Customer Data Platform Anbieter Evaluation Guide

Wie man die richtige CDP für das Unternehmen auswählt.

Marketing Kanäle tauschen kaum Daten untereinander aus. Das Ergebnis ist eine Fragmentierung der Kundenprofile über unterschiedliche Plattformen, Netzwerke und Anbieter hinweg. Es entstehen Datensilos, die eine konsistente Zielgruppenansprache im Marketing über über alle Touchpoint verhindern. Das ist nicht nur ineffektiv, sondern äußerst ineffizient, wenn eine einheitliche, personalisierte, geräte- und kanalübergreifende Kundenansprache gefragt ist. Eine Customer Data Platform bietet Abhilfe und verschafft durch eine einheitliche Zielgruppenbestimmung erstmals die Möglichkeit für eine konsistente Zielgruppenansprache über die gesamten Touchpoints der Customer Journey.

*Ohne Kontaktdaten Eingabe

Customer Data Platform Implementation Guide

Wie man eine CDP datenschutzkonform implementiert.

Eine CDP bietet erstmals die Möglichkeit, personenbezogene Daten und First Party Daten datenschutzkonform zusammenzubringen und darauf aufbauend Segmente an die jeweiligen Marketingtools zu übergeben. Damit ist eine konsistente Zielgruppenansprache über alle Marketingmaßnahmen möglich.

*Ohne Kontaktdaten Eingabe

Realtime Marketing Attribution

mit Google Analytics 4 und der AI Platform (GCP)

Marketing Attribution wird von Unternehmen genutzt, um die Effektivität ihrer Marketingmaßnahmen hinsichtlich der gesamten Customer Journey zu beurteilen. Diese Erkenntnisse können dann genutzt werden, um das Marketing-Budget besser zwischen den einzelnen Marketingkanälen (Cross-Channel) zu verteilen.

Leider findet die Optimierung innerhalb der Marketingkanäle (Intra-Channel) nicht hinsichtlich dieses Attributionsmodells statt. Die Optimierung Cross-Channel und Intra-Channel finden damit nicht auf der gleichen Datengrundlage statt, was zu Fehlentscheidungen führt. Um dem Abhilfe zu schaffen, empfehlen wir eine Realtime Marketing Attribution der Conversion Values zum Zeitpunkt des Kaufs basierend auf der individuellen Customer Journey.

*Ohne Kontaktdaten Eingabe

App Tracking

mit Firebase und Google Analytics 4

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 diesem Whitepaper welche Optionen es für das App-Tracking gibt und welche sich für die jeweilige technische Gegebenheit am besten eignet.

*Ohne Kontaktdaten Eingabe

Server-Side Google Tag Manager

Seit Mitte 2020 setzt Google mit dem Server-Container des Google Tag Managers neue Maßstäbe in puncto Erhebung und Weiterverarbeitung von Nutzerdaten. Im Fokus der Lösung stehen vielversprechende Themen wie „Data Ownership“. Neben wachsenden technischen Anforderungen an Nutzer steigt somit auch die Gefahr einer missbräuchlichen oder nicht-rechtlichen Nutzung der Daten, da Themen wie Consent Management, Datenmodellierung und Datenschutz in alleiniger Verantwortung des GTM Servers liegen.

Unser neuestes Whitepaper soll einen Einblick in die Funktionsweise des serverseitigen Trackings mit seinen Vor- und Nachteilen geben, um eine Entscheidungsgrundlage für einen Wechsel auf einen GTM Server zu schaffen.

*Ohne Kontaktdaten Eingabe

Arbeiten mit Google BigQuery

Durch Plattform-Strategien wie die der Google Marketing Platform (GMP) und Google Cloud Platform (GCP) werden einstige Eintrittsbarrieren in der Arbeit mit Rohdaten mehr und mehr aufgelockert. Das reine Arbeiten mit aggregierten Daten im Tool-Interface weicht immer mehr komplexeren Analysen mit Rohdaten. In diesem Whitepaper stellen wir Ihnen die Möglichkeiten und Vorteile der Rohdaten-Analyse mit Google BigQuery vor und zeigen anhand praktischer Use Cases, wie die Analyse von Rohdaten zur Erklärung komplexer Sachverhalte dienen kann.

