Постоянный рост конкуренции на рынке вынуждает компании учиться глубже понимать клиентов и адаптировать свои предложения под их потребности. В решении этой задачи маркетологам, аналитикам данных и владельцам бизнеса помогают платформы клиентских данных, которые улучшают персонализацию маркетинговых кампаний и повышают эффективность взаимодействия с клиентами. Под катом мы расскажем,  как платформы могут помочь в этом процессе, обсудим концепцию агрегатных атрибутов и их роль в оптимизации работы с данными о клиентах.

СDP или платформа клиентских данных ― это система, которая интегрирует и управляет данными о клиентах из различных источников, как онлайн, так и офлайн. Она позволяет создавать единый профиль каждого клиента, что значительно улучшает персонализацию маркетинговых кампаний и взаимодействие с ними. CDP помогает анализировать поведение пользователей и оптимизировать свои предложения, повышая эффективность бизнес-процессов.

Платформы класса CDP обладают возможностью накопления крайне детализированных знаний о клиенте и широкими возможностями микросегментации. Эти две характеристики базируются, прежде всего, на модели данных, позволяющих хранить в системе:

• сведения о клиентских профилях ― данные о клиентах, которые изменяются не слишком часто, 

• сведения о событиях ― данные об активности клиентов (это могут быть переходы по страницам сайтов, взаимодействие с элементами мобильного приложения, заказы, просмотры товаров и т.п.).

 Массив данных о накопленных событиях априори имеет намного больший объём, чем сведения об атрибутах профиля. Немаловажно, что вы можете использовать эти данные для микросегментации.

Для несложных случаев сегментации вполне подходит построение условия сегмента по атрибутам клиентского профиля. Это достаточно простая с точки зрения вычислений задача, позволяющая быстро просмотреть относительно небольшой массив данных и сформировать сегмент аудитории. Совершенно другой сложности задача - проверить, к примеру, общую стоимость покупок за всё время хранения событий или найти клиентов, зашедших в определенный раздел магазина более Х раз за год. Такая задача под силу CDP с высокой производительностью и возможностью обработки действительно больших данных. Однако, опираясь на свой опыт, могу сказать, что есть примеры успешного решения подобных задач благодаря архитектуре, заточенной под возможности работы с по настоящему большими данными, накопленными в событиях. Как итог, был разработан новый способ взаимодействия с такими данными ― агрегатные атрибуты клиентского профиля.

Как работают и зачем нужны агрегатные атрибуты

В CDP-платформу на регулярной основе поступают события, имеющие несколько атрибутов. В качестве простого примера предположим, что один из атрибутов является числовым и представляет собой стоимость товара, купленного клиентом в рамках ранее поступившего события.

В условиях новой функциональности мы можем создать новый атрибут клиентского профиля, который будет автоматически заполняться значением, собираемым:

• из конкретного атрибута событий, которые удовлетворяют заданному фильтру,

• с использованием заданной агрегационной функции,

• на установленном интервале времени от текущего момента.

Таким образом, для примера, который мы рассмотрели выше,  можно создать несколько агрегатных атрибутов. Они покажут сумму покупок и средний чек за выбранные интервалы времени, например, месяц или год. И эти данные будут постоянно обновляться, отображая всегда актуальную статистику по этим критериям.

Агрегатные атрибуты профиля позволяют решать сразу несколько задач.

• Дать доступ к агрегированным аналитическим показателям, которые должны быть вычислены при обработке входящих событий, в карточке профиля. Эти показатели могут быть использованы для кастомизации контента под конкретного клиента или в рамках процедуры экспорта данных во внешние системы.

• Упростить построение сегментов за счёт использования таких показателей. Теперь можно заранее иметь предрасчитанные атрибуты, соответствующие разрезам анализа потока событий. Теперь вы можете использовать значения этих атрибутов как критерий для составления сегментов. Кроме того, что это упрощает генерацию выражений для сегментов, это также сокращает ресурсы, необходимые для осуществления сегментации, так как пропадает необходимость вычитывать весь массив событий для сбора аналогичных агрегатов на лету.

Поддерживаемые функции агрегации

Для настройки агрегатных атрибутов можно использовать достаточно широкий спектр агрегирующих функций. Рассмотрим некоторые из них.

• sum/count. Простые функции, выполняющие суммирование атрибутов или подсчёт количества событий.

• min/max. Вычисление минимального или максимального значения. Этот агрегат позволяет определить самый дорогой товар в определенной категории, которым интересовался пользователь.

• avg/mode. Статистические агрегаты ― среднее арифметическое и наиболее популярное из значений. С помощью таких функций можно узнать среднюю протяжённость взаимодействия с клиентом или наиболее встречаемое количество товаров в корзине.

