Inhalt
Liebe Leser,
endlich ist es so weit: Server-side Tag Management ist für Firebase/GA4 Apps verfügbar. Auch wenn die Konfiguration eine Anpassung des Source Codes der App erfordert, ist ein Umstieg zu empfehlen. Ebenso hat Google mit „BigQuery AI-assisted data preparation“ eine neue Beta im Portfolio, auf die sich ein Blick lohnt.
Viel Spaß beim Lesen!
Marcus Stade
Head of Analytics
1. Google First Party Mode mit Cloudflare implementieren
Der First Party Mode (FPM) soll es Anwendern von Google-Tools erleichtern, diese in einem First-Party-Kontext auf ihrer Website einzubinden. Ab sofort ist es auch möglich, den FPM mittels Cloudflare zu implementieren.
Durch die Einbindung des FPM kommuniziert der Browser des Nutzers nicht mehr direkt mit den Domains von Google, sobald Tracking-Skripte wie die des Google Tags oder Google Tag Managers geladen werden. Stattdessen werden die Requests von einem Unterordner der Website selbst angenommen. Von dort aus werden die Requests an die Google-Server weitergeleitet und die Antworten an den Webbrowser zurückgeschickt. Navigiert der Nutzer zu https://mohrstade.de/, werden die Requests nicht an https://tagmanager.google.com gesendet, sondern beispielsweise an https://mohrstade.de/requests. So kommuniziert der Browser immer nur mit der Domain der jeweiligen Website.
Für viele Nutzer von Google Analytics und Co. ist der Service in seiner derzeitigen Form allerdings nicht nutzbar, da er eine bestimmte Art von Website-Infrastruktur voraussetzt. Dennoch ist es ein spannendes Feature, dessen Entwicklung man unbedingt verfolgen sollte.
Weitere Informationen zu der Implementierung des FPM finden Sie in der offiziellen Dokumentation.
Quelle: developers.google.com
2. Neue Qualitätsstatus für die Tag-Diagnose im GTM
Bereits Mitte des Jahres wurde das Tag-Diagnose-Tool für das Google Tag veröffentlicht. Mit dem Tool lassen sich Probleme mit dem Google Tag auf der Website identifizieren. Der Zugriff kann direkt über die Einstellungen des Google Tags in Google Ads, GA4 und dem Google Tag Manager erfolgen. Das Diagnose-Tool zeigt verschiedene Tag-Qualitätsstatus an, um Probleme, deren Schweregrad sowie Maßnahmen zu deren Behebung aufzuzeigen. Nun wurde das Tool um zwei weitere Diagnosen ergänzt:
Tag has stopped sending data:
Diese Diagnose erscheint, wenn das Google Tag in den letzten 48 Stunden keine Daten mehr gesendet hat.
Tag found too low on page:
Diese Diagnose erscheint, sobald das Google Tag zu weit unten auf der Seite positioniert ist. Die Platzierung von Tags hat einen Effekt auf die Ladegeschwindigkeit und deren Aktivierung.
Zudem wurde ein neuer Tag-Qualitätsstatus „Keine neueren Daten“ eingeführt. Dieser wird angezeigt, sofern das Google Tag in den letzten 48 Stunden nicht erkannt wurde.
Quelle: support.google.com
3. BigQuery AI-assisted data preparation (Beta)
Mit BigQuery data preparation veröffentlicht Google eine “AI-first solution”, welche den Prozess der Datenvorbereitung als Teil von Gemini in BigQuery rationalisiert und vereinfacht. Derzeit befindet sich das Tool noch in einer ersten Preview und verfügt über folgende Features:
KI-unterstützte Vorschläge:
BigQuery data preparation nutzt Gemini in BigQuery, um die Daten und deren Schemata zu analysieren und anschließend Vorschläge für die Bereinigung, Transformation und Anreicherung der Daten zu machen. Dies soll den Zeit- und Arbeitsaufwand für manuelle Transformationsprozesse reduzieren.
