如何使用集成策略集中营销数据
已发表: 2022-07-12营销人员、广告商和代理机构经常面临分散的营销数据的挑战。 新的营销渠道一直在出现。 这意味着更多的数据可用于业务决策。
营销人员处理所有这些信息变得具有挑战性。 数据池变得太大和混乱，减慢您的报告流程并影响您的决策。 在数据驱动的快速业务决策时代，这些延迟可能会带来非常高的成本。
那么为什么会发生这种情况，可以做些什么呢？ 幸运的是，有几种方法可以解决这个问题。 让我们深入了解集中式和. 分散的数据模型，数据仓库和数据湖的世界，以及何时考虑将数据转移到集中式模型。
快进>>
- 集中式与分散式数据访问
- 营销数据仓库
- 营销数据湖
集中式和分散式营销数据有什么区别
集中式数据访问模型
数据集中化正变得越来越流行。 基于云的数据仓库供应商使任何人都可以轻松地在云中建立数据仓库。 只需单击几下并使用信用卡，您就可以存储和处理难以想象的数据量。
随着预算的增长，营销和广告绩效变得更难衡量。 对营销绩效的内部可见性的需求促使公司将其营销数据集中到数据湖或数据仓库中。
去中心化数据访问模型
虽然集中式数据模型越来越受欢迎，但分散式数据访问模型的好处却被忽视了。 此类模型不需要将原始数据存储在集中式仓库中，而是让用户可以直接访问他们需要的原始数据。
什么是营销数据仓库？
营销数据仓库是基于云的目的地，用于存储和分析跨渠道营销数据。 通过将来自多个平台的数据整合到一个地方，数据仓库允许团队在一个地方分析活动、创建报告和改进他们的目标策略。
数据仓库由结构化表格组成，可以快速轻松地查询要包含在报告或分析中的确切数据。
数据仓库由两个主要元素组成：
贮存
数据仓库可让您以可承受的价格将大量数据存储在一个地方。 无需依赖营销平台的保留政策（可能具有限制性），或者为您需要的来自多个供应商的所有历史数据付费，您可以以相对较低的成本将所有内容集中在一个地方。 您的存储能力将随着数据集的增长而增长。
计算
除了存储数据，数据仓库还支持处理大量数据。 如果您想通过快速处理更多数字来扩展您的业务，本地解决方案将无济于事。 借助云数据仓库，您可以快速扩展和缩减 — 这对于分析至关重要，因为您希望能够快速查询特定数据集。
营销数据仓库有什么好处
使用基于云的营销数据仓库的主要好处包括：
创建单一的事实来源
营销团队经常被分散的数据拖慢速度，因为他们要么没有时间登录十几个不同的平台来收集他们需要的数据，要么花费太多时间收集数据，以至于他们没有时间进行分析和优化.
数据仓库可以通过将他们的数据整合到一个单一的事实来源来帮助营销人员。 这有助于他们更好地处理客户获取成本 (CAC)、投资回报率 (ROI) 和广告支出回报率 (ROAS) 等重要指标。
洞察时间
您可以开始将营销数据集中在基于云的仓库中，而无需购买昂贵的硬件或访问物理数据中心。 只需选择您的数据仓库（例如 Google BigQuery、Azure Synapse Analytics 或 Snowflake），然后使用 Supermetrics 等完全托管的管道开始移动您的数据。
由于只需点击几下即可开始，您可以立即开始从 DWH 中获取洞察。
分析能力
要使用 SQL 查询数据或将数据仓库中的数据直接馈送到数据可视化或 BI 工具中，您可以在几秒钟内处理复杂的查询，并将所需的数据推送到选择的报告或分析工具中。
Google Data Studio 等关键分析工具无需额外配置即可从您的数据仓库实例中提取实时数据。
数据所有权
您可以将跨渠道营销数据存储在仓库中，而不是信任 Facebook、Google、HubSpot 和其他平台的数据保留政策。
这可确保您始终可以访问有关您的营销活动的历史数据，这将使您能够对未来做出更好的决策。
成本和可扩展性
