Kennenlernen des Marketing Cloud Intelligence-Datenmodells
Lernziele
Nachdem Sie diese Lektion abgeschlossen haben, sind Sie in der Lage, die folgenden Aufgaben auszuführen:
- Erörtern, wodurch sich die verschiedenen Datentypen voneinander unterscheiden
- Beschreiben, worauf das Marketing Cloud Intelligence-Datenmodell basiert
- Erklären, was Datenströme sind
- Untersuchen des Datenstromtyps "Anzeigen"
In dieser Einheit zeigen wir Ihnen, wie das Marketing Cloud Intelligence-Datenmodell strukturiert ist, um die Integrität Ihrer Daten zu gewährleisten.
Marketing Cloud Intelligence ruft Daten aus einer Vielzahl von Quellen mit unterschiedlichen Datentypen ab. Jeder dieser verschiedenen Datentypen weist eine eigene eindeutige Kombination von Dimensionen und Messwerten auf. Die Dimensionen selbst bestehen aus Entitäten, zwischen denen eine bestimmte Beziehung oder Hierarchie besteht. Beim Extrahieren dieser Daten aus ihrer Quelle und Einlesen in Marketing Cloud Intelligence ist es wichtig, dass diese Dimensionen und Messwerte in entsprechenden Marketing Cloud Intelligence-Feldern gespeichert werden können. Es ist auch wichtig, die Beziehungen zwischen den Entitäten in der Quelle beizubehalten, da sonst die Daten in der Datenbank Marketing Cloud Intelligence falsch aggregiert werden könnten.
Aus diesem Grund erstellt Marketing Cloud Intelligence Dimensionen und Messwerte für jeden einzelnen Datentyp und emuliert die eindeutige Beziehung, die zwischen den Entitäten der Dimensionen in der Quelle besteht. Das bedeutet, dass die entsprechenden Marketing Cloud Intelligence-Entitäten in der Marketing Cloud Intelligence-Datenbank in der gleichen Beziehung stehen. Die Modellierung der Marketing Cloud Intelligence-Datenbank anhand dieser Dimensionen, Messwerte und Entitätsbeziehungen für die verschiedenen Datentypen wird zusammenfassend als Marketing Cloud Intelligence-Datenmodell bezeichnet.
Innerhalb jedes Datentyps betrachtet das Marketing Cloud Intelligence-Datenmodell eine der Entitäten als Hauptentität. Die Hauptentität ist die Entität, mit der alles andere im Wesentlichen zusammenhängt. Sie wird in der Regel nach ihrer Bedeutung aus Marketingsicht oder aufgrund ihrer Verbindungsposition zu anderen Entitäten in der Hierarchie bestimmt.
Grundlegendes zu Datenströmen
Um Ihre Daten in das System zu laden, verwendet Marketing Cloud Intelligence Instrumente oder Tools, die als Datenströme bezeichnet werden. Datenströme erleichtern das automatische Hochladen von Daten aus verschiedenen Quellen sowie die Zuordnung der Quellfelder zu den entsprechenden Marketing Cloud Intelligence-Feldern. Für jeden der verschiedenen Datentypen gibt es einen eigenen Datenstromtyp, mitunter auch als Bucket bezeichnet, der für die jeweiligen Daten geeignet ist.
Anwendungsfall: Der Datenstromtyp "Anzeigen"
Zur weiteren Verdeutlichung und zum besseren Verständnis lassen Sie uns das bisher Gelernte auf einen bestimmten Datentyp anwenden. Da Marketing Cloud Intelligence in erster Linie für das Hochladen von Marketingdaten verwendet wird, konzentrieren wir uns auf den am häufigsten verwendeten Datenstromtyp, der für das Hochladen von Daten zur Leistung der Anzeigenschaltung bestimmt ist. Dieser Datenstromtyp hat die Bezeichnung "Anzeigen".
Wie bereits erwähnt, zeichnet sich jeder Datentyp durch eine eindeutige Kombination aus Dimensionen und Messwerten aus. Die nachstehenden Listen zeigen die Entitäten und einige der wichtigsten Messwerte, aus denen sich die Daten zur Leistung der Anzeigenschaltung zusammensetzen.
