Che cos'è uno stack di dati moderno per la crescita?

Il termine "stack di dati moderno" ha suscitato molto interesse negli ultimi 18 mesi, con la maggior parte delle chiacchiere nel contesto dell'analisi e di come un insieme di strumenti e tecnologie moderni può aiutare a migliorare l'abilità di analisi.

Lo stack di dati moderno più ampiamente accettato per l'analisi comprende strumenti di dati che coprono le seguenti quattro categorie:

• Raccolta dati tramite ELT: utilizzata per estrarre dati da database e strumenti di terze parti
• Data warehousing: utilizzato per archiviare una copia dei dati
• Trasformazione dei dati: utilizzata per trasformare i dati e creare modelli per l'analisi
• Business intelligence: utilizzata per creare report utilizzando modelli di dati pronti per l'analisi

Tuttavia, questo stack soddisfa solo in parte le esigenze dei team di prodotto e crescita poiché ignora quanto segue:

• Raccolta di dati sugli eventi da origini dati primarie o proprietarie (siti Web e app)
• Archiviazione di questi dati in un data warehouse su cloud
• Analizzare questi dati per comprendere il comportamento degli utenti e identificare i punti di attrito
• Attivazione dei dati negli strumenti a valle per creare customer experience personalizzate

Pertanto, come estensione del moderno stack di dati per l'analisi, uno stack di dati moderno per la crescita include strumenti che consentono ai team di eseguire quanto sopra.

L'obiettivo di questa guida è offrire un'analisi completa dello stack di dati che consenta ai team go-to-market (GTM) di assumere il controllo dei propri flussi di lavoro e fare di più senza fare affidamento sui team di progettazione e dati.

Raccolta dei dati sugli eventi: CDI contro CDP

La raccolta di dati di eventi o dati comportamentali è il primo passo verso l'adozione di uno stack di dati moderno per la crescita e farlo bene è fondamentale poiché tutto il resto da qui in poi dipende da dati puliti e accurati resi disponibili negli strumenti utilizzati dalla gente di GTM.

Gli strumenti di raccolta dei dati comportamentali appositamente progettati rientrano in due categorie strettamente correlate con capacità sovrapposte: infrastruttura dei dati dei clienti (CDI) e piattaforma dei dati dei clienti (CDP).

La mancanza di adozione del termine CDI è il motivo per cui alcuni fornitori di CDI si riferiscono al loro prodotto come CDP senza effettivamente offrire funzionalità CDP. Inoltre, sempre più fornitori di strumenti di automazione del marketing utilizzano il termine CDP per descrivere una caratteristica non fondamentale del loro prodotto, aumentando la confusione su cosa sia realmente un CDP.

CDI è essenzialmente una soluzione autonoma mentre CDP è una soluzione in bundle che include funzionalità CDI. Permettetemi di spiegare le differenze nei termini più semplici possibili.

Infrastruttura di dati del cliente

Lo scopo di un CDI è raccogliere dati comportamentali o dati di eventi da origini dati primarie o proprietarie, siti Web e app, e sincronizzare i dati con soluzioni di data warehousing nonché con strumenti di terze parti utilizzati per analisi basate su eventi e Attivazione.

I team di prodotto e crescita in genere utilizzano i dati comportamentali in uno strumento di analisi del prodotto per comprendere il comportamento degli utenti e in strumenti di coinvolgimento per creare esperienze personalizzate basate sui dati: il compito di un CDI è rendere disponibili i dati giusti in questi strumenti.

Inoltre, i CDI offrono anche funzionalità di governance e qualità dei dati per garantire che i dati raccolti non siano solo accurati ma anche come previsto.

Se desideri approfondire i CDI, ti consiglio di dare un'occhiata a questa guida che ho scritto di recente.

Piattaforma dati clienti

Come accennato in precedenza, CDP è una soluzione in bundle e può essere meglio compresa tramite la seguente formula:

CDP = La risoluzione dell'identità, la capacità di creare audience utilizzando un'interfaccia visiva drag and drop (senza scrivere SQL) e la possibilità di sincronizzare i dati con strumenti di terze parti sono le funzionalità principali di un CDP. Inoltre, i CDP archiviano anche una copia dei dati nel proprio data warehouse e li rendono disponibili per un consumo futuro.

CDP è essenzialmente uno strato sopra CDI per attivare o agire sui dati.

Inoltre, i CDP e persino alcuni CDI offrono la possibilità di raccogliere dati da strumenti di terze parti. Tuttavia, questa non è una delle loro offerte principali: gli strumenti ELT come Fivetran, Airbyte e Meltano sono costruiti appositamente e più adatti per raccogliere e archiviare dati da strumenti di terze parti in un data warehouse.

Dati sugli eventi di magazzino

Un data warehouse è essenzialmente un database progettato per l'analisi e viene utilizzato per archiviare i dati da tutte le possibili origini dati: app proprietarie, strumenti di terze parti e database di produzione.