*Ohne Kontaktdaten Eingabe

Einfluss von Offline Marketingkampagnen analysieren

Auswirkungen von Offline Maßnahmen auf Online-Nutzerverhalten

Die technische Erfassung und Analyse von Offline-Marketing Aktivitäten schafft Verständnis dafür, wie sich der Kunde in der Offline-Welt bewegt und welchen Einfluss dies auf sein Online-Kaufverhalten nimmt. Die ganzheitliche Betrachtung der Customer Journey ermöglicht daher eine gezieltere und effizientere Aussteuerung von Marketingmaßnahmen zur richtigen Zeit über den richtigen Kanal wie auch eine genauere Attribution. Im Umkehrschluss führt dies also zu einem durchgängig besseren Marketing. Welche unterschiedlichen Offline Marketingmaßnahmen es gibt und welche Möglichkeiten und Herausforderungen in der Datenerfassung und Analyse dieser bestehen, erfahren Sie in diesem Whitepaper.

*Ohne Kontaktdaten Eingabe

Branchen Whitepaper: Mobile Gaming

Ein Blueprint für die Digitale Analyse und Marketing Technologie

In Deutschland wurde allein im Jahr 2020 in der Gaming Branche ein Umsatz von rund 8,5 Milliarden Euro erzielt. Das entspricht einem Wachstum von 32 Prozent im Vergleich zum Vorjahr. Allein der Umsatz mit Gaming Apps wuchs zwischen 2019 und 2020 um 24 % auf rund 2,3 Milliarden Euro an.

Mobile Gaming ist daher eine ernstzunehmende und lukrative Branche, in der viel Optimierungspotenzial durch den Einsatz von digitaler Analyse und Marketing Technologien besteht. In unserem Branchen-Whitepaper zum Thema Mobile Gaming stellen wir Ihnen einen Blueprint für eine optimale Monetarisierung ihres Mobile Games durch am Markt erprobte Methoden und Vorgehensweisen zur Verfügung.

*Ohne Kontaktdaten Eingabe

Abweichungen zwischen Klicks auf Werbemittel und Sessions in Google Analytics

Mini-Whitepaper

Datenabweichungen zwischen Marketing- und Analytics-Tools sind keine Seltenheit. Grund dafür ist unter anderem die Verwendung unterschiedlicher Attributionsmodelle für die Zuordnung der Interaktion. Hinzu kommen datenschutzrechtliche Einschränkungen durch Rechtsprechung und Anbieter sowie eine unterschiedliche Datengrundlage.

Wie Abweichungen zwischen Klicks auf Werbemitteln und Sessions in Google Analytics zustande kommen und sich interpretieren lassen, haben wir für Sie im Rahmen eines Mini-Whitepapers zusammengefasst.

*Ohne Kontaktdaten Eingabe

Marketing Attribution für Mobile Apps

Möglichkeiten und Herausforderungen

Durch zunehmende datenschutzrechtliche Einschränkungen wird der Austausch von Nutzerdaten über mehrere Daten-Endpunkte auch auf mobilen Endgeräten zunehmend erschwert. Den größten nimmt dabei das von Apple entwickelte App Tracking Transparency (ATT)-Framework, das erfordert, dass iOS-Nutzer vorab in den Einstellungen des Betriebssystems selbst für jegliche Art von Tracking zustimmen. Eine granulare Identifikation von Gerät und Nutzer für Drittanbieter wird mit der Ablehnung des Trackings somit verhindert. In diesem Whitepaper widmen wir uns daher dem aktuellen Stand der Möglichkeiten und Herausforderungen, die für die Marketing Attribution mobiler Apps bestehen und die es zu beachten gilt.

*Ohne Kontaktdaten Eingabe

RFM-Analyse und User Clustering mit BigQuery ML

Intelligente Segmentierung für die Nutzung in Google Ads
und Optimize

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 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.

