Come ActionIQ si integra con Databricks Lakehouse, parte prima: abilitare la personalizzazione senza la replica dei dati

Il paradigma della personalizzazione: un equilibrio tra self-service aziendale e governance dei dati

La personalizzazione trasforma le aziende, modellando e rimodellando il modo in cui i brand si connettono con il loro pubblico. Il suo impatto si estende a tutti i settori industriali, in particolare nel congestionato panorama del mercato retail, dove le abitudini dei consumatori subiscono cambiamenti drastici. Una ricerca condotta da McKinsey & Company indica che con la personalizzazione i brand ottengono un notevole aumento del 40% dei ricavi. Mentre la domanda di esperienze personalizzate continua a crescere, le aziende che implementano la personalizzazione lungo tutto il ciclo di vita del cliente prospereranno.

La chiave per offrire un'esperienza personalizzata risiede nel modo in cui le organizzazioni utilizzano i dati dei clienti. Una visione a 360 gradi del cliente, raccolta dai dati di ogni touchpoint e arricchita tramite sorgenti di dati di terze parti e di partner, fornisce ai team di marketing le informazioni di cui hanno bisogno per identificare i clienti target e personalizzare contenuti e offerte in base alle loro esigenze e ai loro interessi.

Ma una visione a 360 gradi non basta. I team di marketing hanno bisogno di accedere a interfacce utente low-code e no-code che facilitino i loro flussi di lavoro. Questa funzionalità viene in genere fornita tramite una Customer Data Platform (CDP), che include anche funzionalità per l'integrazione e la gestione dei dati dei clienti. Queste funzionalità orientate ai dati possono sembrare in contrasto con la direzione dichiarata di molte organizzazioni di gestire i propri asset di informazioni attraverso una piattaforma dati unificata come la Databricks Lakehouse. Tuttavia, a causa del diverso allineamento funzionale di questi due sistemi, le organizzazioni spesso ritengono necessario implementare sia una CDP che una piattaforma dati in parallelo.

Le sfide di questa implementazione parallela vanno oltre i costi generali legati all'implementazione di due sistemi separati. Molto spesso gli asset informativi richiesti da un sistema sono necessari anche per l'altro. I team di marketing che operano nella CDP spesso si affidano ai loro data engineer e data scientist che lavorano nella lakehouse per ricevere assistenza per varie esigenze di elaborazione e analisi dei dati. Ciò porta alla replica dei dati, il che aumenta il carico operativo dell'ambiente e complica la governance e la protezione coerenti dei dati dei clienti.

Sinergia tra la Lakehouse e la Composable CDP di ActionIQ

Oggi, ActionIQ offre diverse opzioni di architettura per l'integrazione con Databricks, consentendo alle organizzazioni che utilizzano Databricks Lakehouse di consolidare il back-end dei dati e garantendo al contempo l'accesso aziendale alle esperienze utente necessarie per promuovere un engagement personalizzato. Per saperne di più sui diversi modelli di integrazione per ActionIQ con Databricks Lakehouse, consulta il nostro documento congiunto su questo argomento.

Ciò che distingue ActionIQ dagli altri fornitori di CDP è la sua capacità unica di eseguire il suo CDP componibile dall'interno del Databricks Lakehouse, grazie alla tecnologia HybridCompute di ActionIQ. A differenza dell'architettura in bundle, in cui CDP e lakehouse sono implementati indipendentemente l'uno dall'altro, questo approccio innovativo realizza un'integrazione più profonda tra i due sistemi. Consente alle organizzazioni di sfruttare le informazioni presenti nel Databricks Lakehouse come se fossero residenti all'interno del CDP componibile di ActionIQ. In particolare, le azioni degli utenti nel CDP possono triggerare il pushdown di query native verso il Databricks Lakehouse, eliminando la necessità di copiare o spostare i dati e fornendo un unico punto coerente di governance dei dati e sicurezza.

