Разрешение идентификаторов в Braze и Snowflake

Кратко

Braze и основные возможности Snowflake предлагают взаимодополняющие инструменты для помощи маркетологам в разрешении идентификаторов, обеспечивая более точный таргетинг сообщений и глубокую персонализацию.

Основные выводы

• Snowflake предлагает четыре различных инструмента для поддержки разрешения идентификаторов, включая детерминированное сопоставление и арбитраж на основе LLM
• Платформа Braze Data Platform предлагает набор возможностей для разрешения идентификаторов, разработанных для сбора актуальных данных о взаимодействии и разрешения идентификаторов до запуска персонализированных кросс-канальных кампаний

Для предоставления качественного опыта маркетологам необходимо полное представление о клиенте, объединяющее цифровые и оффлайн-транзакции из известных и анонимных точек контакта. Но для многих брендов достижение такого единого представления может повлечь за собой значительную сложность и издержки.

Когда путь одного клиента охватывает множество устройств, браузеров и сеансов, один человек может выглядеть как несколько разных людей, а дублирующиеся записи создают некорректные аудитории, ошибочные сообщения и неточные данные. Используя разрешение идентификаторов, маркетологи могут объединить фрагментированные сигналы данных о клиентах (из разных каналов, устройств, браузеров и точек контакта) в единый точный профиль реального человека.

Большинство брендов уже вложили значительные средства в облачные хранилища данных, такие как Snowflake, в качестве своего операционного источника истины. Данные, вычислительные мощности и средства управления находятся прямо внутри Snowflake. Поэтому имеет смысл производить разрешение идентификаторов там, где хранятся данные, вместо добавления дополнительного уровня платформ в ваш стек маркетинговых технологий. И когда основа данных Snowflake с нативным разрешением идентификаторов сочетается с активацией и оркестрацией в реальном времени в Braze, это позволяет маркетологам:

• Снизить стоимость привлечения клиентов (CAC) за счет минимизации избыточных расходов на рекламу, направленную на повторное привлечение существующих клиентов, которые уже есть в вашей базе данных.
• Защитить опыт взаимодействия с брендом, позволяя применять ограничения частоты и правила подавления для разрешенных профилей, а также избегать неприятных ситуаций, когда скидка отправляется по электронной почте тому, кто только вчера заплатил полную стоимость.
• Помочь снизить риски соблюдения нормативных требований за счет обеспечения согласованного обновления статусов отписки, отказа и согласия для дублирующихся записей.

Объединение представлений о клиентах с помощью нативного разрешения идентификаторов в Snowflake

Правильное разрешение идентификаторов может стать разницей между созданием испорченного и блестящего опыта. Представьте (вымышленного) потребителя по имени Майкл Джонс, который подписывается на онлайн-мероприятие «найди свой стиль», а позже совершает покупку в магазине, каждый раз сообщая новые предпочтения и контекст. Если у бренда нет разрешения идентификаторов, маркетологи увидят двух незнакомцев вместо одного лояльного клиента — и к Майклу будут относиться как к впервые пришедшему посетителю при каждом взаимодействии.

Чтобы избежать такого результата, Snowflake позволяет создать единое представление о клиенте нативно в своем хранилище данных, используя четыре различных метода для объединения данных пользователей первого, второго и третьего типов, а затем синхронизируя итоговую идентификацию пользователя с помощью Braze Cloud Data Ingestion (CDI), что поддерживает персонализированное взаимодействие с клиентами в масштабе. Во-первых, детерминированное сопоставление начинается с наиболее четкого сигнала, доступного в пользовательских данных. Когда два профиля имеют точное совпадение по надежным элементам данных, таким как адрес электронной почты, номер телефона или идентификатор программы лояльности, записи объединяются в единую идентификационную запись пользователя. В случае Майкла его регистрация на мероприятие включала предпочтения по цветам и сезонам, а покупка в магазине — список приобретенных товаров. И поскольку при этом взаимодействии он указал тот же номер телефона, оба профиля могли быть объединены для создания единого полного представления о предпочтениях Майкла.

