Про проект

brabrabra – це український бренд жіночої білизни, орієнтований на здоров'я жінки, підтримання її самооцінки і постійний розвиток.

Головна ідея бренду – відповідальне ставлення до себе і навколишнього світу. Основний спосіб спілкування з жінкою – це навчання власному комфорту шляхом вибору правильної білизни і показу білизни на жінках з різними фігурами, різного віку та з різними історіями.

Придбати білизну brabrabra можна як на офіційному сайті, так і в офлайн-бутиках. Перевага офлайн-купівлі – персональна консультація, індивідуальний підхід. А замовляючи на сайті, клієнт отримує доступ до персональних цін. Це додаткові знижки, які діють упродовж 90 днів після першої купівлі.

Про правила програми лояльності можна дізнатися за посиланням із футера сайту:

У компанії провели дослідження обізнаності аудиторії щодо програми лояльності. Клієнтів запитали:

• чи знають вони про те, що у них активовані знижки;

• чи знають вони про деталі бонусної програми.

“Результат показав, що багато клієнтів були не в курсі, що бонусна програма активована. Тому ми прийняли рішення повідомляти одразу кожного клієнта, щойно бонусна програма клієнта активувалася.”

Андрій, digital marketer у brabrabra

Усі дані щодо купівельної поведінки контактів збираються, обробляються, систематизуються і сегментуються на боці Google BigQuery, але компанії не вистачало інструменту централізованої комунікації з клієнтом.

“Завдяки обробці даних на боці BQ ми розуміли, кому, коли саме і яку комунікацію відправити. Не вистачало єдиного шлюзу, який дозволяв би налаштувати всі канали комунікацій, сценарії взаємодії з клієнтськими сегментами, а потім отримати результат комунікації назад у базу даних. Після дослідження ринку ми зупинилися вибір на компанії eSputnik. Технічно eSputnik дозволяє не тільки приймати дані з Google BigQuery, але й повертати їх назад. Таким чином, ми збагачуємо дані про клієнта і автоматизуємо процеси подальшої комунікації.”

Андрій, digital marketer у brabrabra

Завдання

1. Підключити зовнішні таблиці BigQuery до eSputnik і передавати контакти клієнтів.

2. Автоматизувати відправлення повідомлення про активацію персональних цін.

3. Налаштувати експорт даних із eSputnik у Google BigQuery.

Рішення

Якщо дані про контакти зберігаються не в eSputnik, але ви бажаєте їх використовувати для побудови сегментів і персоналізованих розсилок, є доступні для підключення зовнішні джерела: PostgreSQL, Google Таблиці та BigQuery. Також підтримано експорт даних із eSputnik у BigQuery, що виконує завдання замовника.

Налаштування двосторонньої інтеграції з Google BigQuery

Інтеграцію BigQuery з eSputnik ми налаштували за допомогою ключа проекту, який дозволяє нам отримати доступ до таблиць.

Ключ – це файл у форматі JSON. Він містить інформацію про те, хто отримує доступ до даних і з якими правами цей доступ надається.

Отримання ключа відбувається в консолі сервісних акаунтів проекту на Google Cloud Platform.

Після скачування ключа ми завантажили його до акаунта eSputnik у розділі ① Налаштування → ② Конектори → ③ Новий конектор → ④ BigQuery.

У вікні, що відкрилося, ми налаштували конектор:

1. Завантажили файл ключа.

2. Додали назву колонки таблиці, яка містить параметр унікальності контакту.

3. Вибрали поле в eSputnik, яке відповідає параметру унікальності контакту з BigQuery.

Після підключення до Google BigQuery нам було необхідно налаштувати експорт даних із eSputnik. Для цього ми створили нове джерело, зайшовши до Налаштувань → Конектори → Експорт у BigQuery → Нове джерело.

У вікні, що відкрилося, ми завантажили той самий ключ проекту ①, що й під час налаштування конектора. Потім вибрали Dataset ID ②, до якого будуть завантажуватися дані.

Не виходячи з вікна налаштування експорту, нижче ми позначили галочками дані, які хочемо експортувати. Дані, які може віддати eSputnik:

• contactActivities (статус "прочитав/перейшов...", тип розсилки "масова/тригерна", перехід за кнопкою з прив'язкою події, ID контакту, медіа канал, ID відправленого повідомлення, назву повідомлення, теги повідомлення, посилання на повідомлення, дата й час старту розсилки, utm_сampaign);
• Contacts (ID, джерело створення, дата створення, емейл, домен, статус контакту в системі, ім'я, мова, дата останнього переходу, прізвище, дата останнього доставлення, дата останнього відправлення, дата останнього перегляду, номер телефону, кількість переходів, доставлень, відправлень і переглядів);
• Orderitems (вартість, опис, зовнішній ID продукту, посилання на зображення, назва товару, дата замовлення, внутрішній ID замовлення, кількість позицій у замовленні, посилання на сторінку з товаром);
• Orders (ID контакту, адреса доставлення, спосіб доставлення, промокод, емейл, зовнішній ID замовлення, ім'я, прізвище, дата замовлення, внутрішній ID замовлення, спосіб оплати, номер телефону, статус замовлення, загальна вартість).