*Ohne Kontaktdaten Eingabe

Zentralisierung von Wetterdaten in Tealium AudienceStream™

Ein Leitfaden für die Integration und Nutzung zentralisierter Wetterdaten in Tealium AudienceStream™ mithilfe der METEONOMIQS-Weather-Tag-API

Die Anreicherung von Nutzerdaten durch standortspezifische Wetter-Informationen ist ein bewährtes Mittel für die personalisierte Aussteuerung von Marketingmaßnahmen. Das Einbinden von Wetterdaten wird dabei mittlerweile von einigen Tools standardmäßig unterstützt. Jedoch kann sich die Granularität der Wetter-Informationen von Tool zu Tool unterscheiden und/oder starke Qualitätsunterschiede aufweisen. Bei Nutzung einer Customer Data Platform ist es daher von Vorteil, Wetterdaten zentral zu ergänzen, anstatt toolseitig zu konsolidieren, um ihre Qualität auch auf einer quantitativen Ebene zu gewährleisten.

Als Ergebnis aus der Zusammenarbeit von mohrstade, Tealium und METEONOMIQS entstand ein technischer Leitfaden für eine zentralisierte Integration von Wetterdaten für einzelne Customer Data Profiles in der Tealium AudienceStream™CDP, den wir Ihnen in Form unseres neuen Whitepapers präsentieren dürfen.

*Ohne Kontaktdaten Eingabe

Aufbau einer Recommendation Engine in der Google Cloud Platform (GCP)

Das Thema Recommendation Engines wird häufig als gelöst betrachtet, da sich mittlerweile eine Vielzahl von Anbietern und Services am Markt etabliert haben, die fertige End-to-End-Lösungen für jede Art Recommender-System und Geschäftsmodell anbieten. Hierbei stellt sich aber die Frage nach dem Grad der Individualisierbarkeit für den spezifischen Business-Use-Case sowie dem wahren Wettbewerbsvorteil, den eine “One-size-fits-all”-Lösung mit sich bringen kann. Für einige Geschäftsmodelle ist der Grad der Personalisierbarkeit von Inhalten dabei geschäftskritischer als für andere. Um Ihnen eine Entscheidungsgrundlage über den Einsatz einer Recommendation Engine in ihrem Unternehmen zu geben, zeigen wir in diesem Whitepaper unterschiedliche Lösungsansätze für das Thema auf.

*Ohne Kontaktdaten Eingabe

Merchant Center Rohdaten zur Google Shopping Optimierung nutzen

Zusammenführung von Rohdaten aus dem Google Marchant Center & Google Shopping in BigQuery

Google Shopping stellt für den Onlinehandel einen der wichtigsten Marketingkanäle dar. Die Performance des Kanals wird dabei stark durch die Qualität des Product Feeds aus dem Google Merchant Center beeinflusst. Die kontinuierliche Pflege der Daten stellt demnach die Basis für die Wertschöpfung des gesamten Google Shopping Funnel dar. Es besteht jedoch kein Datenaustausch zwischen den beiden Tools, wodurch ein Blindspot in der Analyse entsteht, der das Potenzial für die Optimierung des Funnels beeinträchtigt. Durch die Zusammenführung beider Datenquellen in BigQuery, wird dieser Blindspot geschlossen und ein dynamisches Monitoring der Feed-Qualität sowie eine automatisierte Ausspielungslogik ermöglicht. In  diesem Whitepaper wird der entsprechende Lösungsansatz vorgestellt und aufgezeigt, wie damit manuelle Aufgabenbereiche aufgelöst, Fehlerquellen im Produktdatenfeed identifiziert und daraus Optimierungsmöglichkeiten abgeleitet werden können.

*Ohne Kontaktdaten Eingabe

Silo Analytics: Data Science im Marketing

Die Bedeutung von zentral eingesetzen Data Science Methoden für die Marketing-Optimierung

