Arquitectura: Almacén de datos de marketing

Last reviewed 2022-03-23 UTC

En este documento, se proporciona una arquitectura de referencia en la que se describe cómo compilar almacenes de datos de marketing escalables. Las soluciones de almacén de datos de marketing te permiten brindar experiencias de publicidad oportunas, orientadas y personalizadas a tus usuarios mientras respetan su privacidad. Este documento está dirigido a ingenieros de datos, científicos de datos o miembros de TI en una función de marketing que admiten estadísticas de marketing.

La implementación de un almacén de datos de marketing te ayuda a abordar las siguientes necesidades empresariales:

  • Estadísticas integrales: Si usas varias plataformas de software como servicio (SaaS), puedes usar esta arquitectura para consolidar los datos de marketing y publicidad en BigQuery. Si eres parte interesada de tu empresa, puedes obtener estadísticas en tiempo real sobre el marketing y el rendimiento de las empresas.

  • Innovación en marketing: Si eres un científico de datos o un ingeniero de datos, puedes crear modelos de aprendizaje automático (AA) para necesidades empresariales, como la segmentación de clientes, el valor del ciclo de vida del cliente, las recomendaciones del producto y las predicciones de compra. Puedes activar estos modelos en varias plataformas, como el marketing por correo electrónico o la orientación de anuncios.

  • Experiencia del cliente: Un almacén de datos de marketing proporciona una mayor visibilidad de la preferencia de los clientes, de modo que puedas mejorar su experiencia mediante la personalización precisa. Obtener esta estadística te permite personalizar los puntos de interacción de tus clientes, como las aplicaciones de origen, los sitios web, los anuncios en línea y el marketing por correo electrónico.

Arquitectura

En el siguiente diagrama, se muestra una arquitectura de referencia de estadísticas de marketing típica en Google Cloud que usa varios productos de análisis de datos y AA.

Arquitectura de referencia de estadísticas de marketing en Google Cloud

En el diagrama, se muestran las siguientes etapas en un flujo de trabajo de almacén de datos de marketing que puedes configurar:

  1. Transferencia de datos
  2. Procesamiento de datos
  3. Aprendizaje automático
  4. Estadísticas y activación

Componentes de la arquitectura

En esta sección, se describen las etapas de una solución de almacén de datos de marketing, incluidos los componentes tecnológicos necesarios.

Transferencia de datos

La primera etapa para compilar un almacén de datos de marketing es consolidar tus datos en una ubicación central. Puedes transferir datos desde las siguientes fuentes de datos:

  • Plataformas de Google y SaaS: Puedes transferir fuentes de datos, como Google Analytics, Google Ads y Google Marketing Platform, al almacén de datos de marketing de Google Cloud en BigQuery. Para transferir datos de fuentes como Salesforce, los conectores de SaaS están disponibles en Google Cloud y a través de nuestros socios.
  • Nubes públicas: Puedes usar el Servicio de transferencia de datos de BigQuery para transferir datos desde otras nubes públicas. Por ejemplo, para mover datos de Amazon S3 a BigQuery, puedes programar y administrar de forma automática trabajos de carga recurrentes. También puedes usar BigQuery Omni, una solución de análisis flexible y de múltiples nubes que te permite analizar datos en Google Cloud y Amazon Web Services.
  • API, archivos planos y datos de origen locales:puedes transferir datos desde fuentes como la administración de relaciones con clientes (CRM) o sistemas de puntos de venta (PdV). Por lo general, haces esta transferencia de datos sin conexión mediante la herramienta de línea de comandos de bq, la API de BigQuery o la consola de Google Cloud. Puedes cargar datos de forma local o desde Cloud Storage. En conjuntos de datos grandes, te recomendamos usar Cloud Storage para optimizar el uso de ancho de banda, la velocidad de la red y la integración de productos. Para cargar datos en BigQuery basados en eventos, puedes configurar los activadores de Cloud Functions. Por ejemplo, configura activadores según la nueva disponibilidad de datos.

La mayoría de los enfoques de transferencia anteriores usan cargas por lotes. Si deseas transferir cualquier conjunto de datos de transmisión a BigQuery, puedes usar las capacidades de transmisión de BigQuery. Para casos prácticos de estadísticas de transmisión, consulta Soluciones de estadísticas de transmisión.

Procesamiento de datos

Después de transferir datos, puedes procesarlos si es necesario. Esta etapa solo es necesaria cuando necesitas procesar los datos antes de ejecutar consultas en ella. El procesamiento de datos incluye la limpieza y modificación del formato para proporcionar coherencia en conjunto de datos grandes. Puedes usar los productos de procesamiento de datos disponibles en Google Cloud.

En función de quiénes son los usuarios, selecciona el producto de Google Cloud adecuado. Por ejemplo, considera los siguientes tipos de usuarios y productos recomendados:

  • Los desarrolladores que compilan canalizaciones de datos de extracción, transformación y carga (ETL) pueden usar el producto de integración de datos Cloud Data Fusion. Cloud Data Fusion tiene una IU que te permite implementar las canalizaciones de ELT (extracción, carga y transformación) y ETL sin código.
  • Los equipos de ingeniería de datos que admiten estadísticas de marketing pueden usar Dataflow. Dataflow te permite transferir y analizar fuentes de datos por lotes y de transmisión a gran escala.
  • Los analistas de datos pueden Dataprep by Trifacta, que te permite explorar, limpiar y preparar los datos de manera visual para su análisis en BigQuery.

