Inhalt
Liebe Leser,
es war zu erwarten, aber nun wurde es offiziell von Google bestätigt: Die „Cookiekalypse“ 2024 fällt aus und wird auf voraussichtlich 2025 verschoben. Auch wenn viele im Markt nicht müde werden, auf die Vorbereitung für das Ende des Third-Party-Cookies in Chrome hinzuweisen, ist weiterhin unklar, welche Alternative Google zur Verfügung stellen wird. Für Nutzer von GA4, Looker Studio und BigQuery haben wir aber sehr konkrete Neuerungen in unserem MarTechBriefing.
Viel Spaß beim Lesen!
1. Third-Party Cookie Phase-out in Chrome erneut verschoben
Täglich grüßt das Murmeltier: Google hat das Aus für die Third-Party-Cookies-Technologie erneut verschoben. Ursprünglich war die Einstellung der Technologie für die zweite Hälfte des Jahres 2024 geplant. Bisher konnte das Unternehmen wettbewerbsrechtliche Bedenken der britischen Wettbewerbs- und Marktaufsichtsbehörde CMA in Bezug auf Googles Privacy Sandbox nicht aus dem Weg räumen.
In ihrem letzten Bericht hat die CMA ihre Bedenken dargelegt: Google profitiere mit der Privacy Sandbox weiterhin von den Daten der Nutzeraktivitäten, während es gleichzeitig den Zugang der Wettbewerber zu den in Chrome erhobenen Daten einschränkt. Zudem könne Google durch die Möglichkeit des Listings bestimmter Ad-Tech-Konkurrenten die Konkurrenten kontrollieren, um seine eigenen Ad-Tech-Dienste zu begünstigen.
Angesichts dieser Bedenken hat Google nun daher beschlossen, die Abschaffung der Third-Party-Cookie-Technologie auf Anfang 2025 zu verschieben.
Quelle: developers.google.com
2. Salesforce Data Import in GA4
Salesforce wurde als Datenquelle für den Datenimport in GA4 hinzugefügt. Mit dieser Funktion lassen sich Offlinedaten zu Events direkt aus Salesforce in GA4 importieren. Importe können über das Linking täglich oder stündlich geplant werden. Über das GA4 Interface lassen sich spezielle Meilensteine und Attribute aus Salesforce auswählen, die importiert werden sollen. Salesforce-Meilensteine werden dabei als eigenes Event in GA4 erfasst. Optional können vorhandene Salesforce-Attribute als Custom Dimension importiert werden.
Um das Linking einzurichten, wird uneingeschränkter Zugriff (z. B. Systemadmin) auf bestimmte Salesforce-Objekte und Salesforce‐Felder benötigt. Dem Nutzer, der die Salesforce- und Analytics-Konten miteinander verknüpft, muss die Berechtigung „Alle Daten modifizieren“ erteilt werden. Das ist erforderlich, damit Google über die Salesforce Metadata API die Lead-Conversion-Einstellungsdaten abrufen kann.
Eine Schritt-für-Schritt-Anleitung zur Einrichtung des Datenimports finden Sie in der offiziellen Dokumentation.
Quelle: Eigene Darstellung in Anlehnung an github.com/google/lightweight_mmm
3. Neue Features für Looker Studio (Pro)
Google arbeitet intensiv an dem Ausbau der Tools und deren Features von Looker Studio und Looker Studio Pro. Im April gab es wieder einige Updates für Nutzer. Folgende Funktionen stehen ab sofort zur Verfügung:
Neue Option im Timeline Chart
Mit der neuen Option des Zeitdiagramms können Beziehungen zwischen Gruppen von Events visualisiert und in der Zeitspanne verglichen werden, in der diese Events stattgefunden haben. Ein Beispiel finden Sie in der Abbildung rechts.
Looker Studio Reports in Google Sheets erstellen
Seit Neuestem lässt sich ein Looker Studio Report direkt in Google Sheets erstellen. Um einen Bericht aus einem Google-Sheets-Arbeitsblatt oder -Bereich zu erstellen, wird eine Looker Studio Extension verwendet. Eine Schritt-für-Schritt-Anleitung zur Verbindung eines Google Sheets zu einem bestehenden Looker Studio Account finden Sie hier.