Indipendentemente dalla tecnologia utilizzata per raccogliere i dati degli eventi, archiviare una copia dei dati in un data warehouse come Snowflake, BigQuery o Firebolt è una buona pratica con numerosi vantaggi.

Oltre all'ovvio vantaggio di possedere i tuoi dati, l'accesso ai dati grezzi in un warehouse ti consente di fare di più con i dati, dalla trasformazione e combinazione dei dati degli eventi con i dati di altre origini all'arricchimento dei dati prima di analizzarli o attivarli.

Inoltre, l'archiviazione dei dati ti consentirà di investire in casi d'uso avanzati come modelli predittivi per ridurre l'abbandono o un motore di raccomandazioni per potenziare le vendite. È più facile sfruttare i tuoi dati se sono ospitati nel tuo magazzino, piuttosto che bloccati all'interno del magazzino di un fornitore di terze parti, dove potresti dover pagare una tariffa per accedere ai dati storici.

Anche se oggi non hai bisogno dei dati, vale comunque la pena archiviare una copia dei tuoi dati in un data warehouse, soprattutto quando i warehouse sono diventati così convenienti e possono essere trasformati in poche ore senza una profonda conoscenza tecnica.

Una volta terminata la raccolta e la memorizzazione dei dati, è il momento di analizzare e attivare i dati. Se eseguite correttamente, queste due fasi della pipeline di dati possono fare una differenza significativa nella traiettoria di crescita della tua azienda.

Analisi dei dati degli eventi

Uno strumento di analisi del prodotto è uno strumento di analisi creato appositamente per analizzare i dati degli eventi e comprendere come gli utenti interagiscono con il tuo prodotto.

Analisi dei clienti e analisi comportamentali sono anche termini per descrivere gli strumenti di analisi dei prodotti in quanto consentono di analizzare il comportamento degli utenti visualizzando come gli utenti si muovono attraverso il percorso del cliente.

Gli strumenti di analisi dei prodotti si rivolgono principalmente ai team di prodotto e di crescita in cui:

• I team di prodotto sono in grado di I team di crescita sono in grado di Analizzare i dati degli eventi come una canalizzazione

  Gli strumenti di analisi dei prodotti che alimentano i dati si presentano sotto forma di dati sugli eventi dal tuo sito Web e dalle tue app, origini dati proprietarie.

  Puoi anche inviare dati sugli eventi da app esterne, ma devi essere intenzionale al riguardo, altrimenti il ​​tuo strumento di analisi del prodotto si gonfierà di troppi eventi. Dati di eventi eccessivi possono causare rapidamente problemi di qualità dei dati, una delle principali cause di mancanza di fiducia nei dati.

  

  Con la rapida adozione del data warehouse, le aziende stanno scoprendo i vantaggi di rendere il data warehouse la fonte di dati per gli strumenti di analisi dei prodotti.

  

  Se stai già archiviando i dati in un data warehouse e disponi di risorse dedicate per gestire il warehouse, sincronizzare i dati dal warehouse allo strumento di analisi dei prodotti è una buona idea. Elimina la necessità di mantenere una pipeline di dati separata e consente di modellare e arricchire i dati nel warehouse prima di inviarli a valle.

  Un altro vantaggio degno di nota di questo approccio è che le aziende che utilizzano uno strumento BI come Looker, Mode o Preset insieme a uno strumento di analisi del prodotto non sperimenteranno alcuna incoerenza di dati tra i due poiché il magazzino sarà la fonte per entrambi gli strumenti.

  Attivazione dei dati dell'evento

  L'attivazione dei dati è il processo combinato di rendere disponibili i dati negli strumenti utilizzati per creare esperienze basate sui dati e creare quelle esperienze personalizzate attraverso i punti di contatto dei clienti.

  In altre parole, i dati vengono attivati ​​o agiti quando le interazioni con i clienti sono contestuali, tempestive e rilevanti in quanto alimentate dai dati. Attivazione dati

  L'analisi dei dati e la raccolta di informazioni dettagliate è utile solo se puoi agire su tali informazioni attivando i dati negli strumenti che utilizzi per interagire con potenziali clienti e clienti. Attivando i dati in modo efficiente, puoi andare oltre la visualizzazione di dashboard e utilizzare i dati in modo significativo.

  Fornire esperienze superiori si basa su ogni interazione del cliente attraverso i punti di contatto per essere alimentata da dati comportamentali. Ciò è possibile quando i dati vengono resi disponibili negli strumenti a valle in cui i dati vengono attivati ​​per potenziare tali interazioni, dalle e-mail in uscita e dalle conversazioni di supporto agli annunci e alle esperienze in-app.

