teil Ihrer GA4-Berichte - und werden an BigQuery weitergeleitet, wenn Sie Ihre Immobilie mit der Google Cloud Platform verknüpft haben.

Und natürlich ist die Erstellung von Dashboards über die Aktivitäten Ihrer Geräte in Google Looker Studio ein Kinderspiel, wie Sie sich sicher schon denken können. Das war's auch schon!

Zeit zum Ausprobieren des Messprotokoll selbst auszuprobieren.

Wir haben gesehen, dass das Measurement Protocol, wie andere Plattformen zur Datenerfassung auf Ereignisebene, ein API-freundliches Format verwendet, um Daten an Google Analytics zu senden. Vom technischen Standpunkt aus gesehen ist dies eine sehr einfache und effiziente Implementierung, so dass Sie bei all Ihren IoT-Projekten kreativ werden können.

Wir haben die Verwendung des Messprotokolls in erster Linie für IoT-Geräte (oder alle Geräte, die keine Computer, Mobiltelefone oder Spielkonsolen sind) diskutiert. Sie können es aber auch als Datenaustauschmethode in einer Cloud-Umgebung als API-Callback nach Abschluss eines Prozesses verwenden. Das bedeutet, dass das Measurement Protocol hervorragend mit Cloud-Funktionen oder Messaging-Warteschlangen wie Google Pub/Sub oder Kafka funktioniert.

Um noch einmal auf meine Bemerkung zur KI zurückzukommen: Diese Art der Messung ist in der Tat ein idealer Weg, um Daten für ein KI/ML-Modell zu sammeln, aber KI kann auch dazu verwendet werden, das richtige Ereignis zur richtigen Zeit und mit der richtigen Datenmenge auszulösen. An diesem Punkt kann KI Ihren geplanten Datenerfassungsplan improvisieren und verbessern, mit dem Senden von Ereignissen außerhalb des ursprünglichen Programms beginnen und so noch mehr Erkenntnisse freisetzen. In Verbindung mit Cloud ML von Google Cloud Platform werden die Ergebnisse Sie vielleicht überraschen!

Kurz gesagt, hier sind die wichtigsten Erkenntnisse über das Measurement Protocol:

• Einfacher Mechanismus: Jedes System, das eine URL generieren kann, kann es verwenden
• Fördert die präzise, kompakte und datenschutzfreundliche Datenerfassung
• Kann für alles und über alles verwendet werden
• Nutzt die Leistungsfähigkeit des flachen Datenmodells von Google Analytics 4
• Geringer Software-Fußabdruck: sehr begrenzter Ressourcenverbrauch
• Ergänzt eine KI-Strategie und erschließt neue Möglichkeiten