Ulv AI
Fallstudie

Datavaruhus för förstapartsdata

Vi har byggt ett toppmodernt datavaruhus för att säkerställa äkta aktivering av förstapartsdata.

Mille Notti

  • KategoriE-handel
  • TjänsterDatakonsulting, rådgivning
  • PlattformarGoogle Cloud, BigQuery, Meta, Centra, Rule
  • Insamlingsgrad av förstapartsdata
  • Användning av förstapartsdata i kampanjer
  • Förbättring av kundsegmenteringens noggrannhet

Projektöversikt

Mille Notti, ett ledande svenskt företag inom sängutrustning och accessoarer, påbörjade en transformativ resa för att konsolidera sina olika dataströmmar i ett toppmodernt datavaruhus (DWH). Det primära målet var att utnyttja kraften i förstapartsdata över flera plattformar, inklusive Google Ads, Meta Ads, Google Analytics 4, Centra, Triggerbee och Rule, för att driva tillväxt och optimera deras marknadsföringsstrategier. Genom att utnyttja Googles robusta molninfrastruktur syftade projektet till att skapa en framtidssäker databas som skulle underlätta avancerad dataanalys och handlingsbara insikter, och i slutändan driva starkare intäkter genom Mille Nottis e-handel.

Integrationen involverade flera steg, med början i insamling av data från olika annonsplattformar som Google Ads och Meta Ads, samt från e-handels- och kundinteraktionsverktyg som Centra och Triggerbee. Den centrala utmaningen var att säkerställa sömlöst dataflöde och integration, samtidigt som hög datakvalitet och konsistens över källorna upprätthölls. Google Cloud Platform (GCP) verktyg, särskilt Google BigQuery, användes för att bygga ett skalbart och effektivt DWH. Processen omfattade:

  1. Datainsamling: Automatiserad extrahering av data från varje plattform med hjälp av API:er och webhooks.
  2. Datatransformation: Rensning, transformering och normalisering av data för att passa ett enhetligt schema, säkerställa kompatibilitet och maximera nyttan.
  3. Dataintegration: Konsolidering av all transformerad data i Google BigQuery, med utnyttjande av dess kraftfulla datalagringsfunktioner för att effektivt hantera stora datavolymer.
  4. Dataanalys och rapportering: Implementering av avancerad analys och maskininlärningsmodeller för att härleda insikter och underlätta beslutsfattande.

Summering

Mille Notti, ett ledande svenskt företag inom sängutrustning och accessoarer, har utvecklat ett sofistikerat datavaruhus (DWH) genom att integrera data från olika plattformar som Google Ads, Meta Ads, Google Analytics 4, Centra, Triggerbee och Rule. Genom att använda Google Cloud Platforms verktyg som Google BigQuery, syftade företaget till att centralisera och optimera användningen av förstapartsdata för att förbättra marknadsföringsstrategier och öka e-handelsintäkter.

Projektet involverade flera viktiga steg: automatiserad datainsamling, datatransformation för att säkerställa enhetlighet och kompatibilitet, dataintegration i BigQuery för effektiv storskalig datahantering, och avancerad dataanalys för att generera handlingsbara affärsinsikter.

Projektgenomförande

Genomförandet av DWH-projektet för Mille Notti planerades noggrant och utfördes i faser:

  1. Fas 1: Planering och design
    • Kartläggning av datakällor och definition av dataarkitekturen.
    • Upprättande av datastyrning och säkerhetsprotokoll.
  2. Fas 2: Utveckling
    • Inrättande av ETL-pipelines (Extract, Transform, Load) med hjälp av Google Clouds Dataflow och Pub/Sub för realtidsbearbetning av data.
    • Integrering av API:er från Google Ads, Meta Ads och andra verktyg för att mata data direkt in i DWH.
  3. Fas 3: Integration och testning
    • Sammanslagning av dataströmmar i BigQuery, säkerställande av integritet och konsistens över datauppsättningar.
    • Genomförande av grundlig testning för att validera data och dess användbarhet för analys.
  4. Fas 4: Driftsättning och optimering
    • Driftsättning av DWH i produktion med kontinuerlig övervakning och optimering.
    • Implementering av användardashboards och rapporteringsverktyg med Google Data Studio för tillgängliga insikter.
  5. Fas 5: Underhåll och skalning
    • Regelbundna uppdateringar och underhåll för att anpassa till nya datakällor och förändrade affärskrav.
    • Skalning av infrastrukturen efter behov för att hantera växande datavolymer och komplexitet.

Resultat

Etableringen av DWH för Mille Notti har medfört betydande förbättringar och möjligheter:

  • Enhetlig vy: En enda källa till sanning för all marknadsförings-, försäljnings- och kunddata.
  • Förbättrat beslutsfattande: Datadrivna insikter hjälper till att förfina marknadsföringsstrategier och kundengagemang.
  • Kostnadseffektivitet: Minskade overheadkostnader genom att eliminera silobaserade system och förbättra kampanjeffektiviteten.
  • Skalbarhet: En robust infrastruktur som växer med företagets behov.
  • Framtidssäkring: Beredskap för utvecklande dataskyddslagar och förlitan på förstapartsdata.

Denna omfattande DWH-lösning placerar inte bara Mille Notti i framkanten av datadrivna affärsmetoder inom lyxvarubranschen, utan ger också en robust plattform för hållbar tillväxt och innovation.

  • Insamlingsgrad av förstapartsdataMäter ökningen av volymen förstapartsdata som samlas in genom e-handelsplattformen och integrerade verktyg som Triggerbee och Rule. Denna KPI återspeglar effektiviteten i datainsamlingsstrategier för att utöka företagets egna datatillgångar.
  • Användning av förstapartsdata i kampanjerSpårar procentandelen av marknadsföringskampanjer som använder förstapartsdata för målinriktning och personalisering. Denna KPI belyser skiftet mot mer integritetsvänliga, datadrivna marknadsföringsmetoder som utnyttjar internt insamlad data.
  • Förbättring av kundsegmenteringens noggrannhetKvantifierar förbättringar i precisionen av kundsegmentering baserat på förstapartsdata. Detta mått bedömer hur väl DWH möjliggör för verksamheten att förstå och segmentera sin kundbas med hjälp av egna data, vilket leder till mer skräddarsydda marknadsföringsstrategier och potentiellt högre engagemangsnivåer.