Haben Sie sich schon einmal gefragt, wie Sie die leistungsstarken Tools von Amazon Web Services (AWS) nutzen können, um Ihre Werbekampagnen auf Amazon Ads zu verbessern? Mit AWS hat die Aschauer IT eine Möglichkeit gefunden, Daten aus der Amazon Marketing Cloud (AMC) abzurufen und zu analysieren, um maßgeschneiderte Kampagnenanalysen durchzuführen – und das alles unter strengsten Sicherheitsstandards.
Durch die Nutzung unserer entwickelten und in diesem Artikel präsentierten Lösung können Analysten und Entwickler die Kampagnenleistung in Echtzeit überwachen und gezielt auf Kundenmetriken und Dimensionen eingehen. Interessanterweise kann die Amazon Marketing Cloud auch als hervorragende Alternative zu Google Analytics dienen, insbesondere wenn es darum geht, tiefere Einblicke in Ihre Amazon Ads-Kampagnen zu gewinnen.
Der folgende Use Case ist für Entscheidungsträger, Solution Architects, DevOps-Ingenieure, Data Scientists und Cloud-Experten gedacht, die Amazon Marketing Cloud Insights auf AWS in ihrem Unternehmen implementieren möchten.
Haben Sie sich schon einmal gefragt, wie Sie die leistungsstarken Tools von Amazon Web Services (AWS) nutzen können, um Ihre Werbekampagnen auf Amazon Ads zu verbessern? Mit AWS hat die Aschauer IT eine Möglichkeit gefunden, Daten aus der Amazon Marketing Cloud (AMC) abzurufen und zu analysieren, um maßgeschneiderte Kampagnenanalysen durchzuführen – und das alles unter strengsten Sicherheitsstandards.
Durch die Nutzung unserer entwickelten und in diesem Artikel präsentierten Lösung können Analysten und Entwickler die Kampagnenleistung in Echtzeit überwachen und gezielt auf Kundenmetriken und Dimensionen eingehen. Interessanterweise kann die Amazon Marketing Cloud auch als hervorragende Alternative zu Google Analytics dienen, insbesondere wenn es darum geht, tiefere Einblicke in Ihre Amazon Ads-Kampagnen zu gewinnen.
Der folgende Use Case ist für Entscheidungsträger, Solution Architects, DevOps-Ingenieure, Data Scientists und Cloud-Experten gedacht, die Amazon Marketing Cloud Insights auf AWS in ihrem Unternehmen implementieren möchten.
Haben Sie sich schon einmal gefragt, wie Sie die leistungsstarken Tools von Amazon Web Services (AWS) nutzen können, um Ihre Werbekampagnen auf Amazon Ads zu verbessern? Mit AWS hat die Aschauer IT eine Möglichkeit gefunden, Daten aus der Amazon Marketing Cloud (AMC) abzurufen und zu analysieren, um maßgeschneiderte Kampagnenanalysen durchzuführen – und das alles unter strengsten Sicherheitsstandards.
Durch die Nutzung unserer entwickelten und in diesem Artikel präsentierten Lösung können Analysten und Entwickler die Kampagnenleistung in Echtzeit überwachen und gezielt auf Kundenmetriken und Dimensionen eingehen. Interessanterweise kann die Amazon Marketing Cloud auch als hervorragende Alternative zu Google Analytics dienen, insbesondere wenn es darum geht, tiefere Einblicke in Ihre Amazon Ads-Kampagnen zu gewinnen.
Der folgende Use Case ist für Entscheidungsträger, Solution Architects, DevOps-Ingenieure, Data Scientists und Cloud-Experten gedacht, die Amazon Marketing Cloud Insights auf AWS in ihrem Unternehmen implementieren möchten.
Highlights
Funktionen und Nutzen
Analyse von Kampagnen-KPIs
Diese Lösung ermöglicht Analysten, Abfragen auszuführen und die laufende Kampagnenleistung anhand von Metriken wie Reichweite und Häufigkeit sowie Dimensionen wie geografischem Bereich, Zielgruppensegment und Gerät zu überwachen.
Highlights
Funktionen und Nutzen
Analyse von Kampagnen-KPIs
Diese Lösung ermöglicht Analysten, Abfragen auszuführen und die laufende Kampagnenleistung anhand von Metriken wie Reichweite und Häufigkeit sowie Dimensionen wie geografischem Bereich, Zielgruppensegment und Gerät zu überwachen.
