Pazarlama veri ambarı çözümleri, kullanıcılarınızın gizliliğine saygı gösterirken, onlara zamanında, hedeflenmiş ve kişiye özel reklam deneyimleri sunmanızı sağlar. Bu yazı, pazarlama analitiklerini destekleyen veri mühendisleri, veri bilimcileri veya IT üyeleri içindir.

Bir pazarlama veri ambarı uygulamak, aşağıdaki iş ihtiyaçlarınızı karşılamanıza yardımcı olur:

• Kapsamlı iç görüler: Birden fazla yazılım hizmeti (SaaS)platformları kullanıyorsanız, bu mimariyi pazarlama ve reklam verilerini BigQuery'de birleştirmek için kullanabilirsiniz. Bir iş paydaşıysanız, pazarlama ve iş performansına ilişkin gerçek zamanlı iç görüler elde edebilirsiniz. 

• Pazarlama inovasyonu: Bir veri bilimcisi veya veri mühendisiyseniz, müşteri segmentasyonu, müşterinin yaşam boyu değeri, ürün önerileri ve satın alma tahminleri gibi iş ihtiyaçları için makine öğrenmesi(ML) modelleri oluşturabilirsiniz. Bu modelleri e-posta pazarlaması veya reklam hedeflemesi gibi birden fazla platformda etkinleştirebilirsiniz.

• Müşteri deneyimi: Bir pazarlama veri ambarı, müşteri tercihine daha yüksek bir görünürlük sağlar ve böylece müşterilerinizin deneyimini doğru kişiselleştirme yoluyla iyileştirebilirsiniz.Bu iç görüyü elde etmek, birinci taraf uygulamaları, web siteleri, çevrimiçi reklamlar ve e-posta pazarlaması gibi müşterilerinizin etkileşim noktalarını kişiselleştirmenizi sağlar.

Mimari

Aşağıdaki diyagram, birden fazla veri analitiği ve ML ürünü kullanan tipik bir pazarlama analitiği referans mimarisini gösterir.

‍

Diyagram, bir pazarlama veri ambarı iş akışında yapılandırabileceğiniz aşağıdaki aşamaları gösterir:

• Veri toplama
• Veri işleme
• Makine öğrenmesi
• İç görüler ve aktivasyon

Pazarlama Veri Ambarı Aşamaları Nelerdir?

Bu bölüm, bir pazarlama veri ambarı çözümündeki aşamaları ve gerekli teknoloji bileşenlerini açıklar.

Veri Toplama

Bir pazarlama veri ambarı oluşturmanın ilk aşaması, verilerinizi merkezi bir konumda birleştirmektir. Aşağıdaki veri kaynaklarından veri toplayabilirsiniz:

• Google ve SaaS platformları: Google Analytics, Google Ads ve Google Marketing Platform gibi veri kaynaklarını, BigQuery'deki Google Cloud pazarlama veri deposuna alabilirsiniz. Salesforce gibi kaynaklardan veri almak için Google Cloud ve ortaklarımız aracılığıyla SaaS konektörleri mevcuttur.

• Public (kamu) BulutOrtamları: Diğer kamu bulutlarından veri almak için BigQuery VeriTransfer Hizmetini kullanabilirsiniz. Örneğin, Amazon S3'ten BigQuery'ye veri taşımak için, tekrarlayan yükleme işlerini otomatik olarak planlayabilir ve yönetebilirsiniz. Ayrıca, Google Cloud ve Amazon Web Services'teki verileri analiz etmenizi sağlayan esnek, çok bulutlu bir analitik çözüm olan BigQuery Omni'yi de kullanabilirsiniz.

• API'ler ve on-premise birinci taraf verileri: Müşteri ilişkileri yönetimi (CRM) veya satış noktası(POS) sistemleri gibi kaynaklardan veri alabilirsiniz. Genellikle, bu veri toplamayı bq komut satırı aracı, BigQuery API'si veya Google Cloud konsolu kullanarak çevrimdışı yaparsınız. Verileri yerel olarak veya Cloud Storage'dan yükleyebilirsiniz. Büyük veri kümeleri için, bant genişliği kullanımınızı, ağ hızlarınızı ve ürün entegrasyonunu optimize etmek için Cloud Storage'ı kullanmanızı öneririz. BigQuery'ye etkinlik tabanlı veri yüklemek için Cloud Function tetikleyicileri ayarlayabilirsiniz. Örneğin, yeni veri kullanılabilirliğine dayalı tetikleyiciler ayarlayın.

