Business intelligence Wiedza o kliencie Handel / lojalność American Express / Payback · Ameryka Łacińska · 2015–2020

American Express: 15% wzrost lojalności klientów po ujednoliceniu 12+ źródeł danych

Program lojalnościowy Payback miał miliony uczestników, ale ani jednego pełnego obrazu któregokolwiek z nich. Dane były rozrzucone między Santander, Banamex, Canadian Tire, Disney, Cinemex i Interjet. Zespoły marketingu podejmowały decyzje o retencji bez danych, a zagrożeni uczestnicy odchodzili, zanim ktokolwiek zauważył wzorzec.

Wyzwanie
Rozdrobnione dane klientów w sieciach partnerów

Program Payback działał z dziesiątkami partnerów handlowych i finansowych, każdy z własnymi systemami i formatami danych. Dane o zachowaniach były zamknięte w silosach, więc jednolity obraz aktywności uczestnika był niemożliwy. Marketing decydował na niepełnych danych, co dawało nieskuteczne kampanie retencyjne i spadające wskaźniki lojalności w kluczowych segmentach.

Rozwiązanie
Centralna warstwa analityczna z widokiem 360° uczestnika

Poprowadziliśmy architekturę i wdrożenie centralnej warstwy analitycznej, która pobierała, normalizowała i scalała dane uczestników ze wszystkich źródeł partnerskich. Zbudowaliśmy przepływy ETL konsolidujące dane transakcyjne, dane o wykorzystaniu nagród i dane behawioralne. Zaprojektowaliśmy model wymiarowy, który umożliwił segmentację recency-frequency-monetary, analizę kohortową i atrybucję kampanii. Dostarczyliśmy zestaw kokpitów menedżerskich obejmujących pozyskanie, zaangażowanie i odejścia klientów we wszystkich kategoriach partnerów.

Rezultaty
15% wzrostu lojalności i szybsze kampanie

Ujednolicona platforma analityczna dała zmierzony wzrost wskaźników lojalności o 15% w całym programie. Marketing mógł reagować na sygnały behawioralne niemal w czasie rzeczywistym, skracając projektowanie kampanii z tygodni do dni. Widok 360° uczestnika umożliwił personalizację na dużą skalę i zmniejszył odejścia w segmentach ryzyka, wykrywając wzorce tygodnie przed rezygnacją.

15%
Wzrost lojalności klientów w programie
3×
Szybsze cykle od projektu do startu kampanii
360°
Jednolity obraz klienta w całej sieci partnerów
12+
Źródła danych partnerów scalone w jedną warstwę
Wykorzystane technologie
Python Apache Spark AWS Kinesis AWS S3 / Lambda Hadoop / Hive SAS Enterprise Guide SQL (complex) MongoDB Talend Tableau Power BI