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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.