Viele MarTech-Anbieter haben die Funktionen ihrer Tools um einzelne Data Science Module ausgebaut. Die Anpassung der vom Tool verwendeten Algorithmen und Methoden auf die eigene Marketingsituation ist dabei nicht möglich, da diese nur unzureichend erläutert werden. Auch basiert die Anwendung von Data Science auf den Daten, die vom einzelnen Tool selbst erfasst wurden. Diese stellen allerdings nur einen Bruchteil der verfügbaren und erhobenen Daten im Unternehmen dar. Es wird versucht, Erkenntnisse aus einzelnen Kontaktpunkten zu gewinnen, wobei die Optimierung der Customer Journey mit ihrer Vielzahl an Marketing-Kontaktpunkten eine ganzheitliche Methode verlangt. Ein zentralisierter Ansatz ist gefragt, indem die Rolle und Aufgabe von Data Science im analytischen Prozess des Unternehmens neu definiert wird.
In diesem Whitepaper wird genau diese Problematik beim Einsatz von Data Science im Marketing erörtert. Zudem wird in dem Whitepaper eine Architektur vorgestellt, die Data Science im Unternehmen zentral verankert und Potenziale performanter Cloud Technologie nutzt, um Marketing ganzheitlich analysieren zu können.

*Ohne Kontaktdaten Eingabe

Optimierung von Google Ads und Search Ads 360

auf Basis produktspezifischer Margen

Onlinehändler landen schnell in einer Art Wachstumsfalle, wenn Marketingoptimierung ausschließlich anhand des Umsatzes betrieben und die Erwirtschaftung eines positiven Deckungsbeitrags einzelner Produkte nicht berücksichtigt wird. Oft wird außer Acht gelassen, dass die Handelsmargen der verkauften Artikel je nach Branche, Saison und Preisdruck stark variieren können. So kommt es vor, dass trotz positiver Kosten-Umsatz-Relation (KUR) Produkte beworben werden, die am Ende sogar negative Deckungsbeiträge erwirtschaften. Um das zu vermeiden, empfiehlt es sich, eine Optimierung der Anzeigensteuerung anhand produktspezifische Margen vorzunehmen. Um diesem Problem entgegenzuwirken, stellen wir in diesem Whitepaper eine Lösung für einen margenorientierten Ansatz zur Aussteuerung von Produktanzeigen über die Marketingkanäle Google Ads und Google Shopping vor.

*Ohne Kontaktdaten Eingabe

Customer Data Platform: Build or Buy?

Aufbau versus Einkauf einer CDP

Mit nahendem Ende der Third-Party Cookie-Technologie, welche bis dato die Grundlage für die Datenerfassung und Zuordnung von Nutzerinteraktionen der meisten Marketing-Tools darstellt, wird der eigene Datenbestand (First-Party) zunehmend relevanter. In diesem Zusammenhang wurden Customer Data Platforms (CDP) in den letzten Jahren für viele Unternehmen interessant. Die Einführung einer CDP stellt dabei oftmals einen fundamentalen Eingriff in bestehende Marketing-Strukturen dar. Ist bereits eine performante Daten-Architektur im individuellen Cloud-Setup gegeben, sollte daher die Notwendigkeit der Implementierung einer CDP infrage gestellt werden. Besteht bereits ein (Marketing-)Data Warehouse, in welchem Daten in einer hohen Qualität aus verschiedenen Quellsystemen geladen und zusammengeführt werden, gilt es einen passenden “Anbieter-Fit” zu evaluieren oder ggf. den Auf- bzw. Ausbau der individuellen Cloud-Umgebung vorzuziehen.

Dieses Whitepaper soll als Entscheidungsgrundlage dienen, um den Rahmen für die Nutzung einer CDP und/oder ihrer Funktionalitäten in der eigenen Cloud-Umgebung im Unternehmen abwägen zu können.

*Ohne Kontaktdaten Eingabe

Nutzung von Matomo-Daten in der Google Cloud Platform (GCP)

Import, Anreicherung und Nutzung von Matomo-Daten in Google BigQuery

Der europäische Datenschutz übt zunehmend Druck auf Website-Betreiber und Werbetreibende aus. In vielen Unternehmen wird die bestehende Analytics- und Marketing-Tool-Landschaft deshalb auf die Probe gestellt und Alternativen evaluiert. Matomo ist eine davon und bietet mit dem Self- und EU-Hosting des Servers eine Anpassung an die geltenden Datenschutzrichtlinien. Jedoch stößt das Hosting der Daten auf einem eigenen MySQL-Server mittel- bis langfristig an seine Grenzen. Für komplexere Analysen und Daten-Modellierung ist die Datenbank nicht ausgelegt. Die Auslagerung der Daten in eine skalierfähige Cloud-Umgebung ist demnach ein notwendiger Schritt, wenn tiefgreifende Erkenntnisse über den Nutzer generiert und crossfunktional mit den Daten gearbeitet werden soll. In diesem Zusammenhang bieten Cloud-Umgebungen wie z.B. die Google Cloud Platform mit Google BigQuery die Nutzung einer skalierbaren Daten-Infrastruktur aus Rechenleistung, Datenspeicherung und komplementären Services nach dem “Pay per Use”-Modell. 

