Die Amazon Marketing Cloud (AMC) ist eine auf den Amazon Web Services (AWS) basierende Cloud-Reporting Lösung, mit der Datenströme aus unterschiedlichen Quellen zusammengefasst und ausgewertet werden können. So lassen sich Informationen aus dem Amazon Advertising (Sponsored Products, Sponsored Brands, Sponsored Display), aus der Amazon Demand Side Platform (DSP) und über die organische Performance auf Amazon und auswerten. Besonders wertvoll ist außerdem die Möglichkeit, die Daten von Amazon mit Daten aus Drittquellen aggregieren und beispielsweise den Einfluss der eigenen Amazon DSP-Kampagnen auf die Umsätze im eigenen Online-Shop auswerten zu können.

Während die Kennzahlen in den Konsolen von Amazon Advertising oder Amazon DSP bereits gefiltert beim Advertiser ankommen, besteht mit der AMC das erste Mal die Chance, tiefer in die vollständige Datenmenge, die Amazon erhebt, einzutauchen. Durch den richtigen Einsatz der Abfragen lassen sich Antworten auf Fragen erhalten, die vorher nur schwer oder gar nicht zugänglich und auswertbar waren.

Welcher meiner Kanäle hat den größten Einfluss auf den Conversion-Funnel?

Mit den aggregierten Daten in der AMC und den richtigen Abfragen kann der Conversion-Funnel besser nachvollzogen und sichtbar gemacht werden, wie groß der Einfluss unterschiedlicher Kanäle an welcher Stelle des Funnels tatsächlich gewesen ist. Beispielsweise können Marken nun verstehen, wie ihre Aktivitäten im Upper Funnel, etwa für das Markenbewusstein, die Customer Journey beeinflussen oder den gesponserten Anzeigen bei Amazon im weiter unten im Funnel helfen.

Welchen Einfluss haben meine DSP-Kampagnen auf meine Sponsored Products?

Wenn ein Kunde zum Beispiel sowohl Sponsored Products-Anzeigen als auch Werbung via DSP ausgespielt bekommen hat, ist es nicht ersichtlich, welchen Einfluss die DSP-Anzeige auf den finalen Kauf gehabt hat. Dieser kann mit der richtigen Nutzung der AMC sichtbar gemacht werden werden.

Wie hängen die Performance auf Amazon und im eigenen Online-Shop zusammen?

Durch die flexiblen Datenabfragen in der AMC lassen sich anders als bei Amazon Attribution nicht mehr nur die Auswirkung von Marketing-Aktivitäten außerhalb von Amazon auf Amazon messen. Auch die Reihenfolge der unterschiedlichen Touchpoints, die zu einem Kauf geführt haben, lässt sich in der AMC mit den richtigen Abfragen darstellen – damit ist es möglich, Zusammenhänge zwischen den Ansichten von Produkten auf Amazon und der Performance im eigenen Online-Shop festzustellen.

Wichtig zu beachten ist, dass aufgrund der riesigen Datenmenge, die es in der Theorie zu erheben gibt, im Vorhinein klar festgelegt werden sollte, welche Erkenntnisse man sich von der Nutzung der AMC verspricht und dann die entsprechenden Daten abgefragt werden.

Die AMC ist zwar mit einer Web-basierten Oberfläche ausgestattet, die im Wesentlichen aus einem Textfeld besteht, in das SQL-Abfragen geschrieben und gestartet werden können. Aber auch wenn Amazon für den einfacheren Einstieg bereits einige Beispiel-Abfragen zur Verfügung gestellt hat, ist ein grundlegendes Verständnis von SQL nötig, um das volle Potenzial der AMC auszuschöpfen. Mit den richtigen Abfragen können dann Daten wie Impressionen, Klicks und Conversions abgefragt werden, die den Werbetreibenden fundierte Entscheidungen über die unterschiedlichen eingesetzten Kanäle ermöglichen.

Alternativ zum Web-Interface lassen sich die Daten auch via API in einen S3-Bucket (eine Speicherressource innerhalb der AWS) laden und verarbeiten.

Die Datensätze, die in der AMC erfasst und verarbeitet werden, werden pseudonymisiert, d.h. persönliche oder kundenbezogene Daten sind von den einzelnen Advertisern nicht individuell auslesbar. So entsteht ein „Data Clean Room“ bei AWS, in dem die anonymen Datensätze mit Hilfe von verschiedenen Identifiern auf Überschneidungen geprüft werden. Wird eine Überschneidung festgestellt, lassen sich daraus Schlüsse auf die Attribution und die erzielte Werbewirkung ableiten. Da die Daten aber stets verschlüsselt verarbeitet werden, ist die Nutzung der AMC datenschutzrechtlich unbedenklich.