Entitätsnamen:
- Kampagne
- Website
- Medienkauf
- Anzeigenmotiv
Messwertnamen:
- Aufrufe
- Klicks
- Medienkosten
- (Verschiedene) Messwerte für soziale Medien
- (Verschiedene) Messwerte für Video
- (Verschiedene) Messwerte für Multimedia-Inhalte
Wie immer bei Entität gibt es eine Beziehung oder Hierarchie zwischen ihnen. Für diese Beziehung Marketing Cloud Intelligence-Datenmodell kommt eine von zwei Möglichkeiten in Frage: 1:n oder m:n. Versuchen wir zu verstehen, wie diese Beziehung zwischen den Entitäten innerhalb des Datenstroms "Anzeigen" aussieht, indem wir untersuchen, wie diese Entitäten in der realen Welt miteinander interagieren. Wir erläutern diese Beziehungen anhand von Diagrammen im Anschluss an die nachstehende Legende.
Beginnen wir mit der Beziehung zwischen der Werbefläche auf einer Website (Platzierung oder Medienkauf genannt) und der Website selbst. Da auf jeder Website eine Reihe von Medienkaufflächen zur Verfügung stehen, jeder Medienkauf jedoch websitespezifisch ist, deutet dies auf eine 1:n-Beziehung zwischen einer Website und einem Medienkauf hin.
Auch wenn jede Kampagne mit mehreren Medienkäufen verbunden sein kann, ist jeder Medienkauf kampagnenspezifisch. Dies belegt, dass die Beziehung zwischen Kampagne und Medienkauf ebenfalls 1:n ist.
Da ein und derselbe Medienkauf mit mehreren Anzeigen oder Anzeigenmotiven versehen und gleichzeitig in mehreren Medienkäufen verwendet werden kann, besteht zwischen dem Medienkauf und dem Motiv eine m:n-Beziehung.
Hier sehen Sie, wie diese Beziehungen insgesamt aussehen. Beachten Sie, dass der Medienkauf die wichtigste Entität des Datenstromtyps "Anzeigen" ist.
Dies ist die gleiche Beziehung, die dank des Marketing Cloud Intelligence-Datenmodells zwischen diesen Feldern in der Marketing Cloud Intelligence-Datenbank besteht. Solange die Quellfelder den richtigen Feldern in Marketing Cloud Intelligence sind, wird ihre ursprüngliche Beziehung (wie in der Quelle) beibehalten, ohne dass Daten verzerrt werden oder verloren gehen.
Wissensabfrage
Lassen Sie uns sehen, ob Sie anhand der obigen Beziehungsdiagramme der Entitäten die Beziehungen zwischen den Entitäten im Datenstromtyp "Anzeigen" bestimmen können. Die Aktivität wird nicht bewertet, sondern ist nur eine einfache Möglichkeit, sich selbst zu testen. Ziehen Sie jede Gruppe zusammengehöriger Entitäten aus der linken Spalte in die richtige Beziehungsbeschreibung auf der rechten Seite. Wenn fertig sind, klicken Sie auf "Senden", um das Ergebnis zu prüfen. Wenn Sie von vorne beginnen möchten, klicken Sie auf "Zurücksetzen".
Wenn Sie unsere API-Konnektoren verwenden, werden diese Zuordnungen automatisch im Hintergrund implementiert. Marketing Cloud Intelligence bietet auch eine anpassbare Datenstromkonfiguration namens TotalConnect. Mithilfe von TotalConnect können Sie einen Datenstrom selbst manuell konfigurieren, um die Quellfelder den entsprechenden Marketing Cloud Intelligence-Feldern zuzuordnen. Um eine ordnungsgemäße Zuordnung zu gewährleisten, sollten Sie sicherstellen, dass Sie den richtigen Datenstromtyp verwenden und sowohl die Beziehung zwischen den Entitäten in Ihren Quelldaten als auch die Beziehung zwischen den Marketing Cloud Intelligence-Entitäten, denen sie zugeordnet sind, beachten.
Da Sie nun wissen, was Datenströme sind und wie sie mit Marketing Cloud Intelligence funktionieren, machen wir uns als Nächstes mit den gängigsten Datenstromtypen vertraut.