Un flusso di lavoro di esempio: i brand del settore retail rendono operativi i modelli di propensione con un'interfaccia utente intuitiva

Per illustrare come le organizzazioni possono implementare la CDP componibile di ActionIQ direttamente nell'ambiente Databricks Lakehouse, abbiamo ideato un flusso di lavoro semplice. In questo flusso di lavoro, i dati sulla fedeltà dei clienti di un marchio di vendita al dettaglio vengono utilizzati per assegnare un punteggio ai clienti in base alla loro probabilità di acquistare articoli in diverse categorie di prodotti, in linea con i contenuti e le offerte promozionali che il team di marketing desidera utilizzare. Questi punteggi di propensione, con valori compresi tra 0,0 e 1,0, rappresentano la probabilità che un cliente effettui un acquisto in una specifica categoria di prodotti entro i successivi 30 giorni. I punteggi vengono calcolati e registrati in una tabella nel Databricks Lakehouse (Figura 1). (Consulta questo blog per informazioni dettagliate su come vengono calcolati esattamente questi punteggi all'interno di Databricks.)

Utilizzando queste informazioni, il team di marketing mira a rivolgersi ai clienti con un'elevata probabilità di acquistare pane nei prossimi 30 giorni, ma solo una probabilità moderata di acquistare bevande analcoliche nello stesso periodo. Hanno in programma di coinvolgere questi clienti attraverso canali outbound come e-mail e paid media, con un'offerta bundle progettata per incoraggiare l'acquisto congiunto di articoli di entrambe le categorie di prodotti. Per i visitatori del sito web del brand, il team di marketing cerca di fornire un'esperienza coerente e personalizzata sulla pagina principale, dove il banner presentato mostra la categoria di prodotti che il singolo visitatore ha maggiori probabilità di acquistare.

Per abilitare il flusso di lavoro del team di marketing con questi dati, gli amministratori della CDP hanno configurato una connessione senza interruzioni tra la piattaforma ActionIQ e Databricks, sfruttando l'integrazione HybridCompute di ActionIQ. Contemporaneamente, gli amministratori di Databricks hanno impostato le autorizzazioni sugli oggetti appropriati per consentire l'esecuzione di query provenienti da ActionIQ. Il team di marketing non ha bisogno di conoscere questi dettagli tecnici. Per loro, i dati del propensity score appaiono semplicemente come una fonte di dati dei clienti all'interno dell'interfaccia utente di ActionIQ. (Figura 2).

In ActionIQ, il team di marketing può creare istantaneamente segmenti di pubblico utilizzando l'interfaccia utente no-code, senza dipendere dai team IT. Possono quindi mappare i percorsi multi-step del cliente utilizzando l'area di lavoro drag-and-drop in ActionIQ, orchestrando facilmente esperienze personalizzate su tutti i canali in uscita dove desiderano coinvolgere i clienti —— in questo caso, i canali email e i canali media a pagamento. Una volta completato il percorso, il contenuto o l'offerta specifica viene indirizzata ai clienti giusti e vengono eseguiti i passaggi necessari per l'attivazione (Figura 3).

Inoltre, il team di marketing può personalizzare la pagina principale del sito web in tempo reale accedendo alle informazioni sulla propensione all'acquisto del visitatore in pochi millisecondi, sfruttando l'API ActionIQ Profile (Figura 4).

Il vantaggio di questo approccio è che i data scientist e i Data Engineer responsabili della derivazione continua di questi punteggi di propensione utilizzando i dati del cliente più recenti possono lavorare nel loro ambiente preferito. Non appena i dati vengono aggiornati nella Databricks Lakehouse, il team di marketing può accedervi immediatamente, senza dover attendere l'attivazione di un processo di replica dei dati lento e complesso. Inoltre, il team di governance dei dati può essere certo che questi dati sensibili siano gestiti da una posizione centrale, pur consentendo di ottenere i risultati di business che forniscono valore.

Mettilo in pratica nella seconda parte

Nella seconda parte della nostra guida pratica, troverai dettagli passo-passo con elementi visivi su come ActionIQ si integra con Databricks tramite HybridCompute, abilitato dal pushdown nativo delle query al Databricks Lakehouse. Per ogni passaggio, forniremo prima una descrizione generale del concetto e poi ne spiegheremo l'implementazione nel contesto del caso d'uso descritto sopra.

Vuoi saperne di più su come un Composable CDP può aiutarti a scalare le tue attività operative sui dati del cliente? Contatta il team di ActionIQ.

Maggiori informazioni