Dieses Whitepaper soll die Möglichkeiten für die weitere Datenverarbeitung und Analyse der Matomo-Daten innerhalb der Google Cloud Platform aufzeigen, um die Grenzen einer reinen Matomo Interface-Nutzung zu überschreiten.

*Ohne Kontaktdaten Eingabe

Wie bewegen sich Nutzer auf der Website?

Ansätze für eine Onsite-Analyse des Nutzerverhaltens in Google Looker Studio

Viele Unternehmen versuchen, eine datengetriebene Leitkultur zu leben, scheitern jedoch an der Demokratisierung grundlegender Kennzahlen und Erkenntnisse über das Verhalten ihrer Nutzer. Um ein gemeinsames Verständnis über alle Hierarchien hinweg zu ermöglichen, fehlt ein zentralisierter Ausgangspunkt für die Analyse des Nutzerflusses und der wichtigsten conversiontreibenden Kennzahlen. Der ist aber nötig, um die richtigen Ideen innerhalb der Organisation platzieren und vorantreiben zu können.

Für die Analyse des Nutzerverhaltens haben sich neben bekannten Funnel-Visualisierungen oder dem “User Behavior Flow” auch Sankey-Diagramme etabliert, die bereits standardmäßig in einigen Analyse-Tools (z. B. Google Analytics 4) kostenlos zur Verfügung gestellt werden. Allerdings ist die Darstellung eines solchen Funnel- oder User Flow-Charts oftmals chaotisch, nur bis zu einem gewissen Grad individualisierbar und schwer zu analysieren. Besonders fällt ins Gewicht, dass geschäftsrelevante Interaktionen nicht detaillierter analysierbar sind.

Der Problematik Abhilfe schaffen soll dieses Whitepaper mit der Vorstellung verschiedener Ansätze für die ergebnisorientierte und individualisierbare Darstellung der Onsite Journey des Nutzers in Google Looker Studio.

*Ohne Kontaktdaten Eingabe

Die Adobe MarTech-Architektur im Vergleich

Web-Analyse mit dem Tool-Stack der Adobe Experience Platform (AEP)

Mit der Adobe Experience Platform (AEP) geht Adobe einen neuen Weg in der Zentralisierung von relevanten Nutzer- und Unternehmensdaten. Durch ein einheitliches Datenschema (XDM) werden die Entstehung von Datensilos vermieden, Daten zentral gespeichert und je nach Umfang der Zustimmung auch zusammenführt. Die neuen Tools „Customer Journey Analytics“ und „Journey Optimizer“ können auf diese Daten für die Analyse und Optimierung der Customer Journey direkt zugreifen.

In diesem Whitepaper stellen wir den neuen Plattform-Ansatz von Adobe der MarTech-Infrastruktur bekannter Anbieter gegenüber und zeigen auf, welche Vorteile und Unterschiede der Tool-Stack der Adobe Experience Platform gegenüber etablierten Tools der Adobe Experience Cloud zum heutigen Zeitpunkt bietet.

*Ohne Kontaktdaten Eingabe

Data Warehousing mit Snowflake

Einsatz von Snowflake als Data Warehouse in etablierten Cloud-Umgebungen

Nutzen Unternehmen die Google Cloud, liegt der Gedanke nahe, auch BigQuery als zentrale Datenschnittstelle für das Data Warehousing zu nutzen. Das gilt auch für andere Cloud-Anbieter wie Amazon Web Services (AWS) oder Microsoft Azure.

