Как часто вы совершаете спонтанные покупки или, увидев неожиданное и приятное предложение от банка, принимаете кредитную карту (даже если недавно погасили долг и зареклись не брать новую)? Финансовое учреждение точно рассчитало, когда предложит вам кредитную карту. Кажется, это просто совпадение: предложение банка совпало с поломкой вашего автомобиля и покупкой дорогих запчастей. Но спешим вас разочаровать, а если вы маркетолог, то наоборот порадовать себя. Перед нами только результат тщательного анализа данных. Как это работает на практике, в новой статье Умные данные под катом.

Продолжая пример, упомянутое выше финансовое учреждение, вероятно, использует платформу клиентских данных (CDP), гибкую платформу пользовательских данных в целях персонализации. Он анализирует историческое поведение каждого клиента в Интернете (на сайтах, в социальных сетях, на видеохостингах) для накопления набора данных, с помощью которых можно давать персональные рекомендации и целевые акции, предлагать эксклюзивные выборы. товаров в офлайн- и интернет-магазинах или других сервисах.

Здесь возникает главный вопрос: как банк мог обнаружить, что машина его клиента сломалась, не говоря уже о том, как приобрести необходимые для ремонта детали. Это просто. CDP может аккумулировать данные, доступные не только для конкретной компании, но и обогатить их информацией от других провайдеров (страховых компаний, автоцентров или продуктового ритейла). Эта информация доступна на бирже данных. Биржи можно сравнить с торговыми площадками: существуют поставщики данных, специализирующиеся на сборе бизнес-данных и данных о потребителях (ритейлеры, онлайн-кинотеатры, службы доставки еды и многие другие).

Однако даже при наличии полной картины о клиенте, похоже, система не сможет так быстро проанализировать все данные и за доли секунды опубликовать нужное рекламное объявление. Действительно, для реализации такой динамики потребуются передовые системы CDP корпоративного уровня. Они способны предварительно обрабатывать данные из нескольких источников, включая любой набор пользовательских атрибутов (данные, используемые для идентификации человека — файлы cookie, адрес электронной почты, номер телефона), формировать на их основе сегменты и быстро отправлять их через API на сайт компании.

Давайте продолжим углубляться в этот вопрос. Давайте посмотрим, как упомянутые выше идентификаторы используются для формирования уникального профиля клиента на примере платформы CleverData Join CDP.

Роль идентификаторов

Итак, в каждой системе или канале связи есть данные, используемые для идентификации человека. К ним относятся логин клиента, идентификатор CRM, идентификатор мобильного устройства IDFA и GAID, файлы cookie, адрес электронной почты и номер телефона. Платформа CleverData Join позволяет обрабатывать и хранить произвольное количество идентификаторов профилей разных типов.

Чтобы объединить пользователей из разных источников данных (иными словами, определить, что действия в мобильном приложении, на сайте и, возможно, на телефоне совершает один человек), необходимо, чтобы определенные идентификаторы профиля совпадали. Вот некоторые примеры.

• Анонимный веб-трафик и трафик от авторизованных клиентов имеют общий идентификатор профиля: файл cookie. Эти данные потенциально могут быть объединены.

• Трафик от авторизованных клиентов и информация из системы мобильной аналитики, скорее всего, имеют общий идентификатор профиля: логин. Эти данные также можно комбинировать.

• Веб-трафик и информация CRM могут иметь общий идентификатор профиля: электронную почту. Эти данные также можно комбинировать.

Таким образом, данные из разных источников будут объединены в единый профиль и историю событий. Здесь мы снова предлагаем вам углубиться в суть. Таким образом, технически этот процесс становится возможным с помощью инструмента CleverData Join, такого как IDGraph. Если в результате накопления информации о клиентах обнаруживаются идентичные идентификаторы, то IDGraph объединяет их профили, позволяя создать более точную картину пути клиента.

Как работает IDGraph

Давайте рассмотрим, как работает IDGraph на примере обработки события в потоковом режиме (этим событием может быть любое действие на сайте — клик, переход или заполнение формы). События (действия пользователя) при входе в CleverData Join записываются в очередь в исходном виде. Запущенный процесс обрабатывает их, обращаясь к базе данных профилей, уже существующих в системе. Тогда возможны несколько сценариев.

• Профили, соответствующие идентификаторам, не найдены. Скорее всего, событие пришло от посетителя, который никогда раньше не посещал сайт. В этом случае будет создан новый профиль, в который войдут все идентификаторы, полученные вместе с событием. Следующее событие, которое поступит на платформу с одним или несколькими из этих идентификаторов, уже будет связано с этим профилем. Таким образом, в пользовательском путешествии этого клиента будет сформирована цепочка из двух событий.