Aprendizaje automático

Después de que tu sistema transfiera y procese los datos, puedes usar las opciones del producto de Google AI Platform para los siguientes casos prácticos:

  • Estadísticas descriptivas sobre cómo la frecuencia afecta la conversión por usuario por campaña: esta información te ayuda a adaptar la frecuencia de orientación de tus campañas de remarketing en función de una lista específica de usuarios. BigQuery tiene acceso a los datos sin procesar de Campaign Manager 360, que hace que esta información esté disponible.
  • Estadísticas predictivas sobre el valor del ciclo de vida del usuario para usuarios específicos: Cuando predices el valor de grupos de usuarios específicos, puedes ejecutar campañas de marketing para aumentar ventas. Por ejemplo, puedes descubrir que un grupo de usuarios con un compromiso con la marca limitado tiene un alto potencial de compra si los usuarios participaran más. Esta estadística la obtienes a través de la unión de datos y mediante el AA para construir segmentos de clientes y predecir un importe de valor del ciclo de vida del cliente.
  • Estadísticas prescriptivas sobre opiniones de productos: Para evitar una orientación incorrecta, puedes analizar la evolución de los comentarios de texto y las calificaciones. Este análisis te permite prever cómo un grupo de usuarios podría recibir un producto que tiene ciertas características. Por ejemplo, para predecir la opinión, puedes usar el análisis de opiniones y la segmentación de clientes.

Con los datos de marketing consolidados en BigQuery, puedes elegir un producto de AI Platform que se adapte a tus necesidades. Elige uno de los siguientes productos según el conjunto de habilidades y la madurez del AA de tu organización:

  • Si tu organización no está familiarizada con el AA, puedes implementar y compilar modelos del AA de clientes con AutoML. Por ejemplo, puedes usar AutoML Tables para compilar modelos de regresión y clasificación, como la probabilidad de deserción y el valor del ciclo de vida del cliente.
  • Si tu organización tiene habilidades de SQL, BigQuery ML te permite usar las construcciones de SQL para crear, evaluar y predecir modelos, como los modelos de segmentación de público. Puedes entrenar y, también, implementar muchos modelos compatibles y ejecutar flujos de trabajo de AA sin mover datos de BigQuery.
  • Si tu organización tiene un equipo de científicos de datos, puedes usar Vertex AI para compilar y, luego, implementar modelos optimizados a gran escala. Si deseas ver un ejemplo de cómo usar Vertex AI para resolver el valor del ciclo de vida del cliente, consulta Predice el valor del ciclo de vida del cliente con AI Platform.

Estadísticas y activación

Puedes usar las opciones de Google Cloud para obtener estadísticas de datos de marketing y publicidad consolidados. Luego puedes recuperar datos (como segmentos diferenciados) en plataformas como Google Analytics y marketing por correo electrónico. Google Cloud proporciona varias formas de actuar en función de tus datos según tus necesidades. Por ejemplo, puedes volver a usar tus segmentos diferenciados en tus canales preferidos, como Google Analytics o Salesforce.

Looker para Google Marketing Platform

También puedes revisar y compartir estadísticas a través de Looker, una plataforma de inteligencia empresarial (IE). Puedes usar Looker para combinar varios conjuntos de datos, realizar un seguimiento del comportamiento de los clientes en múltiples canales y segmentar los clientes por atributos.

Puedes usar Looker para generar las siguientes estadísticas:

  • Análisis del retorno de la inversión (ROI): comprende los gastos y los ingresos que generan las campañas.
  • Alertas: Configura reglas personalizadas para recibir alertas por correo electrónico cuando las tácticas o los anuncios tengan errores.
  • Análisis de atribución en varios canales: Identifica las tendencias en el comportamiento de los clientes entre tus canales de marketing y entre ellos.
  • Pruebas A/B: Analiza cómo tus variaciones pueden influir en el comportamiento clave del usuario según los resultados estadísticamente significativos.
  • Canales de adquisición: Realiza un seguimiento de la procedencia de nuevos clientes potenciales y clientes.
  • Análisis de cohorte:Segmenta tus datos y analiza cómo se comportan los diferentes segmentos a lo largo del tiempo.

Los bloques y las acciones en Looker proporcionan una base de estadísticas sólidas y fáciles de compartir para la publicidad y los datos web de Google Marketing Platform. Estos bloques y acciones personalizables ofrecen una exploración de datos interactiva, fragmentos nuevos de datos que incluyen predicciones del AA y rutas de activación a Google Marketing Platform. Las rutas de activación te permiten usar tus datos de origen para orientarte a públicos de manera efectiva.

En el siguiente diagrama, se muestra cómo los productos de Google pueden funcionar con Looker.

Cómo funcionan los productos junto con Looker.

En el diagrama, se muestra cómo Looker puede usar estadísticas de Google Analytics 4, Google Analytics 360, Campaign Manager 360 y cualquier dato de BigQuery para crear informes en tiempo real. Puedes activar los datos de origen de Looker en Google Marketing Platform con Actions for Ads (a través de la Segmentación por clientes) y Analytics (a través de la Importación de datos). Los servicios horizontales, como IAM, supervisan de forma continua las canalizaciones de datos de marketing.

Integraciones personalizadas

También puedes usar Google Cloud para compilar integraciones personalizadas y volver a enviar los datos a las plataformas que elijas. Por ejemplo, puedes ejecutar consultas programadas para generar listas de públicos con tus datos de Analytics y, luego, enviarlas de nuevo con llamadas a la API. Por ejemplo, usa Cloud Functions para activar el envío de datos después de que un nuevo segmento esté listo en Cloud Storage.

¿Qué sigue?