Lagertilpasset produktanalyse av atferdsdata fra Snowplow

(Denne artikkelen er også publisert på Snowplow Blog. En spesiell takk til Derek Kong, Partnerships & Alliances Marketing Manager hos Snowplow, for hans verdifulle innspill).

I Modern Data Stack går alle data - inkludert Snowplows førstepartsdata om kundeatferd - til et sentralisert datalager i skyen. Dette kan enten være en datasjø, som Databricks, eller et datavarehus, som Snowflake. Uansett om man bruker en lakehouse- eller warehouse-arkitektur, standardiserer bedriftene det å ha alle data i et sentralt lager. Dette gir fordeler når det gjelder konsistens, sikkerhet, styring og administrasjon.

Analyseverktøy og -funksjoner som Business Intelligence (BI) og AI/ML fungerer allerede direkte på grunnlag av data i de samme lagrene. BI-verktøy som Tableau og Looker støtter imidlertid ikke adferdsdata (dvs. tidsseriedata) på en effektiv måte. Derfor brukes de ofte i kombinasjon med produktanalyseverktøy som Amplitude og Mixpanel, som dukket opp for ti år siden med spesialbygde analyseløsninger for brukerhendelsesdata. Disse vertikalt integrerte løsningene kom før den moderne datastakken, og fungerer følgelig ikke naturlig utenfor datavarehuset eller datasjøen. De er begrenset til kanaler som kun omfatter produkter, har svært begrenset rapportering og tilbyr ikke førsteklasses instrumentering.

Et sentralisert datavarehus eller en datasjø bryter ned disse siloene og baner vei for å komponere datastakken med førsteklasses funksjoner i alle lag.

Førsteklasses instrumentering

Snowplow er en plattform for innsamling og behandling av førsteparts kundedata som ivaretar personvernet, og som gjør det mulig for organisasjoner å generere og modellere førstepartsdata fra alle sine digitale grensesnitt for å fange opp beskrivende kundereiser og bygge handlingsorienterte atferdsprofiler. Snowplow er spesialdesignet for dataplattformer som en enkelt kilde til sannhet; markedsførere, datateam og CDP-er kan aktivere Snowplow-data på tvers av Customer 360-, personaliserings- og ML-brukstilfeller.

Ved å utnytte Snowplow får bedrifter en komplett og enhetlig beskrivende oversikt over kundeinteraksjoner, samt interaksjoner med partnere, applikasjoner og systemer. Førsteparts kundedata hentes fra ulike digitale kilder (nettsider, mobilapper, IoT osv.), og presenteres som rader med hendelser, som hver inneholder kontekstuelle enheter og egenskaper, for eksempel side og hendelsesplassering - og som er koblet sammen for å danne en reise for hver kundeinteraksjon.

Snowplows førsteparts kundedata er prediktive av natur og rike på kontekst, noe som gjør dem til det perfekte drivstoffet for avansert analyse.

Den beste analysen i klassen

Når førsteparts atferdsdata berikes ytterligere med andre forretningsdata i datalageret (f.eks. detaljer på kontonivå fra Salesforce, supportlogger i Zendesk eller betalingshistorikk i NetSuite), kan du konstruere et faktabasert og omfattende bilde av kunden og kundereisen deres, og få en dyp forståelse av atferdsmønstrene over tid som driver oppbevaring, henvisninger og inntekter.

NetSpring er en nestegenerasjons, lagerbasert produktanalyseløsning som tilbyr selvbetjent produktanalyse med den analytiske kraften til BI. Produkt-, vekst- og suksess-team kan få en fullstendig oversikt over reiser på kontonivå, forstå attribusjon og avdekke tverrfunksjonell forretningsinnsikt. De kan forbedre enhver hendelsessegmentering, trakt, sti, kohort eller retensjonsanalyse med ad hoc-analyser - for å utforske alle data i lageret visuelt.

Warehouse-innfødt arkitektur

En felles lagerinnfødt tilnærming gjør at både Snowplows Behavioral Data Platform (BDP) og NetSprings Product & Behavioral Analytics kan møtes på et felles punkt - et datalager - som for eksempel Snowflake.

Med NetSprings neste generasjons produktanalysefunksjoner kan bedrifter begynne å frigjøre den fulle verdien av Snowplows førsteparts kundedata. Ved å utnytte førsteklasses instrumentering og analyse kan felles kunder operasjonalisere omfattende førstepartsdata om kundeatferd og deretter analysere og forstå atferdsmønstrene på tvers av hele kundereisen - fra adopsjon til engasjement og oppbevaring og inntekter på kontonivå.

Neste steg

Et opptak av Unlock the Value of Snowplow 1P Customer Data med NetSpring er nå tilgjengelig. Se den felles demoen for å se hvordan:

• Snowplow kan måle hele bruker- og kundereisen på tvers av alle kanaler og berøringspunkter
• Et datavarehus kan samle komplette og prediktive kundeprofiler fra Snowplow, sammen med all relevant kunde- og forretningskontekst for å gi en fullstendig oversikt over hele kundereisen
• NetSpring utnytter datavarehuset som den eneste sannhetskilden, og gir den rike modellerings- og analysekraften til BI for visuell ad hoc-utforskning av trakt-, sti- og kohortanalyser

Anbefalt lesning

• Hvordan og hvorfor NetSpring bygger neste generasjons produktanalyse på Snowflake (Snowflake-bloggen)
• Atferdsbaserte dataplattformer for produktanalyse (Snowplow-bloggen)
• Produktanalyse iden moderne datastakken (NetSpring-bloggen)
• Den komponerbare CDP-en og hva den betyr for produktanalyse (NetSpring-bloggen)
• Slutt å bruke mer enn tre verktøy for produktanalyse (NetSpring-bloggen)