• Был найден профиль, идентификаторы которого включают один или несколько идентификаторов, предоставленных вместе с событием. Мы уже знаем этого посетителя. Возможно, это не первый их визит на сайт, или мы, возможно, уже получили необходимые учетные данные из других источников. В этом случае произойдет взаимный обмен идентификаторами — существующий профиль пополнится неизвестными ранее идентификаторами клиентов, а все идентификаторы, которые были в IDGraph, будут записаны в событии.

• Было найдено несколько профилей: некоторые идентификаторы, предоставленные во время мероприятия, принадлежат одному профилю, другие — другому. Это самый интересный и важный сценарий, который может произойти, например, если до мероприятия у нас была только информация об анонимной активности клиента и информация из CRM, не имевшая никакого отношения к этой анонимной активности. В этом случае IDGraph объединит два профиля в один и аналогичным образом дополнит событие всеми известными идентификаторами на момент прихода события.

Параметры IDGraph

На работу IDGraph можно влиять с помощью настроек, которые помогут реализовать корректную обработку профилей в любом бизнес-сценарии. Приведем примеры.

• Вы можете исключить один или несколько типов идентификаторов из процесса объединения профилей.

• Определите количество значений идентификаторов, которые будут храниться в системе, и определите приоритет удаления ненужных значений.

• Оптимизируйте работу, создав черный список значений идентификаторов, обработка которых не приведет к вставке.

Разработка IDGraph обеспечивает необходимую адаптивность алгоритма к задачам компании. А сам принцип работы гарантирует сохранение всей истории событий на протяжении всего пути клиента, вне зависимости от трансформаций, претерпеваемых его профилем.

Пример использования IDGraph

Чтобы узнать больше об использовании IDGraph, просмотрите процессы агрегирования данных для финансового учреждения. Допустим, у нашей воображаемой компании есть несколько способов общения с потенциальными клиентами:

• информационный сайт, содержащий информацию о финансовых продуктах,

• личный кабинет пользователя на сайте, позволяющий управлять финансовыми продуктами и услугами,

• мобильное приложение клиента, подключенное к мобильной системе анализа,

• CRM-система.

Представим, что человека, у которого сломалась машина и которому нужны деньги на покупку новых запчастей (с ним мы познакомились в начале статьи), зовут Алексей.

Действие Алексея №1

Он интересуется условиями различных кредитов и без авторизации заходит на сайт финансовой организации.

Системное действие №1

При поступлении первых событий с сайта (собранных с помощью кода, размещенного на сайте через CleverData Tag Manager) в системе создается новый профиль А, который пока имеет только один идентификатор — файл cookie, хранящийся в браузере, через который происходит соединение произошло. Все мероприятия привязаны к этому профилю.

Действие Алексея №2

Заинтересовавшись условиями кредита, Алексей обращается в организацию – отделение банка для получения финансового продукта.

Системное действие №2

Профиль Алексея создается в CRM-системе и Алексей получает логин и пароль от личного кабинета. Следующая загрузка, регулярно сделанная из CRM и импортированная в CleverData Join, будет содержать логин, электронную почту и номер телефона Алексея. После обработки следующей загрузки в системе появится новый Профиль Б с этими значениями идентификаторов. При этом связи между профилями А и Б пока нет — CRM-система ничего не знает о cookie браузера Алексея.

Действие Алексея №3

Во время очередного сеанса работы на сайте Алексей входит в свой личный кабинет, используя логин и пароль, которые ему выдали в офисе.

Системное действие №3

Система регистрирует событие, содержащее как идентификатор файла cookie, так и соединение. IDGraph анализирует такое событие и устанавливает, что профили следует объединить путем сопоставления Cookie, и объединяет профили А и Б. После этих действий мы имеем единый профиль пользователя, собранный из данных трех систем и единую историю событий — все действия Алексей во всех этих системах. Это позволяет финансовой организации начать диалог с Алексеем в разных системах и сравнить, как он реагировал на эти взаимодействия – переходил по ссылкам, открывал письма, интересовался персональным предложением на сайте или в мобильном приложении.

Если дополнить данные профиля А информацией от внешних поставщиков, то вы обнаружите, что Алексей за последние дни обращался в несколько автоцентров и воспользовался полисом ОСАГО. Гипотеза, согласно которой профилю А теперь нужны деньги больше, чем в другие дни, подтвердилась. Это значит, что помимо кредита, выбранного Алексеем, мы можем предложить дополнительный продукт: кредитную карту. Самый быстрый способ добиться этого – настроить главную страницу личного кабинета. Алексей, скорее всего, примет предложение банка.

У вас есть вопросы или есть альтернативный опыт использования платформ CDP? Будем рады обсудить это в комментариях под статьей.

Если вам интересно узнать больше о работе IDGraph, зарегистрируйтесь и вы получите полную версию материала, в котором мы:

• речь идет о типах идентификаторов, обрабатываемых CleverData Join,

• На различных примерах рассмотрены возможности потоковой и пакетной обработки данных в системе.

• Подробно опишем параметры конфигурации ID Graph.

Запросить полную статью