Ir para o conteúdo principal
Varejo e bens de consumo

Personalização no Varejo com Segmentação RFM e o CDP Componível

Como as marcas de varejo podem engajar clientes de forma mais eficaz ativando dados primários para segmentar públicos e personalizar mensagens

por Bryan Smith e Katy Yuan

CustomerLake: CDP agêntico criado no Databricks (imagem)

Confira nosso Acelerador de Soluções para Segmentação RFM para mais detalhes e para baixar os notebooks.

Para marcas de varejo, o engajamento eficaz do cliente depende da capacidade de segmentar públicos com precisão e personalizar mensagens com base em dados primários. Conectar os clientes com as mensagens certas faz com que eles se sintam vistos e ouvidos. Para o varejista, o conteúdo direcionado entregue ao subconjunto certo de clientes tem mais probabilidade de gerar a resposta desejada em comparação com os antigos esforços de marketing de massa.

Mas alinhar o conteúdo com os clientes exige acesso a uma visão precisa do cliente, a capacidade de usar dados do cliente para identificar um público receptivo e um meio de conectar esse público com as mensagens apropriadas em vários canais externos. Isso está levando cada vez mais organizações a construir sua própria visão de 360 graus de seus clientes, conectando dados de todos os pontos de contato para desenvolver uma compreensão mais abrangente das necessidades e preferências dos clientes.

O volume e a variedade de dados em um Customer 360 exigem escalabilidade e flexibilidade. A plataforma subjacente também deve ser capaz de suportar análises avançadas por meio das quais insights mais profundos sobre o comportamento do cliente possam ser extraídos. O desempenho de consultas, bem como fortes proteções de dados, também devem estar disponíveis para que os dados possam ser utilizados pelas diversas equipes de marketing. Por todos esses motivos (e muitos outros), cada vez mais organizações de varejo estão escolhendo o Databricks Lakehouse como a plataforma de preferência para seu Customer 360.

Mas uma plataforma de dados por si só não conecta clientes com mensagens. É por isso que a Databricks faz parceria com provedores de ativação de dados como a Census para associar os ativos de informação subjacentes à funcionalidade necessária para transformar insights de clientes em ações de marketing (Figura 1). Juntas, Databricks e Census oferecem suporte a uma abordagem best-of-breed para marketing personalizado e orientado por dados, entregando o que muitos chamam cada vez mais de uma arquitetura de Plataforma de Dados de Clientes (CDP) Componível. Para uma capacidade altamente diferenciadora como o marketing personalizado, a abordagem de CDP Componível oferece às organizações acesso ao potencial máximo de seus dados, mantendo o alcance mais amplo para suas equipes de marketing.

Figura 1. Uma arquitetura de CDP Componível com o Databricks fornecendo uma visão de 360 graus do cliente e a Census permitindo a ativação usando insights derivados dela
Figura 1. Uma arquitetura de CDP Componível com o Databricks fornecendo uma visão de 360 graus do cliente e a Census permitindo a ativação usando insights derivados dela.

A Census faz parte do Databricks Partner Connect, um portal centralizado para descobrir e conectar com segurança ferramentas de dados, análise e AI diretamente na plataforma Databricks. Com apenas alguns cliques, você pode configurar e conectar a Census (e muitas outras) diretamente de seu espaço de trabalho Databricks.

Usando a Segmentação RFM para Demonstrar um Fluxo de Trabalho de CDP Componível

Para ilustrar o poder de uma arquitetura de CDP Componível criada com Databricks e Census, colaboramos em uma demonstração simples que aproveita a segmentação por recência, frequência e valor monetário (RFM). A segmentação RFM tem sido há muito tempo uma técnica essencial para equipes de marketing que buscam diferenciar clientes de maior e menor valor e identificar grupos de clientes com comportamentos específicos que precisam ser abordados para aumentar seu valor para a organização.

Usando métricas simples de recência, frequência e valor monetário (RFM) derivadas de dados transacionais residentes no Databricks Lakehouse, podemos segmentar nossos clientes em vários grupos usando algumas técnicas de machine learning bastante diretas. As atribuições de segmento são mantidas no Lakehouse e revisitadas à medida que novos dados transacionais chegam.

Usando esses segmentos, a equipe de marketing pode desejar definir públicos para várias mensagens que pretendem enviar. Para Clientes VIP, ou seja, aqueles que interagiram recentemente e mantêm alta frequência e valor monetário em suas interações, a equipe pode desejar entregar uma mensagem que reconheça e fortaleça nosso relacionamento com esses clientes por meio de ofertas exclusivas ou acesso antecipado a novos produtos e serviços. Para Clientes Fiéis, ou seja, aqueles com frequência e recência moderadas, mas com menor gasto, o marketing pode desejar conectá-los com ofertas promocionais para aumentar seus gastos ou expandir as categorias nas quais eles compram conosco. E para os Clientes a Recuperar, ou seja, aqueles com alta frequência e maior gasto, mas baixa recência, a equipe de marketing pode desejar abordar preocupações conhecidas que possam tê-los afastado e incentivá-los a interagir novamente.

Por meio do Census Audience Hub, as atribuições de segmento e outros dados de clientes residentes no Customer 360 da Databricks são apresentados de forma a permitir que a equipe defina os públicos para essas várias ofertas e mensagens (Figura 2). Embora a equipe de Ciência de Dados tenha realizado seu trabalho usando as ferramentas mais tradicionais como Python, R e SQL, la equipe de marketing acessa os resultados desse trabalho usando interfaces de usuário intuitivas e fáceis de usar que superam as lacunas de usabilidade entre essas duas equipes.

Figura 2. Usando o Census Audience Hub para definir o público de uma mensagem específica, aproveitando as atribuições de segmento RFM e outros dados de clientes residentes no Customer 360.
Figura 2. Usando o Census Audience Hub para definir o público de uma mensagem específica, aproveitando as atribuições de segmento RFM e outros dados de clientes residentes no Customer 360.

Com os públicos definidos, a equipe de marketing pode usar a UI da Census para conectar cada subconjunto de clientes com mensagens específicas e canais de entrega preferidos (Figura 3). Com essa última ação, a jornada do insight à ação foi concluída e a organização agora pode extrair valor alinhado aos negócios de seus ativos de informação.

Figura 3. Usando a Census para sincronizar o público de Clientes VIP do Databricks (origem) para o Braze, uma ferramenta de automação de marketing para entrega direcionada de e-mails.
Figura 3. Usando a Census para sincronizar o público de Clientes VIP do Databricks (origem) para o Braze, uma ferramenta de automação de marketing para entrega direcionada de e-mails.

Examinando o Fluxo de Trabalho de Segmentação RFM em Mais Detalhes

Para ver o trabalho preciso que uma equipe de ciência de dados precisaria realizar para criar uma segmentação RFM no Databricks, colaboramos com a Census para entregar um novo acelerador de soluções demonstrando essas etapas. Sinta-se à vontade para baixar o notebook associado a este acelerador aqui, importá-lo para seu ambiente Databricks e recriar as etapas em um conjunto de dados disponível publicamente. Para conectar essa solução com a Census, você pode solicitar uma demonstração detalhada do produto, bem como uma avaliação gratuita.

Juntas, Databricks e Census podem capacitar as organizações de marketing a entregar valor diferenciador e engajamento do cliente aproveitando o poder dos dados e das análises.

Experimente a Census gratuitamente

Comece agora

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original

Receba os posts mais recentes na sua caixa de entrada

Assine nosso blog e receba os posts mais recentes diretamente na sua caixa de entrada.