GroupM通过Fivetran提供重要的客户洞察
“我们的责任是提供数据,帮助我们的主要客户决定何时何地花费广告预算,从而为他们带来价值。Fivetran帮助我们做到了这一点。”赫尔曼·马尔,GroupM数据分析师
主要结果:
通过仪表板kpi增强客户端的价值
Fivetran每月为群聚节省超过75个小时
营销分析有助于制定广告策略
新的管道将使销售模型成为可能
Fivetran连接卡计划下一阶段的开发
数据堆栈:
管道:Fivetran
来源:市场营销(Facebook的广告,Linkedin的广告,Snapchat广告,谷歌广告,谷歌分析,谷歌的竞选经理,微博分析)
目的地:谷歌BigQuery
云平台:谷歌云平台
商业智能工具:谷歌Data Studio
这句话的语境是:
总部位于奥斯陆的GroupM是一家全球媒体代理集团,也是北欧地区最大的媒体代理集团,为200多家客户提供技术支持服务,与谷歌、Facebook和亚马逊等优质合作伙伴建立联系。群邑集团为集团内的其他代理机构——MediaCom、传立、Wavemaker、MediaPlus——提供共享服务类型的功能,并负责收集数据并衡量其获奖广告活动的有效性。
挑战:
数据准确性和及时性的障碍
一个5人的数据团队使用Supermetrics将营销数据直接导入谷歌Sheets中,但局限性越来越明显。管道偶尔会失败,这是由难以检测、更不用说解决的问题引起的,并且存在电子表格的格式问题和手动错误。
在谷歌BigQuery中准备数据进行分析,grouppm的数据仓库被证明是一项劳动密集型的工作——而此时客户需要更快地获取更多的信息。
GroupM的数据分析师赫尔曼•马尔回忆道:“这并不是一个真正可扩展的解决方案。“我们需要花更少的时间手动建立和维护联系;我们需要能够直接将数据推入BigQuery,而不需要通过谷歌Sheets。”
有一个挪威客户,业务范围广泛,横跨零售和酒店,正在寻找能够处理历史数据分析和日常报告的仪表盘。GroupM决心用一个更健壮的解决方案来达到这一目标。
“我们可以用现有的设备来做,但这需要很多时间,而且我们必须不断监控它的错误。对于这样一个小团队来说,这是一场斗争。”
解决方案:
简化数据处理
Fivetran被认为是管道解决方案,提供了从各种数据源(包括Facebook和谷歌Ads)直接拉数据到谷歌BigQuery的连接器。GroupM团队对Fivetran的自修复和零维护架构印象深刻,以及能够快速访问预配置的连接器,可以加速多达15个主要来源的摄入。
目标是收集BigQuery中的所有数据以构建自动报告。每个客户都有不同的营销kpi(关键绩效指标),但印象、点击和转化率的指标总是很有需求。根据Herman Mull的说法,现在设置连接器很容易,因为所有的文档都直接在您的面前。
他说道:“以Facebook用户为例,如果我想添加一个指向‘点击’的链接(这是大多数客户所匹配的主要kpi之一),那么文档就会告诉我这是什么,以及需要寻找什么内容。”
下一阶段开发计划的一部分是使用Connect Card,这是一种可嵌入的Fivetran设置功能,可以通过安全的HTTPS连接验证用户身份,避免在公司服务器上进行任何操作。Connect Card弹出窗口将允许grouppm客户直接为数据源输入他们的登录凭证并启动同步,从而避免了与grouppm共享专有数据的需要。
集成说明和设置测试将引导客户完成任何所需的配置
在连接失败的情况下,将提供可操作的故障诊断反馈,而无需用户直接联系群邑
Connect卡很容易嵌入,只需调用Fivetran的REST API和一个重定向URL来显示设置表单
结果:
建立更紧密的客户关系
改用Fivetran的主要原因是标准化流程,加快洞察时间,并将数据团队从管理和维护管道的工作中解放出来。
Herman Mull解释说:“通常情况下,可能是API没有响应,或者格式错误,导致无法输入查询。”“Fivetran已经解决了这些问题。”
节省下来的时间相当于每个客户每月节省3到5个小时。GroupM有15个主要客户,他们为他们提供营销分析,所以Fivetran在繁忙时期每月可以节省75个小时,或近两周的工作时间。Fivetran还会回填GroupM客户的历史数据,为团队节省更多时间,避免耗时的手动同步。
报告通过每天更新的仪表板呈现给客户端。
“我们的责任是提供数据,帮助我们的主要客户决定何时何地花费广告预算,从而为他们带来价值。Fivetran帮助我们做到这一点,”Mull说。“他们基本上可以在所有营销平台上跟踪我们客户的活动。对于我们来说,最大的优势是所有的资源都聚集在一个地方,使用谷歌Cloud进行存储,使用Datastudio进行可视化,这通常是在不同系统的不同报告中手动查看。”
未来,该公司计划超越市场营销,利用数据建立销售模型,利用人工智能和机器学习对影响购买的因素进行统计分析。越来越复杂的分析是使用Fivetran的直接结果。
Mull说:“我们不是花时间维护管道和收集数据,而是实际使用数据。”“这基本上就是我们的目标。”
访问我们的由Fivetran资源中心提供动力了解有关现代数据栈对您的机构的好处的更多信息。