Google Analytics 4: goede aanleiding om te beginnen met data warehousing
Vanaf 1 juli 2023 stopt de verwerking van data in Google Universal Analytics (UA), en niet lang daarna is alle historische data uit UA niet meer beschikbaar. Alle reden om nu te beginnen met ‘data warehousing’: het opslaan van al je data.
Vraag jezelf eens af: op hoeveel plekken heeft mijn organisatie data staan die waardevol zijn voor mijn businessdoelstellingen? Ongetwijfeld kom je met gemak aan meer dan 10 databronnen: Analytics, Ads en Search Console, data uit je webshop, CRM- of ERP-systeem en meer. Al deze systemen genereren data die je kunt gebruiken om datagestuurde beslissingen te nemen.
Niet al deze bronnen zijn echter goed in het op langere termijn bewaren van je data. We noemden hierboven Universal Analytics, dat gebruikt wordt door meer dan driekwart van de marketeers, en waarvan we sinds kort weten dat je binnen twee jaar al je historische data kwijt bent. Maar bijvoorbeeld ook Google Search Console, waar alle data ouder dan 16 maanden direct worden verwijderd zonder dat je deze data ooit nog terug kunt vinden. En misschien wissel je in de komende tien jaar een keer van CRM-systeem of mailing-tool. Ook dan wil je niet weer vanaf nul beginnen.
‘Data warehousing’ als oplossing
Hoog tijd dus om het heft in eigen hand te nemen en te starten met een data warehouse. Laten we beginnen met de definitie: in dit artikel wordt met data warehouse een oplossing bedoeld waarin je data uit tal van verschillende bronnen op één centrale plek samenbrengt die je in eigen beheer hebt (first-party data) en waar je zelf de keuzes maakt. Dat is een iets ruimere definitie dan de strikte definitie van een data warehouse als verzameling relationele databases. Ook oplossingen die gebruik maken van een data lake of een lakehouse-ontwerp scharen wij hier onder data warehousing-oplossingen.
Die ene centrale plek is meestal in de cloud, waar de cloudprovider (bijvoorbeeld Microsoft, Google of Amazon) het onderhoud van de hardware voor je doet. Op het cloudplatform heb je alle keuze om te bepalen welke data je bewaart, voor hoe lang, en welke analyse je erop loslaat. Het verwijderen van data zal alleen gebeuren als je daar zelf de opdracht toe geeft.
Naast het veilig stellen van al je historische data heeft het hebben van een data warehouse nog talloze voordelen. Al je data staan nu bij elkaar op één plek, waardoor je makkelijk databronnen kunt combineren om geavanceerde bedrijfsanalyses te maken. Denk bijvoorbeeld aan het combineren van Google Analytics-data met CRM- en ERP-data om de volledige klantreis inzichtelijk te krijgen. Of het combineren van Google Ads- en Search Console-data om te zien waar je paid search ten koste gaat van je organische zoekresultaten. Dergelijke inzichten leveren al snel duizenden extra euro’s per maand op, terwijl het in de lucht houden van een data warehouse voor een middelgrote website maar een tientje per maand kost.
Stap voor stap naar de beste inzichten
De enige echte uitdaging van een data warehouse zit in de tijd en de technische kennis die nodig is om het warehouse op te bouwen, stabiel te maken en de data te analyseren en door te vertalen naar concrete verbeteradviezen. Als dit als een groot obstakel voelt, bedenk dan dat je klein kunt beginnen. Denk bijvoorbeeld aan een data warehouse met data uit enkel Google Analytics, Ads en Search Console. Dat kan een bureau met de juiste kennis al in een maand voor je draaiende hebben. En ook uit zo’n relatief kleine dataset kun je al veel inzicht halen.
Vanuit daar kunnen dan stap voor stap nieuwe bronnen worden toegevoegd om je data warehouse steeds krachtiger te maken. Een logische eerste vervolgstap is bijvoorbeeld om data uit je webshop te pakken, zodat je weet of de Analytics-conversies ook echt leiden tot aankopen die niet geannuleerd worden. Daarna kun je het CRM-systeem koppelen om te zien of klanten ook terugkomen voor een volgende aankoop. Zo breng je stap voor stap de hele klantreis in kaart.
En als dan je hele data warehouse staat, kun je marketingautomatisering vorm gaan geven op een echt gepersonaliseerde manier: aanbevelingen voor upsell, relevante aanbiedingen op basis van eerdere aankopen, mailings alleen gericht op die klanten die de mail ook willen ontvangen. Alles begint met het hebben van de juiste data, en in een data warehouse komen (en blijven) die data samen.
Over de auteur: Jan Jelle de Wit is Data and Insights consultant bij OrangeValley, part of BlueWaveDigital.
Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social: LinkedIn, Twitter en Facebook.
Gerelateerde opleiding
Deel dit bericht
Plaats een reactie
Uw e-mailadres wordt niet op de site getoond
2 Reacties
Jan
Het idee is goed, alleen voor kleine ondernemers zijn de kosten te hoog. Had mooi geweest als dat ook beschreven was in het artikel, om hoeveel kosten het maandelijks en jaarlijks gaat. We missen nu een beetje de clou..
Frans Jan Boon
Google Analytics (4) data naar een Google BigQuery data warehouse of data lake streamen is relatief eenvoudig. Veel andere marketing/sales/crm/etc. bronnen kunnen met ETL tools zoals Supermetrics of Dataddo gemakkelijk aan BigQuery gekoppeld worden. Dat hoeft geen maand te duren.
Ook interessant is de aankondiging deze maand van Google BigLake, Google’s storage engine waarmee naast BigQuery ook AWS en Azure data warehouses en data lakes beheerd kunnen worden.