  In assenza di dati in questi strumenti, non c'è molto che tu possa fare oltre a costruire esperienze lineari in cui ogni utente sperimenta gli stessi messaggi, e-mail e annunci, indipendentemente dalle azioni che ha intrapreso all'interno del tuo prodotto o dalle interazioni che ha avuto con il tuo marchio

  Diamo un'occhiata alle varie tecnologie disponibili per spostare i dati comportamentali su strumenti a valle in cui i dati vengono eventualmente attivati:

  • CDI per sincronizzare i dati grezzi degli eventi
  • CDP per sincronizzare dati grezzi e dati modellati visivamente
  • ETL inverso per sincronizzare i dati modellati utilizzando SQL in un data warehouse
  • Integrazioni della destinazione tramite strumenti di analisi dei prodotti per sincronizzare i dati già disponibili negli strumenti di analisi dei prodotti

  Tutto quanto sopra serve per lo stesso scopo: consentire ai team di creare esperienze personalizzate basate sui dati negli strumenti che utilizzano quotidianamente.

  CDI e CDP sono già trattati in precedenza, quindi passiamo alle altre due tecnologie che puoi utilizzare per rendere disponibili i dati negli strumenti di attivazione a valle.

  

  ETL inverso

  La rapida adozione dei data warehouse su cloud ha dato origine a Reverse ETL, un nuovo paradigma nell'integrazione dei dati che consente di attivare i dati già presenti nel data warehouse sincronizzandoli con strumenti di terze parti. Questo processo e la tecnologia sottostante che lo rende possibile vengono anche definiti analisi operative.

  Le aziende con team dedicati ai dati stanno investendo molto nel consolidamento dei dati dei clienti provenienti da varie fonti nel data warehouse . Gli strumenti ETL inversi come Hightouch, Grouparoo e Census consentono ai team di dati di creare modelli di dati utilizzando SQL in aggiunta ai dati archiviati nel magazzino (o di trasferire i loro modelli esistenti integrando strumenti come dbt) e sincronizzare tali modelli con strumenti di terze parti a valle.

  Tuttavia, l'implementazione e la manutenzione di uno strumento ETL inverso richiede un team di dati interno o almeno un ingegnere di dati dedicato, qualcosa di cui molte aziende non hanno le risorse o addirittura la necessità.

  Integrazioni delle destinazioni per analisi del prodotto

  Gli strumenti di analisi dei prodotti come Amplitude, Heap e Mixpanel supportano una gamma di strumenti come destinazioni dei dati, consentendo di creare e sincronizzare coorti di utenti con strumenti a valle in cui i dati vengono attivati. Queste integrazioni sono in continua evoluzione con diversi strumenti che offrono capacità diverse.

  

  Vale la pena ricordare che Amplitude ha fatto un ulteriore passo avanti e ha integrato la sua capacità di sincronizzare il pubblico con strumenti di terze parti tramite Amplitude Recommend: ci sono alcuni vantaggi notevoli in questo approccio:

  • Invece di creare coorti in uno strumento di analisi del prodotto per analizzare i dati e quindi creare gli stessi segmenti di pubblico nello strumento CDP, CDI o Reverse ETL, tutto può essere fatto in un unico sistema integrato
  • Le integrazioni bidirezionali con gli strumenti di coinvolgimento ti consentono di analizzare le metriche della tua campagna direttamente all'interno dello strumento di analisi del prodotto, consentendoti di misurare il vero impatto delle tue campagne di coinvolgimento

  Le aziende con risorse di ingegneria dei dati limitate possono trarre un valore significativo da tali soluzioni integrate che consentono ai team di sviluppo e prodotto di muoversi rapidamente senza fare affidamento sui team di dati.

  Anche le aziende più grandi possono trarre vantaggio da questo approccio a causa della disponibilità limitata di risorse di ingegneria dei dati e di un massiccio arretrato di richieste di dati da parte di vari team.

  Sfrutta uno stack di dati moderno per la crescita e il coinvolgimento

  Mantenere uno stack di dati moderno per la crescita non è necessariamente responsabilità di un team di crescita, ma sapere come i dati vengono raccolti, archiviati e spostati rende molto più facile per i professionisti della crescita ricavare informazioni dai dati e agire in base a tali informazioni in modo efficace.

  Inoltre, mentre le persone che si occupano della crescita e dei prodotti sono quelle che utilizzano la maggior parte degli strumenti in questo stack, i vantaggi di uno stack di dati moderno possono essere sperimentati all'interno di un'organizzazione, dalla generazione della domanda e dallo sviluppo delle vendite al supporto e al successo dei clienti.

  Dare ai team l'accesso agli strumenti che consentono loro di essere più produttivi consente loro anche di migliorare le proprie competenze e svolgere un lavoro più significativo, i due componenti più importanti che aiutano ad attrarre e trattenere i migliori talenti.

  ---

  Pronto a portare i tuoi dati oltre con uno stack di dati moderno per la crescita? Scopri di più sul potere di dati ben gestiti per favorire il coinvolgimento e la fidelizzazione.