Snowflake bietet spezialisierte Lösungen mit vielen Funktionen für Data Warehousing an und wird in der Infrastruktur der bekannten Cloud-Anbieter installiert und betrieben. Hier stellt sich die Frage, ob Snowflake mit seinen Funktionen für Unternehmen einen Mehrwert im Vergleich zu den von den Cloud-Anbietern bereitgestellten Datenbanken für Data Warehousing bietet.

In diesem Whitepaper wird das Data Warehouse der Snowflake Data Cloud den Data Warehouse-Lösungen von etablierten Cloud-Anbietern gegenübergestellt und aufgezeigt, wie die Integration in eine bestehende Cloud-Architektur dieser Anbieter vollzogen werden kann.

*Ohne Kontaktdaten Eingabe

Data Collection und Management mit Snowplow

Erstellung einer Data Pipeline mit der Snowplow Data Collection Platform

Datenschutzrechtliche Regulierungen erschweren zunehmend die qualitative Erhebung und Auswertung verhaltensbasierter Webdaten durch Tools bekannter Analytics-Anbieter. Snowplow bietet mit seiner Open Source Data Collection Platform viele Funktionen für die Kontrolle und Individualisierung der Datengenerierung und -verarbeitung.

In diesem Whitepaper stellen wir den Funktionsumfang sowie den technischen Aufbau der Snowplow Data Collection Platform (Open Source) vor und zeigen anhand einer Beispiel-Integration in der Google Cloud Platform Komponenten und technische Besonderheiten der Pipeline auf.

*Ohne Kontaktdaten Eingabe

Richtiger Einsatz der Google Consent Mode API

Ein Ansatz für (mehr) Datenschutz und Transparenz

Der Google Consent Mode soll mehr Flexibilität in der Verwaltung von Cookie-Einwilligungen in Verbindung mit Google-Produkten wie Google Analytics oder Google Ads bieten. Was auf den ersten Blick nach einer datenschutzfreundlichen Lösung für den restriktiven europäischen Raum klingt, wurde in den vergangenen Monaten von einigen Datenschützern in der Digital Analytics Szene kontrovers diskutiert. Gründe dafür sind die fehlende Transparenz des Conversion Modeling und der Datentransfer zwischen Browser (Client) und Google-Server.

In seinen Standardeinstellungen verfehlt das Konzept des Google Consent Mode seinen eigentlichen Zweck zur Sicherstellung des Datenschutzes nach europäischem Recht. In diesem Whitepaper stellen wir Lösungsansätze für ein transparentes Conversion Modeling sowie einen anonymisierten Datentransfer der Conversions vor.

*Ohne Kontaktdaten Eingabe

Leistungsgerechte Vergütung von Affiliate-Partnern

Vergütung von Affiliates auf Basis des Customer Lifetime Values mit BigQuery und GTM

Der richtige Einsatz von Affiliate-Marketing ist ein erprobtes Instrument für die Steigerung von Kaufabschlüssen im Onlinehandel. Häufig werden Affiliate-Partner aufgrund mangelnder Datenerfassung und Attribution des Umsatzes allerdings falsch bewertet. Die fehlende Transparenz über die Customer Journey bewirkt wiederum, dass Affiliate-Partner nicht langfristig an fortlaufenden Umsätzen des Kunden beteiligt werden. Im Ergebnis besteht eine enorme Diskrepanz zwischen Affiliate-Partnern und ihrem tatsächlichen Wertbeitrag am Gesamtumsatz in einem Kundenlebenszyklus.

In diesem Whitepaper stellen wir einen technischen Lösungsansatz für eine korrekte Attribution und leistungsgerechte Vergütung von Affiliate-Partnern auf Basis des Customer Lifetime Values (CLV) generierter Kunden vor.

*Ohne Kontaktdaten Eingabe

Marketing Data Warehouse

Aufbau in der Google Cloud

In diesem Whitepaper zeigen wir unterschiedliche Data-Warehouse-Lösungen auf und gehen auf das Potenzial ein, das ein Cloud Data Warehouse für die Datenanalyse und das Marketing eines Unternehmens birgt. Am Beispiel der Google Cloud Platform werden zwei Ansätze für den Aufbau einer Data Pipeline für ein (Marketing) Data Warehouse vorgestellt.

