Skip to main content
architektur-big-data

Big Data: Warum die Architektur Ihrer Tools entscheidend ist

5 December 2017

(Update 5. Dezember 2017) Jede Sekunde interagieren Besucher mit Ihrer Webseite und hinterlassen eine enorme Menge von Informationen, die Sie für maßgeschneiderte User Experiences nutzen können. Seien Sie für diese Herausforderung gewappnet und stellen Sie sicher, dass die Technologie dahinter das gesammelte Datenvolumen auch auswerten kann! 

Big Data ist nicht nur ein Mode-Wort. Es ist eine Realität, der unsere Architektur angepasst ist. Wir haben sie so entwickelt, dass sich die neuesten technischen Fortschritte problemlos eingliedern und kolossale Datenmengen bearbeitet werden können. Ohne diese technischen Grundlagen wären auch unsere Machine-Learning-Algorithmen nicht so leistungsstark.

Heute wollen wir Ihnen die Grundlagen von Kameleoon vorstellen und die Gründe für unsere technologische Orientierung.

1 Für Echtzeit und Predictive Algorithms konzipiert

Die Haupt-Herausforderung an Marketingteams ist heute nicht mehr, Daten zusammenzutragen, sondern sie besser auszuwerten. Sie haben jeden Monat Tausende, wenn nicht Millionen von Besuchern auf Ihrer Webseite und sammeln mindestens ebenso viele Informationen bzgl. ihres Surf-Verhaltens.

Um Ihnen bei dieser Herausforderung zur Seite zu stehen und konkrete Entscheidungshilfe zu geben, konzentriert Kameleoon sich seit 2009 auf die Entwicklung von Lösungen im Bereich der Analyse und Nutzung von Daten über Verhalten, Kontext, Demografie einerseits und ihres DMP oder CRM-Tools andererseits.

Unsere Architektur ist auf Big Data und Machine Learning-Algorithmen zugeschnitten, mit denen Sie die vielversprechendsten Segmente Ihrer Besucher ausmachen können.

Wir sind bei weitem nicht allein mit unserer Überzeugung, dass wir die beste Lösung des Marktes für alle Personalisierungskampagnen und A/B-Testing bieten: Unsere Kunden haben uns zum "Top-Rated AB-Testing- und Personalisierungstool" gemacht und die Agentur Cartelis zum Gewinner ihres Benchmarks der vier besten A/B-Testing-Lösungen!

2 Elasticsearch vs. SQL, PHP: Warum unsere technische Orientierung wichtig für Sie ist

Technologie entwickelt sich ungemein schnell weiter. Und ohne jemandem zu nahe treten zu wollen, sind viele der Technologien, die Anfang des Jahrhunderts führend waren, heute einfach veraltet (wie z.B. SQL-Datenbanken) oder nicht zur Bearbeitung von Daten in Echtzeit geeignet (wie PHP oder andere von Webseiten benutzte Programmiersprachen). Hier geht es absolut nicht darum, die Qualität dieser Grundpfeiler des Internet in Frage zu stellen.

Aber haben sie heute noch ihren Platz im aktuellen IT-System von Unternehmen? Die neuen Fragestellungen und Herausforderungen von Unternehmen im Bereich Datenmanagement machen eine Aktualisierung der internen Struktur einfach erforderlich.

Wir haben uns frühzeitig entschieden, stabile und entwicklungsfähige Technologien in unser Tool zu integrieren, also weder SQL noch PHP, sondern Elasticsearch und NoSQL (#nosql), und haben eine solide, bleibende Architektur entwickelt, die allen Anforderung unserer Kunden gerecht wird, und das auf lange Sicht

SQL vs. NoSQL

SQL-Datenbanken stehen seit den siebziger Jahren im Mittelpunkt der Entwicklung des Internets. Google, Facebook, Twitter und YouTube basieren heute noch teilweise auf dieser Technologie. Aber sie hält nicht den Bedingungen der Echtzeit stand. Wenn das zu bearbeitende Datenvolumen zu groß ist, arbeiten diese Datenbanken in Zeitlupe. Und bei einem Personalisierungstool hat das direkte Auswirkungen auf die Besucher. Wenn Sie komplexe Personalisierungen erstellen, mit Cross Device-User Journeys, oder Informationen aus ihrem DMP- oder CRM-Tool laden, kann das Versprechen von Echtzeit einfach nicht gehalten werden.