Yukarıdaki toplama yaklaşımlarının çoğu toplu yüklemeleri kullanır. Herhangi bir akış veri kümesini BigQuery'ye almak isterseniz, BigQuery'nin akış yeteneklerini kullanabilirsiniz. Akış analitiği kullanım durumları için, akış analitiği çözümlerine bakın.

Veri İşleme

Verileri topladıktan sonra, gerektiğinde verileri işleyebilirsiniz. Bu aşama, sorguları çalıştırmadan önce verileri işlemeniz gerektiğinde uygulanır. Veri işleme, büyük veri kümelerinde tutarlılık sağlamak için temizleme ve yeniden biçimlendirmeyi içerir. Veri işleme ürünlerini Google Cloud içinde kullanabilirsiniz.

Kullanıcılarınızın kim olduğuna bağlı olarak, uygun Google Cloud ürününü seçebilirsiniz. Örneğin, aşağıdaki kullanıcı türlerini ve önerilen ürünleri düşünün:

• Veri hatlarını oluşturan geliştiriciler, Cloud Data Fusion veri entegrasyon ürününü kullanabilir. Cloud Data Fusion, kod olmadan ELT veETL veri pipeline’larınızı dağıtmanızı sağlayan bir UI’ya sahiptir.

• Pazarlama analitiğini destekleyen veri mühendisliği ekipleri, Dataflow’u kullanabilir. Dataflow, hem toplu hem de akış veri kaynaklarını ölçekte almanızı ve analiz etmenizi sağlar.

• Veri analistleri, BigQuery’de analiz için ver ihazırlamanızı sağlayan Trifacta tarafından Dataprep’I kullanabilir.

Makine Öğrenmesi 

Sisteminiz verileri topladıktan ve işledikten sonra aşağıdaki kullanım durumları için Google AI Platform ürün seçeneklerini kullanabilirsiniz:

• Kullanıcı başına - kampanya başına frekansın dönüşümü üzerinde betimleyici analitikler: Bu bilgi, belirli bir kullanıcı listesine dayalı olarak yeniden pazarlama kampanyalarınızın hedefleme frekansını uyarlamak için size yardımcı olur. BigQuery, ham Campaign Manager 360 verilerine erişim sağlar, bu da bu bilgiyi kullanılabilir hale getirir.

• Belirli kullanıcılar için yaşam boyu değer üzerinde öngörücü analitikler: Belirli kullanıcı gruplarının değerini tahmin ettiğinizde satışları artırmak için pazarlama kampanyaları yürütebilirsiniz. Örneğin, sınırlı marka etkileşimine sahip bir kullanıcı grubunun, kullanıcılar daha fazla etkileşimde bulunursa yüksek bir satın alma potansiyeli olduğunu keşfedebilirsiniz. Bu iç görüyü, verileri birleştirerek ve ML'yi kullanarak müşteri segmentleri oluşturmak ve bir yaşam boyu değer miktarını tahmin etmek için elde edersiniz.

• Ürün duygusuna ilişkin önerici analitikler: Yanlış hedeflemeyi önlemek için, metin yorumları ve derecelendirmelerin değişimini analiz edebilirsiniz. Bu analiz, belirli özelliklere sahip bir ürünü belirli bir kullanıcı grubunun nasıl karşılayabileceğini tahmin etmenizi sağlar. Örneğin, duyguyu tahmin etmek için duygu analizi ve müşteri segmentasyonunu kullanabilirsiniz.

BigQuery'deki birleştirilmiş pazarlama verileriyle, ihtiyaçlarınıza uygun bir AI Platform ürünü seçebilirsiniz. Organizasyonunuzun ML olgunluğuna ve beceri setine dayalı olarak aşağıdaki ürünlerden birini seçebilirsiniz:

• Eğer organizasyonunuz ML ile hiç çalışmıyorsa, AutoML ile müşteri ML modelleri oluşturabilir ve dağıtabilirsiniz. Örneğin, müşterinin churn olma olasılığı ve müşterinin yaşam boyu değeri gibi regresyon ve sınıflandırma modelleri oluşturmak için AutoML Tables'ı kullanabilirsiniz.