Exemplarischer Use Case & Architecture Overview
Use Case: Überwachung der Amazon Ads Kampagnen Performance
Architecture Overview
1. Daten, die in einem vom Kunden eingerichteten AMC Amazon S3-Bucket landen, werden von der Data lake Pipeline abgeholt und unter dem Präfix „pre-stage“ im Staging-S3-Bucket verschoben.
2. AWS Glue wendet eine Transformationslogik auf die eingehenden Daten an, um sie für die Analyse vorzubereiten, und speichert das Ergebnis unter dem Präfix „post-stage“ im Staging-S3-Bucket.
3. AWS Lake Formation kontrolliert Zugriffsberechtigungen für die transformierten Daten im Staging-S3-Bucket.
4. Benutzer können über Amazon Athena auf die transformierten Daten zugreifen, um Abfrageanalysen auf dem Staging-S3-Bucket durchzuführen.
5. Benutzer können mit Amazon QuickSight Dashboards erstellen, die auf den über Athena auf den Staging-Daten ausgeführten Abfragen basieren.
Exemplarischer Use Case & Architecture Overview
Use Case: Überwachung der Amazon Ads Kampagnen Performance
Architecture Overview
1. Daten, die in einem vom Kunden eingerichteten AMC Amazon S3-Bucket landen, werden von der Data lake Pipeline abgeholt und unter dem Präfix „pre-stage“ im Staging-S3-Bucket verschoben.
2. AWS Glue wendet eine Transformationslogik auf die eingehenden Daten an, um sie für die Analyse vorzubereiten, und speichert das Ergebnis unter dem Präfix „post-stage“ im Staging-S3-Bucket.
3. AWS Lake Formation kontrolliert Zugriffsberechtigungen für die transformierten Daten im Staging-S3-Bucket.
4. Benutzer können über Amazon Athena auf die transformierten Daten zugreifen, um Abfrageanalysen auf dem Staging-S3-Bucket durchzuführen.
5. Benutzer können mit Amazon QuickSight Dashboards erstellen, die auf den über Athena auf den Staging-Daten ausgeführten Abfragen basieren.
Notwendige Microservices und Grobkostenschätzung
| AWS Service | Beschreibung | Servicesdefinitionen | Geschätzte Kosten in €/Monat |
|---|---|---|---|
| Amazon S3 | Core. Die Lösung verwendet Amazon S3-Buckets zum Speichern von Berichten aus der AMC-API (Amazon Marketing Cloud), von pre-stage und post-stage-Daten. | 50GB S3 standard storage, 20,000 PUT requests, 1,000 GET requests. | 1.50€ |
| Amazon Athena | Core. Über den AWS Glue Data Catalog kann man auf die transformierten Daten im Amazon S3-Bucket der jeweiligen stages (pre und post) zugreifen und Abfragen durchführen. | 150 queries per day. 50 GB scanned per day. | 36.50€ |
| AWS Lambda | Core. Lambda wird verwendet, um Workflow-Anfragen zu verarbeiten, Antworten zu prüfen, Benutzer zu benachrichtigen, Rohdaten umzuwandeln, pre-staged Daten zu partitionieren und in Amazon S3 gespeicherte Metadaten zu verwalten. | 150 000 requests, 1024 MB memory, ARM architecture. | 0.00€ |
| AWS Glue | Core. Durchführung von umfangreichen Transformationen im Data Lake, einschließlich der Partitionierung von Vorstufendaten, und Ausgabe der Daten in Parkettdateien. | 2 DPUs for Apache Spark job, 54 hours duration for which Apache Spark ETL job runs, 1000 Data Catalog objects stored per month, 1000 Data Catalog access requests per month. | 47.50€ |
| AWS Lake Formation | Core. Für Data Lake Governance und Security. | – | – |
| AWS Step Functions | Core. Step Functions orchestriert die Lambda-Funktionen und Benutzerbenachrichtigungen im Tenant Provisioning Service, Workflow Manager und Data Lake. | 1 tenant on boarded per month (12 state transitions per workflow), 1 WFM workflow created per month (12 state transitions per workflow), 2160 WFM workflow executions per month (80 state transitions per workflow), 4320 Data Lake stage Arequests per month (7 state transitions per workflow), 2160 Data Lake stage B per month (20 state transitions per workflow). | 6.00€ |
| Amazon QuickSight | Optional. Für Business Intelligence, Analysen, interaktive Dashboards und Visualisierungen, die von allen Beteiligten genutzt werden können. | 5 readers, 22 working days per month:
|
31.50€ |
| Amazon SageMaker Jupyter Notebook | Optional. Amazon SageMaker mit Jupyter-Notebook, die Analysten für die Bereitstellung von Tenants und die Verwaltung von Workflows verwenden können. | Storage (General Purpose SSD (gp2)), Instance name (ml.t2.medium), Number of data scientist(s) (1), Number of On-Demand Notebook instances per data scientist (1), On-Demand Notebook hour(s) per day (4), On-Demand Notebook day(s) per month (22). | 4.50€ |
Grobkostenschätzung für ein Monat
133.50€*
*Grobkostenschätzung um ein Gefühl für entstehende Kosten bekommen zu können. Kosten können variieren je nach verwendeten Microservices, Dimensionen, Verwendung, Nutzer, Abfragen, Datenmengen, Land, uvm.
