Implementera Segment i din anpassade datamodell och använd Warehouse-native analytics för enhetlig produktinsikt

Traditionella verktyg för produktanalys fångar dina data i åtskilda system. Dessa åtskilda verktyg har inte skalbart stöd för andra datakällor för insikter på kund- eller kontonivå (t.ex. intäkter, supportfrågor) eller din egen flexibla datamodell. De kräver komplexa ETL-implementatörer som inte bara är dyra att bygga och underhålla, utan som också tar bort datakontrollen från dig. Optimizely Warehouse-Native Analytics är en nästa generations lösning för produktanalys som på ett unikt sätt erbjuder modelleringsflexibiliteten och analyskraften hos BI, som arbetar direkt från ditt molndatalager - som den enda segmentdestinationen. PaaS-modellen (Platform-as-a-Service) är utformad med produkt- och tillväxtteam i åtanke och stöds av datateam eftersom den eliminerar åtskilda datasilos och dataduplicering.

I det här receptet lär du dig hur du kan integrera dina Segment-händelser i din anpassade datamodell och använda Optimizely Warehouse-native Analytics för att få enhetlig produktinsikt om hela livscykeln för dina användare och kundkonton. Inga ETL-jobb eller datakopiering krävs! Optimizely Warehouse-Native Analytics utnyttjar ditt datalager som den enda sanningskällan och den enda segmenteringsdestinationen, vilket ger datatillgång och insikter till både dina data- och produktteam.

För detta recept kommer vi att fokusera på hur datateam enkelt kan strömma Segment-händelser till ditt molndatalager, integrera dessa händelser i din befintliga datamodell och göra dessa data, tillsammans med andra produkt- och kunddata, tillgängliga för Optimizely Warehouse-Native Analytics. Alla dessa steg kan slutföras på några minuter utan något datatekniskt arbete. Inom några timmar kommer alla i din organisation att ha tillgång till produktanalys med självbetjäning.

Steg 1: Anslut dina segmenteringshändelser till ditt molndatalager

Segmentering partners med alla dina favoriter i moln datalager utrymme: Snowflake, Databricks, BigQuery, Redshift och många fler. Gå till Segmenteringskatalogen och anslut Segmentering till det datalager som används av ditt företag. Kolla in dessa steg-för-steg-instruktioner om hur du konfigurerar en datalagerdestination.

Steg 2: Identifiera dina användningsfall och anslut dina dataset

När spårningshändelserna flödar in i ditt datalager kan du börja fundera på användningsfall och datamodell. Till exempel:

• Produktens KPI:er: DAU, MAU, engagemang, retention, tratt, väg, etc.
• Användarattribut: Ålder, kön, land, version av app, etc.
• Dimensionstabeller: Kampanjattribution, A/B-testning, prenumeration, etc.
• Särskilda kohorter: Frekventa användare, avhoppade prenumeranter, användare som hoppar av under utcheckningen etc.

Med dina användningsfall och din datamodell i åtanke är det enkelt att konfigurera Optimizely Warehouse-native Analytics för självbetjäning. Fullständiga instruktioner finns i snabbstartsguiden och kommer att leda dig igenom:

1. Logga in på ditt konto för Optimizely Warehouse-Native Analytics
2. Skapa en applikation och ansluta till ditt datalager
3. Skapa ett dataset och välja källdataset, primärnyckel(n) och nödvändiga kolumner för att stödja alla dina användningsfall

Obs: Den arkitektoniska fördelen med Optimizely Warehouse-native Analytics är att det kan komma åt ditt lager direkt, utan dataduplicering. Datadelning stöds också, utan dataduplicering.

Steg 3: Få enhetliga produktinsikter från Optimizely Warehouse-Native Analytics självbetjäningsanalys

Du kan omedelbart börja upptäcka produktinsikter genom att utforska de dataset du har skapat. Välj helt enkelt från någon av de tillgängliga produktanalysmallarna från biblioteket, inklusive:

• Segmentering av evenemang
• Kvarhållande och engagemang
• Trattar
• Vägar
• Andra avancerade mallar

Varje mall gör att du snabbt kan dyka in i de vanligaste analysmönstren inom produktanalys för att på djupet förstå beteendemönstren hos användare på alla nivåer - användare, konto eller kund. Viktigast av allt är att du med tillgång till fullständig affärskontext för varje händelse kan börja mäta och spåra effektfulla affärsmått som din ledningsgrupp bryr sig om, samtidigt som du samarbetar med alla viktiga intressenter i kundupplevelsen.

• Segmentering av händelser

• Kvarhållande och engagemang

• Analys av trattar

• Analys av sökvägar

• Ad hoc-visuell utforskning

• Interaktiva dashboards

Avslutning

Eftersom Optimizely Warehouse-Native Analytics kan komma åt segmenthändelser direkt från ditt Data Warehouse och förstå din anpassade datamodell får du insikter om dina kunders hela livscykel, samtidigt som du behåller full kontroll över dina värdefulla data. Du kan också lägga till nya attribut och dimensionstabeller direkt, utan att någonsin behöva utveckla ETL-jobb eller återfylla data.

Här är vad vi har uppnått med det här receptet:

• Anslutna segmenteringshändelser till ditt datalager
• Anslöt Optimizely Warehouse-native Analytics till ditt datalager som den enda segmenteringsdestinationen
• Självbetjänade produktinsikter med Optimizely Warehouse-Native Analytics direkt ovanpå ditt datalager