• Eğer organizasyonunuz SQL becerilerine sahipse, BigQueryML, model oluşturma, değerlendirme ve tahmin etme gibi SQL yapılarını kullanmanızı sağlar; örneğin kitle segmentasyon modelleri. BigQuery'den veri taşımadan birçok desteklenen modeli eğitebilir, dağıtabilir ve ML iş akışlarını yürütebilirsiniz.

• Eğer organizasyonunuzda bir veri bilimcileri ekibiniz varsa, Vertex AI'ı kullanarak ölçekte optimize edilmiş modeller oluşturabilir ve dağıtabilirsiniz. Müşteri yaşam boyu değerini çözmek için Vertex AI'ın nasıl kullanılacağına dair bir örnek için, “AI Platform” ile “Müşteri Yaşam Boyu Değerini Tahmin Etme”'ye bakabilirsiniz.

İçgörüler ve Aktivasyon

Birleştirilmiş reklam ve pazarlama verilerinden iç görüler elde etmek için Google Cloud seçeneklerini kullanabilirsiniz. Ardından verileri(örneğin ayrıştırılmış segmentler) Google Analytics ve e-posta pazarlaması gibi platformlara geri getirebilirsiniz. Google Cloud, ihtiyaçlarınıza dayalı olarak verileriniz üzerinde harekete geçmenin birden çok yolunu sunar.

Örneğin ayrıştırılmış segmentlerinizi tercih ettiğiniz kanallara, Google Analytics veya Salesforce'a geri alabilirsiniz.

Google Pazarlama Platformu için Looker

Bir iş zekası (BI) platformu da olan Looker aracılığıyla içgörüleri inceleyebilir ve paylaşabilirsiniz. Looker'ı, birden çok veri kümesini birleştirmek, çapraz kanal müşteri davranışını izlemek ve müşterileri özelliklere göre segmentlere ayırmak için kullanabilirsiniz.

 Looker'ı aşağıdaki iç görüleri oluşturmak için kullanabilirsiniz:

• Yatırım getirisi (ROI) analizi: Kampanyalar tarafındanharcanan ve oluşturulan geliri anlayın.

• Uyarı: Taktiklerin veya reklamların yanlış gittiğinde e-posta uyarıları almak için özel kurallar ayarlayın.

• Çapraz kanal davranış analizi: Pazarlama kanallarınız arasında ve arasında müşteri davranışındaki trendleri belirleyin.

• A/B testi: İstatistiksel olarak anlamlı sonuçlara dayalı olarak varyasyonlarınızın anahtar kullanıcı davranışını nasıletkileyebileceğini analiz edin.

• Edinme kanalları: Yeni potansiyel müşteri ve müşterilerin nereden geldiğini izleyin.

• Kohort analizi: Verilerinizi segmentlere ayırın ve farklı segmentlerin zaman içinde nasıl davrandığını analiz edin.

Looker'daki bloklar ve eylemler, Google Pazarlama Platformu reklam ve web verileri için sağlam ve paylaşılabilir analitiklerin temelini oluşturur. Bu özelleştirilebilir bloklar ve eylemler, interaktif veri keşfi, hafif ML tahminlerini içeren yeni veri dilimleri ve Google Pazarlama Platformu'na geri aktivasyon yolları sunar. Aktivasyon yolları, birinci taraf verilerinizi etkili bir şekilde hedef kitleye ulaştırmanızı sağlar.

Aşağıdaki diyagram, Google ürünlerinin Looker ile nasıl çalışabileceğini gösterir.

‍

Diyagram, Looker'ın Google Analytics 4, Google Analytics360, Campaign Manager 360 ve BigQuery'deki herhangi bir veriden gerçek zamanlı raporlama oluşturabileceğini gösterir.

Looker'dan birinci taraf verileri, Ads için Eylemler(Customer Match aracılığıyla) ve Analytics için Veri İçe Aktarma (Data Import) aracılığıyla Google Pazarlama Platformu'nda etkinleştirebilirsiniz.

Özel Entegrasyonlar

Ayrıca Google Cloud'u, verileri tercih ettiğiniz platformlara geri itmek için özel entegrasyonlar oluşturmak için de kullanabilirsiniz. Örneğin, Analytics verilerinizle hedef kitle listeleri oluşturmak için programlanmış sorgular çalıştırabilir ve ardından API çağrılarıyla verileri geri itebilirsiniz. Örneğin, Cloud Storage'da yeni bir segment hazır olduğunda veri itmesini tetiklemek için Cloud Functions kullanabilirsiniz.

‍