Inhalt
Liebe Kunden,
Viel Spaß beim Lesen, wir wünschen frohe Ostern!
Endlich: Ausschließen von Verweisen im GA4 Interface möglich!
Seit Kurzem bietet GA4 die Möglichkeit, unerwünschten Verweis-Traffic direkt über das GA4-Interface auszuschließen.
Unter dem Reiter “Weitere Tagging-Einstellungen”, welcher sich in den Einstellungen des ausgewählten Data Streams befindet, lässt sich mit der Option “Liste unerwünschter Verweise” eine Filter-Liste für unerwünschte Verweisquellen erstellen. Dies ermöglicht schnelle Anpassungen direkt über das GA4-Interface, ohne technische Verweis-Ausschlusslisten über den GTM zu erstellen. In der Liste lässt sich der Verweis-Traffic über die altbekannten Übereinstimmungskriterien definieren und ausschließen.
Neu: Publish Mode in Data Studio
Die Weiterentwicklung von Data Studio läuft auf Hochtouren. Auch diesen Monat veröffentlicht Google weitere Neuerungen.
Einer der lang erwarteten Features stellt der “Publish-Mode” dar, wodurch Editor ab sofort steuern können, wann für Viewer vorgenommene Änderungen an einem Bericht veröffentlicht werden. Das Feature erlaubt es somit geschützt an einem Entwurf bis zu seiner Fertigstellung zu arbeiten.
Neu: Event scoped campaign dimensions in Data Studio
In Data Studio stehen ab sofort Dimensionen für ereignisgesteuerte Kampagnen aus GA4 für Reportings zur Verfügung. Dies beinhaltet unter anderem die Dimensionen Quelle, Medium, Kampagnen-ID, Kampagne, Google Ads-Kontoname, Google Ads-Anzeigengruppen-ID etc.
Technisch werden die Dimensionen bei in GA4 angelegten Conversion Events gesetzt. So lässt sich beispielsweise eine Conversions direkt auf Quelle/Medium attribuieren.
Launch von PIWIK Pro Core
Eine kostenfreie Core-Version mit Analytics Suite
Mit dem Launch einer kostenfreien Core-Version der PIWIK PRO Analytics Suite unternimmt das Unternehmen einen Schritt aus dem Schatten großer Anbieter wie Google Analytics oder Adobe Analytics. Das Aushängeschild von PIWIK Pro ist ein besonders DSGVO-konformes Tracking zu ermöglichen, in dem unter anderem ein Hosting der Daten innerhalb der EU stattfindet, als auch ein Consent Management Tool standardmäßig in der Suite integriert ist. Das Tool ist daher seit Längerem besonders bei Datenschützern eine beliebte Alternative.
Geworben wird zudem mit einem direkten Zugriff auf die Rohdaten per API Schnittstelle. Jedoch bietet GA4 durch seine kostenfreie BigQuery-Anbindung die gleiche Möglichkeit, ohne ein Limit von monatlich 100.000 Hits, wie es bei PIWIK Pro Core der Fall ist. Dennoch liefert PIWIK Pro in seiner kostenlosen Core-Version eine vielversprechende Analytics Suite mit diversen Reports, Attributions-Berichten, integriertem Tag Management System etc., was definitiv einen Blick ins Tool wert sein wird.
Geplant ist der Launch von PIWIK Pro Core für Sommer diesen Jahres. Es gibt jedoch einen Early-Access, mit der das Produkt vor offiziellem Launch getestet werden kann.
Wer Interesse an einem Early-Access Key hat, kann sich gerne mit uns in Verbindung setzen. (Vorrat begrenzt)
Launch von Google Model Search
Eine Open Source Plattform für Machine Learning-Modelle
Der Erfolg neuronaler Netzwerke (NN) hängt oftmals davon ab, wie gut sie sich auf verschiedene Aufgaben verallgemeinern lassen. In den letzten Jahren wurden AutoML-Algorithmen entwickelt, mit denen sich automatisch das richtige NN finden lässt, ohne dabei manuell experimentieren zu müssen.
Diese Algorithmen sind jedoch meist rechenintensiv und benötigen zahlreiche Modelle, um trainiert zu werden. Darüber hinaus untersuchen sie lediglich domainspezifisch, weshalb sie sich nicht gut domainübergreifend verwenden lassen.
Um den Zugang zu AutoML-Lösungen für die breiter Masse zugänglich zu machen, stellt Google mit “Model Search” eine Open Source Plattform zur Verfügung, um ML-Modelle effizient und automatisch in Tensorflow zu entwickeln. Die Modellsuche ist flexibel und in der Lage, die geeignete Architektur für den Datensatz und das Problem zu finden. Gleichzeitig wird der Aufwand für Rechenressourcen minimiert.
Das Model-Search-System besteht aus mehreren Trainern, einem Suchalgorithmus, einem Transfer-Learning-Algorithmus und einer Datenbank für die Speicherung evaluierter Modelle. Das System führt dabei sowohl Trainings- als auch Evaluierungsexperimente für verschiedene ML-Modelle (Architekturen/Trainingstechniken) durch.
Während jeder Trainer die Experimente eigenständig durchführt, teilen alle Trainer die Erkenntnisse aus ihren Experimenten. Zu Beginn eines jeden Zyklus prüft der Suchalgorithmus alle abgeschlossenen Versuche und entscheidet über das weitere Vorgehen. Es wird eine Mutation über eine der besten Ergebnisse aufgerufen, welche anschließend das resultierende Modell erneut einem Trainer in der Iteration zuweist.
Die Wahl des richtigen App Tracking Setups
mohrstade Whitepaper
Durch den kontinuierlichen Anstieg der mobilen Internetnutzung gewinnt das Thema App Tracking stetig an Relevanz. Für das App Tracking ist neben der technischen Grundlage und ihrer Funktionsweise entscheidend, wofür die generierten Daten Verwendung finden und an welche Systeme diese weitergereicht werden sollen. Für die zahlreichen Anforderungen haben sich dementsprechend diverse Lösungsansätze für das Tracking von Apps am Markt etabliert. Um optimale Unterstützung bei der Wahl der richtigen Lösung zu bieten, zeigen wir in unserem Whitepaper “App Tracking mit der Google Marketing Platform” welche Optionen es für das App-Tracking gibt und welche sich für die jeweilige technische Gegebenheit am besten eignet.
App Tracking Guide