Kontaktiere uns
Sie haben Fragen oder benötigen eine Beratung? Wir helfen Ihnen gerne.
Notwendige Microservices und Grobkostenschätzung
| AWS Service | Beschreibung | Servicesdefinitionen | Geschätzte Kosten in €/Monat |
|---|---|---|---|
| Amazon S3 | Core. Die Lösung verwendet Amazon S3-Buckets zum Speichern von Berichten aus der AMC-API (Amazon Marketing Cloud), von pre-stage und post-stage-Daten. | 50GB S3 standard storage, 20,000 PUT requests, 1,000 GET requests. | 1.50€ |
| Amazon Athena | Core. Über den AWS Glue Data Catalog kann man auf die transformierten Daten im Amazon S3-Bucket der jeweiligen stages (pre und post) zugreifen und Abfragen durchführen. | 150 queries per day. 50 GB scanned per day. | 36.50€ |
| AWS Lambda | Core. Lambda wird verwendet, um Workflow-Anfragen zu verarbeiten, Antworten zu prüfen, Benutzer zu benachrichtigen, Rohdaten umzuwandeln, pre-staged Daten zu partitionieren und in Amazon S3 gespeicherte Metadaten zu verwalten. | 150 000 requests, 1024 MB memory, ARM architecture. | 0.00€ |
| AWS Glue | Core. Durchführung von umfangreichen Transformationen im Data Lake, einschließlich der Partitionierung von Vorstufendaten, und Ausgabe der Daten in Parkettdateien. | 2 DPUs for Apache Spark job, 54 hours duration for which Apache Spark ETL job runs, 1000 Data Catalog objects stored per month, 1000 Data Catalog access requests per month. | 47.50€ |
| AWS Lake Formation | Core. Für Data Lake Governance und Security. | – | – |
| AWS Step Functions | Core. Step Functions orchestriert die Lambda-Funktionen und Benutzerbenachrichtigungen im Tenant Provisioning Service, Workflow Manager und Data Lake. | 1 tenant on boarded per month (12 state transitions per workflow), 1 WFM workflow created per month (12 state transitions per workflow), 2160 WFM workflow executions per month (80 state transitions per workflow), 4320 Data Lake stage Arequests per month (7 state transitions per workflow), 2160 Data Lake stage B per month (20 state transitions per workflow). | 6.00€ |
| Amazon QuickSight | Optional. Für Business Intelligence, Analysen, interaktive Dashboards und Visualisierungen, die von allen Beteiligten genutzt werden können. | 5 readers, 22 working days per month:
|
31.50€ |
| Amazon SageMaker Jupyter Notebook | Optional. Amazon SageMaker mit Jupyter-Notebook, die Analysten für die Bereitstellung von Tenants und die Verwaltung von Workflows verwenden können. | Storage (General Purpose SSD (gp2)), Instance name (ml.t2.medium), Number of data scientist(s) (1), Number of On-Demand Notebook instances per data scientist (1), On-Demand Notebook hour(s) per day (4), On-Demand Notebook day(s) per month (22). | 4.50€ |
Grobkostenschätzung für ein Monat: 133.50€*
*Grobkostenschätzung um ein Gefühl für entstehende Kosten bekommen zu können. Kosten können variieren je nach verwendeten Microservices, Dimensionen, Verwendung, Nutzer, Abfragen, Datenmengen, Land, uvm.