*Ohne Kontaktdaten Eingabe

Dokumentation und Transformation von Daten mit dbt Core in der Cloud

dbt (data build tool) ist ein Open Source Command Line Tool, das primär das Testing, die Dokumentation sowie die Transformation von Daten im Data Warehouse unterstützt. Das Tool soll Data Teams die Arbeit mit Daten erleichtern, indem es einen konsistenten und standardisierten Ansatz für die Datentransformation und -analyse bietet. Mit dbt können Nutzer Datenmodelle mithilfe von SQL definieren und anhand dieser Modelle optimierten SQL-Code erzeugen, der gegen ein Data Warehouse ausgeführt werden kann.

In diesem Whitepaper zeigen wir, welche Probleme dbt im Transformationsprozess und Management einer Modern Data Pipeline löst, welche Kernfunktionalitäten das Tool bietet und wann ein Einsatz sinnvoll ist.

*Ohne Kontaktdaten Eingabe

Transformation und Management von SQL-Workflows mit Dataform

Wenn das Unternehmen und somit das Data Team wächst, werden Themen wie Dokumentation, Sicherung von Codequalität und der Zugang zu Informationen immer wichtiger, da mehr Struktur und Abstimmung gefragt sind. Der organisatorische Aufwand für die Sicherstellung einer hohen Datenqualität auch bei zunehmender Komplexität der Datenarchitektur steigt.

In diesem Whitepaper zeigen wir anhand der Google-Cloud-Umgebung, welche Probleme Dataform im Transformationsprozess und Management komplexer SQL-Workflows löst, welche Kernfunktionalitäten das Tool bietet und wann ein Einsatz sinnvoll ist.

*Ohne Kontaktdaten Eingabe

Warum Measurement Tools ausgedient haben

Grenzen von Measurement Tools für den Einsatz im Enterprise-Unternehmen

Seit der Ankündigung des Sunsets von Universal Analytics sehen sich viele Enterprise-Unternehmen mit der Mammut-Aufgabe konfrontiert, ihr bisheriges komplexes und historisch gewachsenes Tracking Setup in die Logik eines neuen Datenmodells zu übertragen. Die Kontrolle über die Datenerhebung und die Unabhängigkeit von tool-spezifischen Schemata werden für viele Unternehmen daher immer relevanter. Doch auch aus strategischer Sicht ist ein Tool wie Google Analytics 4 oder Adobe Analytics für den Einsatz im Enterprise-Unternehmen nicht geeignet und sollte nicht die Funktion eines zentralen Analysetools für die Beantwortung geschäftskritischer Fragestellungen einnehmen.

In diesem Whitepaper stellen wir die aktuelle Rolle von Measurement Tools und die aus ihr resultierende Problematik im Enterprise-Unternehmen dar und zeigen anhand eines tool-agnostischen Lösungsansatzes auf, wie sich relevante Quellsysteme zentral in der Cloud zusammenführen und analysieren lassen.

*Ohne Kontaktdaten Eingabe

Digitale Analyse mit der Piwik Pro Analytics Suite

Ein Vergleich von Features und Funktionsumfang

Piwik Pro ist eine Analytics Suite, bei der das Thema Datenschutz einen besonders hohen Stellenwert einnimmt. Die Speicherung und Verarbeitung der Daten ist transparent gestaltet und findet vollständig innerhalb der Europäischen Union statt. Durch den zunehmenden datenschutzrechtlichen Druck stößt Piwik Pro bei vielen Unternehmen auf zunehmendes Interesse. Für die Nutzung der Analytics Suite werden unterschiedliche Pläne bereitgestellt, die sich in ihrem Funktionsumfang klar unterscheiden.

In diesem Whitepaper wird die Piwik Pro Analytics Suite mit ihren Plänen und Funktionen in einen Vergleich gestellt und die wichtigsten Unterschiede zu bekannten Analytics-Lösungen wie Google Analytics 4 (GA4) aufgezeigt, um eine Entscheidungsgrundlage für oder gegen einen Wechsel in die Piwik Pro Analytics Suite zu bieten.

*Ohne Kontaktdaten Eingabe