Привабливість методу полягає в тому, що не треба заздалегідь створювати таблиці у BigQuery. Вони створюються автоматично під час першого експорту і надалі в них оновлюватиметься інформація. Назви таблиць будуть такі самі, як і назви наборів даних, вказаних нами під час налаштування (contactActivities, contacts, orderItems, orders).

Налаштування SMS-сповіщення про активацію персональних цін

Чому вибрали СМС: цей канал найближчий до покупця. Оформляючи замовлення, людина залишає свій номер, тому база складається переважно з номерів телефонів клієнтів.

Налаштування процесингу SMS

Компанія brabrabra вже мала договір із Omnicell. Аби продовжити розсилати СМС через наявного провайдера, було прийнято рішення інтегрувати Omnicell із eSputnik.

Наші технічні спеціалісти запитали в Omnicell дані для інтеграції:

• SMPP host;

• port для інтеграції;

• логін;

• пароль.

Після отримання цих даних було налаштувано SMPP-підключення та протестовано відправлення SMS.

Передавання контактів до eSputnik

Щоб відправляти клієнтам повідомлення з eSputnik, необхідно спочатку завантажити контакти до акаунта. Для цього є два способи:

• Завантажувати вручну файлом імпорту.

• Передавати методом API Add/update contacts.

З метою автоматизації вибрали другий варіант. У результаті щодня о 04:00 до однієї й тієї самої групи передавалися контакти з BigQuery, а за допомогою умовної групи ми налаштували фільтрацію тих, кому треба надіслати СМС-сповіщення сьогодні.

Цю групу ми й підключили до сценарію з відправленням SMS.

Створення та налаштування сценарію

Ми обмежили час відправлення повідомлення, щоб сповіщення завжди надсилалося о 10 ранку; для цього ми застосували таймер після старту.

Далі за сценарієм йде відправлення SMS-повідомлення з інформацією про те, що персональні ціни активовані, та посиланням на деталі.

Важливими були також налаштування запуску, де ми встановили спеціальний розклад, який підходить для часу вивантаження (воно відбувалося щодня о 04:00).

Запускається сценарій щоденно одного разу з 8 до 9 ранку. Частота обробки подій: не частіше ніж раз на добу.

Результат

1. Закрили потребу експорту даних у BigQuery.

“Ми не зверталися до інших підрядників з огляду на відсутність функціоналу передавання результатів комунікації до Google BigQuery в усіх, кого ми вивчили. Багато хто вміє приймати дані та вибудовувати тригери на основі даних із BQ. Але ніхто не передає дані назад у BQ. А для нас розуміти результат комунікації з кожним із клієнтів критично необхідно.”

Андрій, digital marketer у brabrabra

2. Звичайний тригер із сповіщенням про бонусну програму протягом місяця приніс 10% від загальної частки онлайн-замовлень.

“Покупець часто вважає за краще відвідати фізичний магазин, приміряти, відчути товар. Наша практика свідчить, що онлайн-купівлі становлять не більше 10% від загальної кількості купівель у торговій мережі. Якщо говорити про конверсію в онлайн-замовлення після сповіщення клієнта про активацію бонусної програми, то це трохи більше 1%. Акцентую увагу, що це онлайн-замовлення. Інструмент обліку офлайн-замовлень у розрізі конкретної комунікації у нас в розробці. Тому я впевнений, що конверсія виявиться значно вищою, коли буде доопрацьовано ROPO-звіт.”

Андрій, digital marketer у brabrabra

3. Окупності досягнуто через два тижні роботи тригера.

“Система збирання даних та сегментації у нас була готова на боці BQ. Нам треба було налаштувати передавання даних до eSputnik, приймання цих даних назад у BQ, сценарії відпрацьовування тригера.

Усі роботи з інтеграції BQ <-> eSputnik для нас виконували спеціалісти компанії eSputnik.

Витрати на цю інтеграцію ми окупили за перші два тижні роботи тригера щодо активації бонусної програми, без урахування повторних купівель в офлайн-магазинах.”

Андрій, digital marketer у brabrabra

Висновки

Якщо ви збираєте багато даних, то ними слід користуватися, щоб підвищити продажі та лояльність клієнтів.

Опитуйте та вивчайте клієнтів, виявляйте їхні потреби. Зберігайте дані хоч у BigQuery, хоч у PostgreSQL, а ми допоможемо налаштувати і грамотно донести комунікацію у зручному для ваших клієнтів каналі.

Отримати персональну консультацію