• first/last. Первое и последнее значение. Например, получить информацию о последней просмотренной услуге на сайте.

• exists. Факт существования значения. Иногда достаточно иметь возможность узнать, что пользователь выполнял действие с определенным атрибутом хотя бы один раз за период. 

• distinct count/distinct value. Эти функции позволяют выбрать уникальные значения атрибутов и подсчитать их количество либо создать список значений. Это может быть удобно для формирования сводного атрибута интереса к категориям товаров.

Примеры сценариев использования

Ежемесячная рассылка специальных предложений клиентам с большой суммой покупок за последний месяц

В CDP поступают данные о покупках, сделанных в интернет-магазине компании клиентами. Создан агрегатный атрибут "Сумма покупок, мес." со следующими критериями:

• Просматриваем события, имеющие тип (в виде атрибута события) "Покупка".

• Используем агрегатную функцию "Сумма" для атрибута события покупки "Стоимость".

• Используем интервал агрегации, равный одному месяцу.

Теперь достаточно настроить вычисление сегмента по критерию "Сумма покупок за месяц" > X тыс. рублей. Мы установим автоматическое ежемесячное обновление сегмента в первый день этого месяца. Таким образом, у вас будет доступ к аудитории, которая принесла наибольшую выручку за предыдущий месяц. Этот сегмент можно использовать для массовых рассылок.

Кастомизация главного меню сайта по активности клиента

В CDP поступают данные о переходах клиента в разделы интернет-магазина.

Создан агрегатный атрибут "Последние категории" со следующими критериями.

• Просматриваем события, соответствующие переходам по страницам интернет-магазина.

• Используем агрегатную функцию "Уникальные значения" для атрибута события "Категории".

• Используем интервал агрегации, равный одной неделе.

При формировании меню на сайте движку CMS достаточно обратиться к модулю оперативного профиля (МОП) CleverData Join CDP с ID клиента. В ответ МОП предоставит атрибуты профиля, включая "Последние категории". Эта информация позволит CMS выделить категории, которые интересовали пользователя в течение последней недели.

Удержание клиентов, регулярно оставляющих низкие оценки по ассортименту товаров или услуг

В CDP поступают данные, собранные через форму обратной связи в виде оценки взаимодействия с товаром или услугой.

Создан агрегатный атрибут "Средняя оценка" со следующими критериями.

• Просматриваем события, соответствующие проставлению оценки.

• Используем агрегатную функцию "Среднее арифметическое" для атрибута события "Оценка".

• Используем интервал агрегации, равный шести месяцам.

Создадим RT-сегмент, который будет реагировать на совокупность двух условий.

• Появилось событие с атрибутом "Оценка" меньше или равно трем.

• Для профиля, по которому пришло это действие, должно выполняться условие "Средняя оценка" меньше или равно четырем.

Существует возможность внедрения автоматической системы отправки предложений, направленных на увеличение лояльности клиентов, при соблюдении определённых условий. Важно отметить, что предложения не будут отправлены, если клиент регулярно оценивает товары или услуги высоко (например, данный товар оказался хуже его привычного уровня, но это не систематическая проблема), а также в случае, когда средняя оценка остаётся низкой, несмотря на то, что последний товар был оценён высоко.

Регулярный сбор обратной связи от клиента

На сайте реализована форма обратной связи, доступная клиенту по его желанию. В CDP поступают данные, собранные через форму обратной связи.

Создан агрегатный атрибут "Была ли ОС за последний год" со следующими критериями.

• Просматриваем события, соответствующие проставлению оценки.

• Используем агрегатную функцию "Существует" для атрибута события "Оценка".

• Используем интервал агрегации, равный 12 месяцам.

Для генерации меню сайта движку CMS нужно только сделать запрос в модуль оперативного профиля (МОП) CleverData Join с идентификатором клиента. МОП вернёт необходимые атрибуты профиля, среди которых будет информация о том, была ли обратная связь за последний год. Это позволит CMS создать индивидуальную страницу, где форма обратной связи будет расположена выше, что может помочь клиенту обратить на нее внимание.

Агрегатные атрибуты в платформах клиентских данных (CDP) играют важную роль в оптимизации работы с данными о клиентах. Они не только упрощают процесс сегментации, позволяя заранее рассчитывать и хранить важные аналитические показатели, но и обеспечивают доступ к актуальной сводной информации, что способствует более точной персонализации предложений. Благодаря агрегатным атрибутам компании могут оперативно реагировать на изменения в поведении клиентов, улучшая взаимодействие и повышая лояльность. Таким образом, использование агрегатных атрибутов позволяет значительно повысить эффективность бизнес-процессов и улучшить качество обслуживания клиентов.