Datenbereinigung und -standardisierung:
Mithilfe von Gemini lassen sich Inkonsistenzen durch fehlende Werte und Formatierungsfehler in den Daten identifizieren und korrigieren.
Visuelle Datenpipelines:
Die schon aus Dataform bekannte visuelle Low-Code-Benutzeroberfläche hilft sowohl technischen als auch nicht-technischen Benutzern, komplexe Datenpipelines einfach zu entwerfen und die umfangreichen und erweiterbaren SQL-Funktionen von BigQuery zu nutzen.
Orchestrierung von Datenpipelines:
Das von der BigQuery data preparation generierte SQL kann Teil einer Dataform data engineering pipeline werden, die sich nach einem bestimmten CI/CD bereitstellen und orchestrieren lässt.
Weitere Informationen und Details zur Nutzung der BigQuery data preparation finden Sie in der offiziellen Dokumentation.
Quelle: cloud.google.com
4. BigQuery pipe syntax: SQL für LOG-Daten
Die BigQuery Pipe syntax (Top-Down-Syntax) wurde speziell für semi-strukturierte Protokolldaten eingeführt. Durch die visuelle Trennung der verschiedenen Phasen einer Abfrage mit dem Pipe-Symbol (|>) wird der logische Fluss der Transformation besonders verständlich. Die Standard-Syntax leidet unter Problemen, die das Lesen, Schreiben und Warten des SQL erschweren können. Die folgende Tabelle zeigt, wie die Pipe-Syntax bestimmte Probleme löst:
| Standard-Syntax | Pipe syntax |
| Klauseln müssen einer bestimmten Reihenfolge folgen. | Pipe-Operatoren können in beliebiger Reihenfolge angewendet werden. |
| Komplexere Abfragen, wie Abfragen mit mehrstufiger Aggregation, erfordern in der Regel CTEs oder verschachtelte Unterabfragen. | Komplexere Abfragen werden normalerweise durch Hinzufügen von Pipe-Operatoren am Ende der Abfrage ausgedrückt. |
| Während der Aggregation werden die Spalten in den SELECT-, GROUP BY- und ORDER BY-Klauseln wiederholt. | Spalten können nur einmal pro Aggregation aufgeführt werden. |
Filter (WHERE), Aggregationen (COUNT) und Sortierungen (ORDER BY) lassen sich mit der Pipe syntax nahtlos miteinander verknüpfen. Gerade für Ad-hoc-Analysen und die inkrementelle Abfrageerstellung erleichtert die logische Reihenfolge der Operationen das Schreiben und Debuggen von Abfragen. Weitere Informationen und Code-Beispiele zur Pipe syntax finden Sie in der offiziellen Developer-Dokumentation.
Quelle: Eigene Darstellung
5. App-Daten an GTM Server senden
Das Google Analytics SDK für Android- und iOS-Apps unterstützt ab sofort die Integration mit dem serverseitigen Google Tag Manager. In der Vergangenheit stützte sich das Tracking mobiler Apps hauptsächlich auf clientseitige Lösungen. Bei der traditionellen Methode wurden die Nutzerdaten aus Firebase direkt von der App an Google Analytics gesendet.
Beim Server-side Setup enthält der Body des gesendeten POST-Request eine Menge an zusätzlichen Metadaten über den Request selbst sowie Informationen über das verwendete Gerät und die App, zudem ein Bündel von Events, die von der App gesendet werden. Was den Detailgrad der Informationen angeht, war Firebase Analytics schon immer eine Art Blackbox. Sollen ausgehende Requests aufgeschlüsselt werden, ist die Installation weiterer Tools und Proxys nötig. Mit dem Routing über den Server-side GTM müssen zwar immer noch zusätzliche Konfigurationen vorgenommen werden, doch können auf diese Weise die Debug-Streams effizient genutzt werden.
Einen technischen Leitfaden zur Einrichtung des App-Trackings über den Server-side GTM finden Sie in der offiziellen Dokumentation.
Quelle: developers.google.com
Co-Founder & Head of Digital Analytics @ mohrstade
