AMZTool/Blog/Amazon Ads zu BI-Tools

Reporting · Datenintegration

Amazon-Ads-Daten nach Power BI, Tableau, Qlik & BigQuery exportieren

Erst einen Kampagnenbericht verbinden, dann eine nachvollziehbare Ansicht oder Abfrage erstellen.

Auch verfügbar auf: English · 中文版

William, founder of AMZTool
William
8 Min. Lesezeit·Veröffentlicht: 20. August 2026
Teilen:

Amazon-Ads-Daten gelangen meist als heruntergeladener Bericht, autorisierter Connector-Export oder API-Ergebnis in die Analyse. Power BI, Tableau und Qlik erstellen Auswertungsansichten; BigQuery speichert Daten und führt Abfragen aus und kann später ein Dashboard versorgen. Beginnen Sie mit derselben Kampagnentagesdatei und wählen Sie den passenden Werkzeugzweig.

Wie gelangen die Daten zum Dashboard?

Der einfachste Einstieg lautet Werbebericht → CSV-Datei → Zielwerkzeug → Kampagnentagesansicht. Für regelmäßige Auswertungen ersetzen Sie den manuellen Download später durch eine aktualisierbare Quelle. Ein Diagramm-Refresh lädt nicht automatisch einen neuen Amazon-Bericht; bleibt die Quelle unverändert, bleiben auch die Daten alt.

Der Dateiweg setzt keine eigene API-Entwicklung voraus. Bei einem vorhandenen Connector prüfen Sie Berichtsunterstützung und Autorisierung. Eine eigene Amazon-Ads-API-Anbindung benötigt passenden Zugang und Wartung. Hier wird nicht behauptet, ein bestimmtes Produkt habe grundsätzlich einen oder keinen nativen Amazon-Ads-Connector.

Die erste Kampagnentagesdatei vorbereiten

Laden Sie im richtigen Konto einen datierten Sponsored-Products-Kampagnenbericht herunter und bewahren Sie Datei und Erstellungszeit auf. Jede Zeile braucht eine eindeutige Bedeutung für Konto, Kampagne und Tag. Benötigt werden Kampagnen-ID, Name, Impressionen, Klicks, Kosten, Bestellungen, zugeschriebener Umsatz und Währung. Ordnen Sie abweichende Exportspalten vor dem Import zu.

Zum Üben dient die CSV mit vier Beispielzeilen. Sie enthält erfundene Lehrdaten, kein Amazon-Exportformat: zwei Kampagnen an zwei Tagen, ein Beispielkonto, USD sowie insgesamt Kosten 100 und Umsatz 400. Die folgenden Schritte verwenden diese englischen Überschriften, nicht eine behauptete Live-Kontoverbindung.

Die Datei mit Ihrem Werkzeug verbinden

Power BI Desktop

Wählen Sie Daten abrufen → Text/CSV. Setzen Sie beim Transformieren profile_id und campaign_id auf Text, date auf Datum sowie cost und sales auf Dezimalzahl; laden Sie danach die Daten. Eine Tabelle enthält Datum oder Kampagne und Summen von Kosten und Umsatz. Einzelheiten zeigt Microsofts CSV-Anleitung.

Tableau Desktop

Wählen Sie unter Verbinden die Textdatei und prüfen Sie auf der Datenquellenseite Datums-, Text- und Zahlentypen. Nutzen Sie im Arbeitsblatt Kampagne und Datum als Dimensionen, summierte Kosten und Umsatz als Kennzahlen. Den Anschluss erläutert die Tableau-Anleitung für Textdateien.

Qlik Cloud Analytics

Laden Sie die Datei in einen zugänglichen Bereich hoch, fügen Sie sie einer Analyseanwendung hinzu und laden Sie die Daten. Prüfen Sie Datums- und Zahleninterpretation; die Kampagnen-ID ist ein Bezeichner, kein zu summierender Betrag. Erstellen Sie eine Tabelle mit Datum, Kampagne und Kosten-/Umsatzkennzahlen. Einstieg und Berechtigungen beschreibt Qliks Dateiimport.

BigQuery

Sie benötigen passende Projekt- und Dataset-Rechte; Speicherung und Abfragen können Kosten verursachen. Erstellen Sie Dataset und Tabelle per CSV-Upload und überspringen Sie die Kopfzeile. Verwenden Sie STRING für profile_id, campaign_id, campaign_name und currency, DATE für date, INTEGER für Zählwerte und NUMERIC für cost und sales. Lange IDs dürfen nicht automatisch Zahlen werden. Siehe Googles Ladeanleitung.