无论您是为成长中的 SMB 还是企业公司工作，将营销数据存储在基于云的数据仓库中都相对便宜。 此外，拥有弹性存储意味着您的数据仓库将随时准备好随着您的业务增长。
众所周知，基于云的营销数据仓库几乎不需要维护，因为云提供商会为您进行维护。 您只需为使用的资源付费。
什么是营销数据湖？
营销数据湖是一种基于云的解决方案，用于以原始形式存储和整合组织的非结构化和结构化跨渠道营销数据（通常为 CSV 文件）。 在营销环境中，Amazon S3、Azure Blob Storage 和 Google Cloud Storage 等云存储解决方案经常被用作数据湖。
营销数据湖
您需要了解的有关基于云的数据仓库的所有信息
在 Supermetrics 等营销数据管道中，您可以将来自最流行营销数据源（如 Facebook、Google Analytics 和 Salesforce）的数据直接复制到您选择的数据湖中。
之后，您可以将数据移动到数据仓库中，用于报告和商业智能工作流程，并直接访问您的数据科学团队，以便他们可以使用他们使用的任何工具获取所需的数据。
例如，如果您在 Google 生态系统中工作，您的营销数据架构可能如下所示。
在数据湖中存储营销数据有什么好处？
使用基于云的营销数据湖的主要好处包括：
更好的数据治理
使用数据湖在一个地方管理来自多个渠道和部门的数据比使用数据仓库更容易。 例如，您可以将所有 Facebook 广告数据存储在一个云存储桶中，并为 LinkedIn 广告、Twitter 广告等创建一个新桶。或者，代理商可以为每个客户拥有一个专用的云存储桶。
如果您想继续访问您一天可能需要的历史营销数据，数据湖也是一个不错的选择，但您不想用一堆您可能永远不会使用的指标和维度堵塞您的数据管道或数据仓库。
数据治理
它是什么以及为什么你应该关心
安全和访问
大多数具有严格安全标准的企业宁愿没有托管数据管道直接写入他们的数据仓库。 即使在较小的公司中，您的数据仓库表中也可能包含无法与任何外部方共享的信息。
如果安全是一个问题，您可以创建一个数据湖架构，让您避免将数据仓库置于防火墙后面。 Supermetrics 等托管数据管道可以自动将数据传输到数据湖中的专用存储桶中，然后您可以使用 AWS Glue 或 Google Dataflow 等工具在数据湖和仓库之间移动数据。
数据所有权
与数据仓库类似，一旦您将所有营销数据移入数据湖，您将拥有这些数据。
这意味着您无需信任 Facebook、Google、HubSpot 和其他平台的数据保留政策。 此外，这可确保您可以访问有关您过去营销活动的数据，这将有助于在未来做出更好的决策。
近乎即时的备份
如果您习惯于使用 SQL 分析数据，您可能已经注意到出错是多么容易。 由于 SQL 脚本错误，您可能无法访问分析所需的某些数据。
无需返回数据管道工具重新运行查询并等待数据重新加载，数据湖提供了一种更快的方法来恢复丢失的指标和维度。 无需等待管道备份丢失的数据，您可以从数据湖中快速恢复所需的数据并从中断的地方继续进行分析。
成本
数据湖的定价模型主要围绕存储构建，在大多数情况下成本非常低。 这使得将营销数据存储在数据湖中成为一种有吸引力的选择。
包起来
如果您需要回答宏观问题，您通常需要数据仓库或数据湖形式的集中式数据模型。 这是因为回答这些问题所需的数据量可能不适合单个电子表格或仪表板的本地内存。
基本上，您需要对数据有一个广阔的视野。 要了解几年来不同营销策略的表现如何，您需要集中式工具来回答这个问题。
开始使用
了解如何设置和使用我们的免费模板进行报告
关于作者
Pieter 是 Supermetrics 的销售工程师。 他与客户密切合作，在他们的营销数据堆栈中发现增加价值回报的机会。