Google-Cloud-Projekt während der Anmeldung erstellen
Jedes Looker-Studio-Pro-Abo ist mit einem Google-Cloud-Projekt verknüpft. Das Projekt bildet die Grundlage für das Erstellen, Aktivieren und Nutzen aller Google-Cloud-Dienste, einschließlich des Verwaltens von APIs, des Aktivierens der Abrechnung und so weiter. Ab sofort kann nun schon während der Anmeldung (Subscription) zu Looker Studio Pro ein dediziertes Google-Cloud-Projekt für das Hosting der Inhalte erstellt werden: eine kleine, aber feine Zeitersparnis.
Quelle: lookerstudio.google.com
4. User Data Import für GA4 Audiences
Daten, welche über den User Data Import entweder über die user_id oder die client_id verbunden werden, stehen nun als Kriterien zur Verfügung, um Nutzer für eine bestehende GA4 Audience zu qualifizieren. Dies bedeutet im Umkehrschluss, dass bereits importierte Nutzer automatisch einer GA4 Audience hinzugefügt werden, sofern sie die definierten Kriterien erfüllen.
Für den User Data Import werden die Stream ID sowie entweder die client_id (Web) oder die InstanceId (App) verwendet. Zudem wird eine eindeutige Kennung für den Nutzer (User ID) benötigt, beispielsweise eine gehashte ID aus dem CRM-System. Eine detaillierte Anleitung zur Einrichtung des User Data Import für die Erstellung von GA4 Audiences finden Sie hier.
Quelle: analytics.google.com
5. Updates für den BigQuery Data Transfer Service
Auch diesen Monat hat der BigQuery Data Transfer Service ein Update bekommen. Ab sofort können auch Daten für den Product Targeting Report des Google Merchant Centers übertragen werden
Daten zum Product Targeting helfen Merchants dabei, nachzuvollziehen, welche Produkte sich im Targeting von Google Shopping Ads und Performance-Max-Kampagnen in den jeweils verknüpften Advertiser Accounts befinden. Sofern bei der Aktivierung des Data Transfer Service die Option „Product Targeting“ gewählt ist, erstellt BigQuery während der Übertragung automatisch eine neue Tabelle mit dem Präfix ProductTargeting.
Weitere Informationen zum Tabellen-Schema für das Product Targeting finden Sie hier.
Quelle: cloud.google.com
6. Neue Features in BigQuery
Generierung von SQL-Code mit Gemini
Die SQL-Codegenerierung ist jetzt für alle BigQuery-Projekte in einer ersten Preview verfügbar. Auf die Gemini AI kann direkt über das BigQuery Interface zugegriffen werden, um eine SQL-Abfrage zu generieren, abzuschließen oder textlich zu erklären. Des Weiteren lässt sich Python-Code generieren und vervollständigen.
(Quantified) LIKE Operator generell verfügbar
Der Quantified LIKE Operator ist nun allgemein verfügbar (GA). Mit diesem Operator lässt sich ein Suchwert auf Übereinstimmungen mit einer Liste von Mustern oder einem Array von Mustern überprüfen. Folgende drei Bedingungen können hierfür verwendet werden:
LIKE ANY:
überprüft, ob mindestens ein Muster übereinstimmt.
LIKE SOME:
Synonym für LIKE ANY
LIKE ALL:
überprüft, ob jedes Muster übereinstimmt.
Weitere Informationen zu dem Quantified LIKE Operator und die für ihn geltenden Kollationierungsvorbehalte (Collation Caveats) und Semantischen Regeln (Semantic Rules) finden Sie hier.
BigQuery DataFrames generell verfügbar
Auch BigQuery Dataframes ist nun generell verfügbar (GA). Dataframes sind eine Reihe von Open-Source-Python-Bibliotheken, über welche die Datenverarbeitung mittels bekannter Python APIs durchgeführt werden kann. Pandas und scikit-learn APIs werden dabei implementiert, indem die Verarbeitung über SQL-Konvertierung nach BigQuery verschoben wird. Transformationen können zusätzlich mit benutzerdefinierten Python-Funktionen erweitert werden, welche automatisch als Remote-Funktionen von BigQuery bereitgestellt werden. Zudem bietet Dataframes eine Einbindung in die Vertex AI.
Quelle: cloud.google.com