Beim erneuten Laden des vollständigen Beispiels wählen Sie dieselbe separate Lehrtabelle und unter Advanced options → Write preference die Option Overwrite table, nicht Append. Das entfernt alte Daten und kann Tabelleneinstellungen zurücksetzen. Verwenden Sie es nur für dieses entbehrliche vollständige Beispiel, niemals ungeprüft für Produktionshistorie oder partitionierte Tabellen. Siehe Googles Schreiboptionen. Danach müssen weiterhin vier Zeilen, Kosten 100 und Umsatz 400 vorliegen.

Für die Beispieltabelle demo.ads_campaign_daily prüft diese Abfrage die Kampagnensummen. Ersetzen Sie Projekt, Dataset und Tabelle durch eigene Namen. Sie ist ein Rechenbeispiel und verbindet kein Werbekonto.

SELECT campaign_id, MAX(campaign_name) AS campaign_name,
       SUM(cost) AS cost, SUM(sales) AS sales,
       SAFE_DIVIDE(SUM(cost), SUM(sales)) AS acos
FROM demo.ads_campaign_daily
GROUP BY campaign_id

Eine Tagesansicht mit richtigen Summen erstellen

Behalten Sie Datum und Kampagnenidentität bei. Im Beispiel ergeben sich Kosten/Umsatz von 40/80 für Cup_Exact und 60/320 für Cup_Auto: insgesamt 100/400 und 25 % ACOS. Teilen Sie aggregierte Kosten durch aggregierten Umsatz statt Zeilenquoten zu mitteln. Ohne Umsatz darf das Ergebnis nicht stillschweigend 0 % lauten.

Die erste Ansicht verwendet nur Kampagnentagesdaten. Werden Kampagnensummen direkt mit vielen Suchbegriffszeilen verbunden, wiederholen sich dieselben Kosten. Gleichen Sie Zeilenumfang und Verknüpfung ab, bevor Tabellen kombiniert werden; Konto, Währung und Anzeigenprodukt bleiben ausdrücklich getrennt.

Zuerst die Quelle, dann die Analyse aktualisieren

Beim Dateiablauf laden und prüfen Sie den neuen Bericht, ersetzen die tatsächlich gelesene Datei oder Tabelle und aktualisieren danach die Ansicht. Ein Cloud-Dienst kann nicht automatisch auf lokale Desktop-Pfade zugreifen; richten Sie nach Produktanforderung erreichbaren Speicher, Zugangsdaten oder ein Gateway ein.

Ein vollständiger neuer Bestand ersetzt seinen Bereich, statt Kopien anzuhängen. Für Historie aktualisieren Sie passende Tagesdatensätze und laden jüngere Zeiträume erneut, deren zugeschriebene Bestellungen sich ändern können. Versionieren Sie Quellen, zeigen Sie Berichtszeitraum und letzten erfolgreichen Ladevorgang getrennt und melden Sie Fehler.

Die fertige Anbindung mit der Quelle abgleichen

Vergleichen Sie bei identischem Konto, Zeitraum und Filter Zeilenzahl, Kosten und Umsatz. Das Beispiel muss vier Zeilen, Kosten 100 und Umsatz 400 ergeben. Ein erneuter Ladevorgang darf daraus nicht acht Zeilen oder Kosten 200 machen. Prüfen Sie kürzere Ersatzdateien auf alte Restzeilen und machen Sie fehlgeschlagene Aktualisierungen sichtbar.

Die BI-Zweige enden mit einer abgeglichenen Kampagnentabelle, BigQuery mit einer abfragbaren und erneut ladbaren Datentabelle. Dafür ist noch kein Diagramm nötig. Testen Sie Rechte, Aktualisierung und Kosten vor dem Produktiveinsatz in Ihrer Umgebung. Kennzahlen erklärt der Leitfaden zu Werbeberichten.

William, founder of AMZTool

Ich arbeite seit fünf Jahren im Amazon-Geschäft und habe mehr als 10 Mio. US-Dollar Umsatz erzielt. Heute entwickle ich praktische Tools, die Verkäufern helfen, wiederkehrende Anzeigenarbeit und manuelle Fehler zu reduzieren.

Veröffentlicht in:ReportingDatenintegrationPower BIAds API
Teilen:
Dieses Thema durchsuchenReporting & Messung · 4 Artikel