数据驱动型营销始于开发者

在当今市场环境下，想要打造出色的宣传活动，数据不仅要衡量成果，更要引导策略方向。开发者在实施这类数据的分析处理工具方面发挥着关键作用，能够将数据转化为洞察、制定更明智的策略并取得更出色的结果。

利用这三款对开发者友好的 MarTech 解决方案，释放营销数据的力量。从以前所未有的透明度和控制力收集数据，到将原始数据转化为结构化洞察，再到使用自动化 A/B 测试实现最佳性能，开发者会按照上述方式变革营销数据的作用。

sGTM Pantheon

更好地控制营销数据并提升透明度

从点击按钮到滚动页面，了解用户如何与您的网站或应用互动对于优化性能至关重要。服务器端 Google 跟踪代码管理器 (sGTM) 通过测量流量和管理数据流简化了这一过程，同时提升了隐私保护、性能、控制力和工作效率。

sGTM Pantheon 是一个易于部署的解决方案工具箱，可以通过不同方式完善 sGTM 的现有功能：

• 完善报告、竞价、受众管理和数据管道流程。

• 以前所未有的力度控制网站和应用数据并大幅提升透明度。

• 实时访问来自外部 API 和云端客户、产品和业务数据。

• 提供实时网站个性化和转化率优化。

• 使用云数据库访问高级分析和报告。

开发者可以灵活地混合搭配各种解决方案，创建可与 Google 和非 Google 平台集成的单一流水线。由于 sGTM Pantheon 使用服务器环境，因此解决方案会在不公开的第一方云安全环境中运行。

sGTM Pantheon 工具箱包含哪些工具？

用于数据收集：

• Soteria：在不公开数据的情况下计算在线交易的出价与利润。

• Phoebe：实时调用 Vertex AI 进行生命周期价值 (LTV) 竞价和潜在客户评分。

• Artemis：从 Firestore 获取客户数据以进行受众细分。

• Apollo：从 Google 表格中检索数据以生成潜在客户评分所需的潜在客户生成值。

• Cerberus：集成 reCAPTCHA 来过滤机器人生成的事件和可疑活动。

• Dioscuri：通过支持对 Gemini 的快速访问，提供个性化服务。

用于发送数据：

• Hephaestus：推进竞价、受众、分析和营销数据管道自动化。

• Deipeus：将第一方数据发送回网站进行个性化调整。

• Chaos：推动高级分析、数据恢复和受众创造。

• Hermes：简化数据管道中的数据发送。

用于管理数据：

• Argos：监控关键 gTag 设置。

sGTM Pantheon 是一个持续更新的解决方案，并且正在不断发展。想了解更多工具？请前往 GitHub 探索完整的 sGTM Pantheon。

GA4 Dataform

使用 GA4 Dataform 将 BigQuery 数据转化为可访问的洞察

您的 Google Analytics 4 (GA4) 营销数据包含不为人知的故事、内容丰富的洞察以及与受众建立联系的新方式 - 但解读这类数据并不总是那么容易。

GA4 Dataform 是一款数据转换工具，可将原始 BigQuery 数据整理成清晰的模块化表格，例如事件、项目、会话、交易等，以便所有技术水平的用户都能分析数据并引导数据驱动型宣传活动。GA4 Dataform 兼具深度和简易性，让您能够在默认设置之外构建自己的数据模型，并找到与客户互动的新方式。

如何将 GA4 Dataform 与 BigQuery 集成？

GA4 Dataform 是一个 Google Cloud Dataform 项目，提供用于转换原始 GA4 BigQuery 导出数据的 SQL 数据模型。本质上，该代码是一个入门套装，可帮助您在 GA4 原始数据导出的基础上构建模型，从而获得数据驱动的营销洞察。

目前可用的功能包括：

1：建立唯一的 user_key 和 ga_session_key。

2：提供可容易接受的会话表、user_transaction_daily 表、事件表等作为输出。

3：通过将 GA4 GCLID 映射到 Google Ads 数据传输点击浏览 GCLID 来扩大 Gclid 范围（可选设置）

4：事件级最终点击归因。

准备好开始了吗？部署很简单——请前往 GitHub 探索 GA4 Dataform，了解具体操作方法。

FeedX

FeedX：购物信息流的终极 A/B 测试平台。

倘若您能够省去在 Google Ads 购物宣传活动中所涉及的猜测和手动测试环节，结果会怎样？FeedX 是一个开源的实验框架，能帮助广告商对购物 Feed 的修改进行 A/B 测试，以便他们了解特定调整所带来的效果与实际表现变化之间的对比结果。

对于想要在整个广告资源范围内进行规模化优化的线上广告商而言，他们需要知道自己的策略能够对业绩产生积极影响。然而，如果没有明确的反馈信号，就很难判断创意调整是会带来好结果还是坏结果。

FeedX 解决了这个问题，通过此工具，广告商可使用可靠的 Python A/B 测试框架来测试任何更改。FeedX 是一个 Python 包，包含其所有逻辑和机制，以及一组 Colab 笔记，可向您展示如何使用该包设计和分析实验。

FeedX 工作原理

FeedX 采用行业最佳实践，确保实验尽可能稳健且灵敏。通过交叉设计，它使用 CUPED（使用预实验数据的受控实验）调整预实验效果，并在必要时剔除异常值。以下是流程概述：

1：广告商首先会选定一个测试内容，比如优化标题或描述。为了确保测试结果的可靠性，测试样本数量应至少达到 1000 个。如果样本数量过少，FeedX 设计笔记会向您发出警告。

2：将 Feed 项随机分成两组，对照组和实验组。

3：广告商创建一个补充型 Feed，其中仅包含针对实验项的优化内容，并通过将此补充型 Feed 上传至 Merchant Center 来启动实验。

4：另外，还可以进行交叉实验，即广告商可以调换这些组，使实验组成为对照组。

5：实验结束时，FeedX 会分析所有项目的表现，并在对照组和实验组之间进行比较。最终会出具一份可靠的指标报告，该报告附有置信区间和统计显著性的相关内容。

告别凭空猜测。准备好用数据革新购物广告了吗？请前往 GitHub 深入了解 FeedX 的工作原理。

利用 MarTech 工具解锁数据驱动型解决方案

这是我们关于弥合营销与开发之间差距的两篇系列文章的第二篇。如要探索我们的生成式 AI MarTech 解决方案，请查看“将生成式 AI 应用于营销的三种 MarTech 解决方案”。

请关注 Google 开发者博客，了解更多更新，或查看我们的 MarTech 解决方案指南，找到可以立即实施的更多创新工具。