Was ist ein Rohdatenmodell?

Ein wesentlicher Vorteil des serverseitigen Trackings ist die Möglichkeit, Rohdaten zu sammeln und zu speichern. Dieser fundamental wichtige Wettbewerbsvorteil wird von unseren Kunden immer häufiger nachgefragt und angenommen.

Vollständige Daten sind der Schlüssel zu Ihrem Erfolg. JENTIS liefert Unternehmen die beste Datenqualität als Teil seiner Dienstleistung und kann Ihnen genau die Rohdaten liefern, die Sie benötigen um Ihre Marketing-Aktivitäten perfekt auszusteuern. In diesem Artikel möchten wir leicht verständliche Informationen über unser Rohdaten-Tool geben und wie Sie es für Ihr Unternehmen einsetzen können.

Was sind denn überhaupt Rohdaten?

Unter Rohdaten fassen wir alle Datenströme aller Dokumente zusammen, die Sie clientseitig sammeln und die dann serverseitig in Ihrem individuellen JENTIS-Container empfangen werden. Sobald Rohdaten erhoben werden, können Sie entscheiden, ob Sie diese exportieren möchten.

Beispieldokumente und -eigenschaften sind:

• Seitenaufrufe
• Sessions
• Nutzer
• Produkte
  …

Ihr JTM-Konto enthält alle Variablen, die in den Rohdaten verfügbar sind.
In unserem System können Sie die Rohdaten-Verbindungen genauso auswählen wie in anderen Tools zum Beispiel in Google Analytics 4 oder der Facebook CAPI. Daher hat es seine eigenen Tags und Variablen, die Sie für den Export konfigurieren können.

In der Standardversion werden die generierten Rohdaten täglich für den Export zur Verfügung gestellt. Sie werden auf demselben Cloud-Speicher abgelegt, auf dem auch Ihr JENTIS-Container läuft. Den Zugang zu diesem Speicher erhalten Sie über sFTP-Zugangsdaten.

Wichtig: Die Datenspeicherung beträgt 7 Tage, ist aber nicht als Langzeitspeicherung von Daten gedacht. Wir empfehlen Unternehmen, dafür effizientere Lösungen zu verwenden.

Beispiele für die Verwendung von Rohdaten

An dieser Stelle fragen Sie sich vielleicht, wie unsere Kunden diese Funktion für ihre Zwecke nutzen können?

Einige Kunden leiten ihre Rohdaten einfach an ein Data Warehouse weiter, um sie dort für die künftige Nutzung zur Verfügung zu haben. Sie führen dort fortgeschrittene Analysen durch und können jederzeit auf ihre Daten zugreifen, wenn sie wollen.

Ein Beispiel für einen fortgeschrittenen Anwendungsfall ist die Bewertung der Conversion-Wahrscheinlichkeit und des Umsatzpotenzials eines Nutzers anhand seines Verhaltens auf der Website. Zu diesem Zweck wurden zwei Machine-Learning-Modelle trainiert, die für eine effektive, personalisierte (automatisierte) Kommunikation mit potenziellen Neukunden eingesetzt werden und das Vertriebsteam unterstützen.

Ein anderer Kunde bewertet die Wahrscheinlichkeit für eine mögliche Rückgabe eines Produkts. In diesem Projekt wurde auf der Grundlage des Einkaufsverhaltens und der Conversion Rate ein Modell für maschinelles Lernen erstellt, um die Wahrscheinlichkeit einer Rückgabe beim Hinzufügen zum Warenkorb“ vorherzusagen. Dieses Wissen wurde genutzt, um alternative Check-out-Prozesse mit höheren Lieferkosten, anderen Zahlungsoptionen und Mindestumsatzanforderungen zu entwickeln.