Inhalt

Liebe Kunden,
in diesem MarTech Briefing möchte ich Ihnen unser Whitepaper zum Einsatz eines RFM Modells und darauf basierend das Clustering mit Machine Learning ans Herz legen. Mithilfe von BigQuery und GA4 gelingt es sehr einfach und schnell, Insights zu generieren, nicht nur im eCommerce. Zudem gibt es neue Features in Google Ads sowie DataStudio und die Ankündigung einer europäischen Cloud Lösung.
Viel Spaß beim Lesen! Wir wünschen Ihnen und Ihrer Familie ein frohes und gesegnetes Weihnachtsfest, viel Glück, Gesundheit und Erfolg im neuen Jahr.
Google Ads Performance Planner: Neue Updates
Mitte diesen Monats hat Google neue Updates für seinen Google Ads Performance Planner veröffentlicht. Der Performance Planner ist ein Tool, mit dem sich vereinfacht Pläne für Werbeausgaben erstellen und Leistungsprognosen treffen lassen. Grundlegend bietet der Planner Auskunft darüber, wie sich Änderungen an Kampagnen auf Kennzahlen sowie die Gesamtleistung der Kampagne auswirken könnten und modelliert anschließend die beste Budgetverteilung für einzelne Kampagnen.
Updates im Überblick:
Ineligible Campaigns
Nicht zulässige Kampagnen können nun einem Performance Plan hinzugefügt werden, indem auf historische Leistungen von Kampagnen zurückgegriffen wird oder manuelle Prognosen zur Planung dem Konto hinzugefügt werden.
Secondary Metrics
Für Performance Plänen können ab sofort sekundäre Metriken hinzugefügt werden. Dies macht es einfacher, die Auswirkungen auf die Leistung über primäre Metriken hinaus zu verstehen.
Suggested Changes
Über die Spalte “Änderungsvorschläge“ werden jetzt vorgeschlagenen Budget- und Gebotsempfehlungen für eine bestimmte Kampagne angezeigt.
Quelle: support.google.com
Neue Features für Google Data Studio
Es wird weiter tüchtig an Google Data Studio gearbeitet, sodass auch im Dezember wieder einige Updates und Features veröffentlicht wurden, die wir Ihnen nicht vorenthalten möchten:
Amazon Redshift Connector
Als neues Beta-Feature steht ein Amazon Redshift Connector zur Verfügung, über den sich Tables oder Custom Queries aus Amazon Redshift als neue Datenquellen für Reports in Data Studio beziehen lassen.
Neue Dimensionen aus Google Ads
Über den Google Ads Connector stehen neue Dimensionen für Data Studio Reports zur Verfügung. Folgende Dimensionen wurden ergänzt:
- Account Budget Order Amount,
- Account Budget Order Adjustable Amount,
- Account Budget Amount Spent,
- Campaign Bid Strategy Type,
- Ad Group Bid Strategy,
- Target CPA,
- Target ROAS,
- User Ad Distance
- First Position Bid
Gesteigertes Limit und horizontales Scrollen für Tabellen
Ab sofort lassen sich bis zu 100 Dimensionen und 100 Metriken in Table Charts visualisieren, die auf Datenquellen mit „flexiblem Schema“ basieren, wie Sheets oder BigQuery. Für Datenquellen, die auf Konnektoren mit „festem Schema“ basieren, wie Ads und Google Analytics, können 10 Dimensionen und 20 Metriken verwendet werden. Als zusätzliches Feature wurde das horizontale Scrollen für Table Charts eingeführt, um eine bessere Übersichtlichkeit und Interaktion mit den Daten zu bieten.
Release der GA4 Measurement Protocol-API (Beta)
Seit Anfang des Monats stellt Google seinen GA4-Nutzern eine offizielle Dokumentation der Measurement Protocol-API in einer ersten Beta-Version zur Verfügung.
Mit dem Measurement Protocol lassen sich manuell konfigurierte HTTP-Anfragen für Events direkt an die Server von Google Analytics senden. Auf diese Weise können Nutzer und ihre Interaktionen von jeder HTTP-fähigen Umgebung aus gemessen werden. Dies macht es unter anderem besonders einfach, Interaktionen zu messen, die von Server zu Server stattfinden. Bekannte Use Cases für die Verwendung des Measurement Protocols sind unter anderem das Messen von Offline-Interaktion oder das Tracking auf Umgebungen, welche nicht dauerhaft mit dem Internet in Verbindung stehen (Bspw. Amazon Fire TV Stick).
Die offizielle Dokumentation sowie alle Paramater-Referenzen finden sich hier
Quelle: developers.google.com
Eine Cloud nach europäischen Maßstäben
Googles neueste Initiative
Mit der Initiative „Cloud. Nach europäischen Maßstäben.“ soll Cloud-Nutzern innerhalb der Europäischen Union zukünftig ein höheres Maß an digitaler Souveränität auf Grundlage folgender Säulen geboten werden:
Datensouveränität
Volle Kontrolle über Verschlüsselung und Zugriff.
Operationelle Souveränität
Transparenz und Kontrolle über Vorgänge des Service-Anbieters.
Software-Souveränität
Workloads werden ohne Bindung an Anbieter ausgeführt und können im Falle einer forcierten Trennung auch ohne Verbindung zur Cloud weiter betrieben werden.
Hierfür entwickelt Google im ersten Schritt zusammen mit dem deutschen Anbieter T-Systems eine souveräne Cloud für Kunden im öffentlichen und privaten Sektor. Eine erste Version soll Mitte 2022 verfügbar sein und im Laufe der Zeit mit zusätzlichen Funktionen ergänzt werden. Kooperationen mit Technologieanbietern in weiteren europäischen Märkten werden sukzessiv folgen. Hierbei sollen Kunden sowohl Standardfunktionen der Google Cloud als auch Zusatzfunktionalitäten des jeweiligen Landes-Partners nutzen können, um Datenzugriff und -nutzung souverän zu steuern.
Quelle: cloud.google.com
RFM-Analyse und User Clustering mit BigQuery ML
Ein Whitepaper von mohrstade
Die RFM-Analyse ist eine einsteigerfreundliche Methode, um performante Kunden zu identifizieren, in entsprechende Segmente (Cluster) zu unterteilen und nicht-performante Nutzergruppen für Marketingmaßnahmen auszuschließen. Auf Grundlage vergangenem Verhaltens werden Nutzern durch die Kennzahlen Recency (Kauf-Aktualität), Frequency (Kauf-Häufigkeit) und Monetary (Umsatz) mit einem Scoring gruppiert und gekennzeichnet, welches aussagt, wie hoch die Wahrscheinlichkeit ist, dass dieser Nutzer auf zukünftige Marketingmaßnahmen reagieren wird.
Um Ihnen einen Einstieg in die RFM-Analyse zu ermöglichen, stellen wir in unserem neuesten Whitepaper „RFM-Analyse und User Clustering mit BigQuery ML“ einen technischen Lösungsansatz für die intelligente Segmentierung von Nutzergruppen und ihrer Nutzung in Google Ads und Google Optimize vor.
RFM-Analyse und User Clustering mit BigQuery ML