Конечно, не каждое совпадение оказывается столь безупречным, и здесь в дело вступает нечеткое сопоставление (fuzzy matching), исправляющее небольшие несоответствия, с которыми детерминированное сопоставление не справляется, такие как опечатки, различия в форматировании и вариации имен (например, «Боб Смит» и «Роберт Смит» с тем же номером телефона или «Кэти Ли» и «Кэти Ли» с тем же адресом электронной почты). Некоторые пользовательские данные содержат более слабые сигналы, связанные с известными пользователями, но не содержат достаточно информации для разрешения с помощью детерминированного или нечеткого сопоставления. В этих случаях вероятностное или машинное сопоставление разрешает профили на основе данных первого, второго и третьего типов, собранных в среде Snowflake (например, на этом этапе сопоставляются общие адреса, данные файлов cookie, информация об устройствах и т. д. с соответствующими пользователями).

Для разрешения наиболее неоднозначных случаев Snowflake Cortex AI использует арбитраж на основе LLM. Используя структурированный промпт, содержащий атрибуты двух пользовательских записей бок о бок, Snowflake Cortex AI выдает результат вместе с оценкой уверенности и обоснованием. Например, он может сравнить два профиля с одинаковыми именами и адресами, однако в одной записи в качестве суффикса указано «мл.». Система может прийти к выводу, что это профили отца и сына, и присвоить результату оценку уверенности. Это предлагает объяснимый способ разрешения идентификаторов даже в ситуациях, которые не укладываются четко в рамки предыдущих шагов.

Активация профилей пользователей в Braze с помощью Cloud Data Ingestion

Когда разрешение идентификаторов существует изолированно, бренды страдают от операционных трений и упущенных возможностей получения дохода. Компании тратят значительные средства на привлечение, оплачивая повторное привлечение пользователей с высоким намерением или существующих клиентов просто потому, что их идентификаторы фрагментированы в разных системах.

Вы не можете связаться с клиентами в нужный момент без полной картины перед глазами. Braze поддерживает контекст клиентов связанным и актуальным в реальном времени благодаря быстрой синхронизации свежих профилей пользователей из Snowflake с помощью CDI. Вам не нужно привлекать ресурсы для создания сложных конвейеров ETL или ждать ручной загрузки данных для доступа к золотой записи внутри Braze. Платформа Braze Data Platform предлагает набор возможностей для разрешения идентификаторов, разработанных для сбора непрерывных данных о взаимодействии и разрешения идентификаторов до запуска персонализированных кросс-канальных кампаний.

Платформа Braze Data Platform предлагает гибкую идентификацию пользователей, которая фиксирует как анонимные, так и известные профили пользователей по всем каналам, автоматически перенося историю прошлой активности, как только анонимный пользователь идентифицирует себя. Затем автоматизированное разрешение идентификаторов выполняет дедупликацию записей прямо в движке взаимодействия, чтобы сообщения попадали в единый профиль, а не доставлялись не тому получателю. Braze Data Platform собирает текущие сигналы взаимодействия, такие как подписки на рассылку или загрузки приложений, позволяя постепенно обогащать идентификаторы пользователей для взаимодействия с клиентами.

Замыкая цикл с помощью Snowflake Data Sharing

Взаимодействие с клиентами — это насыщенный данными процесс, и активация — это лишь его часть. Маркетологи полагаются на данные, генерируемые в процессе взаимодействия, чтобы лучше узнать своих клиентов и адаптировать пользовательский опыт в соответствии с меняющимися предпочтениями. Данные, создаваемые в Braze (такие как открытия писем, клики в приложениях, подавления сообщений и конверсии кампаний), непрерывно и в реальном времени передаются обратно в Snowflake с помощью Snowflake Secure Data Sharing, чтобы еще больше обогатить «эталонную запись» (golden record) каждого клиента, а также обеспечить бизнес-аналитику в масштабе.

Этот двунаправленный поток данных создает полный контур обратной связи для поддержки единой бизнес-отчетности. Команды специалистов по работе с данными могут объединять события маркетингового взаимодействия в реальном времени с дополнительными источниками данных, такими как записи торговых терминалов (POS), оффлайн-транзакции в магазинах, отзывы клиентов, метрики пожизненной ценности клиента (LTV), выручка, прибыль и многое другое, прямо внутри Snowflake. Объединяя показатели эффективности взаимодействия и финансовые метрики в хранилище, руководители маркетинговых отделов могут доказать руководству четкую окупаемость инвестиций (ROI) кампаний в той же самой среде данных.

Заключительные мысли

Правильное решение проблемы сопоставления идентификаторов — ключ к предоставлению единого, информированного и релевантного пользовательского опыта в масштабе. Бренды могут добиться этого в своем хранилище данных и платформе взаимодействия без подключения дополнительных решений.

Хотите узнать больше? Подробнее ознакомьтесь с возможностями сопоставления идентификаторов Snowflake здесь.