Zwei Lösungen können dieses Problem beheben:

1. Die SQL-Datenbank permanent verbessern, mit Updates der Hardware, was aber ein Risiko für Stabilität und Datensicherheit mit sich bringt.

2. Das Datenvolumen auf verschiedene Datenbanken mit spezifischen Merkmalen verteilen. Das war unsere Wahl, und dafür nutzen wir eine NoSQL-Struktur. NoSQL (oder Not Only SQL) wurde von mehreren der oben genannten Internet-Riesen initiiert, weil sie erkannten, dass eine bessere Datenverteilung der beste Weg ist, enorme Datenvolumen zu nutzen.

Dieses Video von Alan Perkins (Director of Technology bei Rackspace) gibt einen guten ersten Einblick in die Problematik SQL vs. NoSQL und die Unterschiede zwischen beiden Techniken.

3 Wie verwaltet Kameleoon die Besucherdaten ganz konkret?

1. Ein Besucher landet auf Ihrer Webseite. Alle Daten (Verhalten, Kontext, usw.) werden automatisch im LocalStorage seines Browsers erfasst. So können in Echtzeit personalisierte Erfahrungen geboten werden, ohne einen Remote-Server zu benötigen.

2. All diese Daten werden ebenfalls von Kameleoon abgespeichert, auf einem unserer Server. Wird der Besuch als beendet betrachtet (nach 30 inaktiven Minuten), werden die Daten sofort an die Speicherungs-Struktur weitergeleitet. Jetzt kommen wir zur Speicherung der Daten.

3. Mit NoSQL haben wir zwei Datenbanken eingerichtet:

  • Elasticsearch: Es handelt sich gleichzeitig um einen Teil des Speicherungssystems und eine Suchmaschine, für eine sofortige Auswertung der Daten. Reportings können an Kameleoons Backoffice gesandt werden, für Analysen und gegebenenfalls, um Browserdaten zu erhalten. Das ist z.B. bei der Abgleichung von Cross-Device-Daten erforderlich, da Informationen zweier unterschiedlicher Browser geladen werden müssen. Oder im Fall der Einbindung einer Plattform zum Push von Events in Echtzeit außerhalb der Webseite (#no, Lösungen wie Segment, Anruf eines Call Centers, usw.). Diese Ereignisse werden automatisch mit dem laufenden Besuch verbunden, und können für Personalisierungsaktionen genutzt werden.
  • Cassandra: Hier werden alle Daten des Besuchs gespeichert. Diese Datenbank ermöglicht eine weitreichende Analyse der Daten, die aber nicht sofort benötigt wird. Sie hat keinerlei Einfluss auf die Performance der ersten Plattform, Elasticsearch.

Tatsächlich ersetzen NoSQL-basierende Architekturen immer mehr ihre Vorgänger, und das hat zwei einfache Gründe:

  • Sie sind erweiterungsfähig und passen sich den neuesten Innovationen an.
  • Sie können ein größeres Datenvolumen verwalten.
Diese Technologien sind ein echtes Plus für uns und unsere Kunden.
Jean-Noel Rivasseau - architecture big data kameleoonWir bearbeiten ein immens großes Datenvolumen. Anstatt ständig ein veraltetes System optimieren zu müssen, haben wir frühzeitig die Entscheidung getroffen, eine moderne, besser strukturierte Architektur einzusetzen und NoSQL zu nutzen. So kann Kameleoon die enorme Datenmenge bewältigen und sein Versprechen der Echtzeit halten.
Jean Noël Rivasseau, Gründer und CTO, Kameleoon.

4 Zeit für Predictive Marketing

Das optimierte Management Ihrer Kundendaten ermöglicht Echtzeit und Predictive Targeting. Unsere Architektur ist für Machine Learning-Algorithmen wie geschaffen. Dank dieser Algorithmen können Sie erkennen, wer unter Ihren Besuchern zukünftiger Kunde ist.

Wenn Sie nur glauben, was Sie sehen, fordern Sie eine Demo unserer Lösungen der UX-Optimierung an. Wir möchten Ihnen die zahlreichen Möglichkeiten zeigen, die unser Tool bietet.

demo DE

Themen in diesem Artikel