Comment Allergan Aesthetics utilise Snowflake

Comment Allergan Aesthetics utilise Snowflake

Esthétique Allergan, une société AbbVie, développe, fabrique et commercialise un portefeuille de marques et de produits esthétiques. Son portefeuille d’esthétique comprend des produits injectables pour le visage, des contours corporels, des plastiques et des soins de la peau.

Laboratoires de données Allergan (ADL) est un groupe au sein d’Allergan dont la mission est de développer l’activité d’esthétique médicale de l’entreprise grâce à une intelligence exploitable. Selon Tory Brady, vice-président associé, Produit, ingénierie et données, « Allergan Data Labs a été créé à l’origine pour être un centre d’excellence pour la science des données à l’appui du secteur de l’esthétique. Nous avons maintenant évolué vers bien plus, en établissant également des fonctions de marketing à la performance et d’ingénierie produit.

ADL engage et ravit les consommateurs grâce à des expériences numériques personnalisées et fluides. Dans cet article, nous détaillerons comment ADL a utilisé Snowflake et Segment pour ravir ses clients. Snowflake et Segment se sont associés en 2018 pour permettre une analyse rapide des données client à grande échelle.

Intégration transparente entre Snowflake et Segment

Vishwanath Tanneeru, Lead Data Architect, Allergan Aesthetics, fait partie de l’équipe qui a intégré Snowflake et Segment.

« Ce fut une agréable surprise que Segment et Snowflake se soient très bien intégrés et n’aient demandé que très peu d’efforts de notre part », a déclaré Tanneeru. « Les événements collectés sur Segment sont automatiquement archivés dans Snowflake, ce qui nous permet d’accéder facilement à ces données et de les exploiter pour générer du trafic sur le site Web. »

« Les avantages d’utiliser Snowflake et Segment ensemble ne sont pas possibles si chaque plate-forme était utilisée indépendamment », a-t-il déclaré.

Des entreprises de la taille d’Allergan Aesthetics disposent d’une myriade d’outils et de systèmes qui génèrent et stockent des données. La synchronisation des données entre ces systèmes peut être une tâche complexe. Allergan Aesthetics recherchait une infrastructure de données prête à l’emploi.

Selon Brady, « Snowflake et Segment nous ont fourni une intégration de données simple, où Snowflake est un destinataire en aval des événements que nous suivons dans Segment. C’était littéralement un bouton à bascule que nous avons activé lors de la saisie de nos informations d’identification pour Snowflake. Brady considère Snowflake et Segment comme un système évolutif qui peut s’adapter avec agilité aux changements imprévus, tels que les intégrations résultant de fusions et acquisitions.

Le passage aux rapports en libre-service réduit le délai de mise sur le marché

Allergan Aesthetics est une organisation axée sur les données. Son organisation commerciale de plus de 1 500 employés exploite les données pour prendre des décisions et interagir avec les clients. Avant Snowflake, cependant, les données n’étaient pas disponibles dans un modèle en libre-service. Un analyste de données interrogeait une base de données, générait un rapport, l’importait dans Excel, puis l’envoyait par e-mail à l’ensemble de l’organisation.

« Snowflake nous a permis d’agréger facilement les données de toutes nos sources », a déclaré Tanneeru. « Nous avons pris ces données et commencé à construire un magasin de données par-dessus. Ce magasin de données pilote un certain nombre de tableaux de bord que nous avons construits et qui s’adressent à différents groupes. Dans le même temps, Snowflake a donné à nos analystes l’accès aux données. Ils peuvent générer un rapport qui aidera nos dirigeants à prendre des décisions rapidement. »

Depuis le passage à Snowflake, les rapports Excel ne sont plus envoyés par e-mail.

Le segment permet à Tanneeru de suivre le nombre de personnes qui visitent les propriétés Web d’Allergan Aesthetics, ce qu’elles font et comment elles interagissent. « Avec Segment qui collecte ces données et les intègre de manière transparente dans Snowflake, nos analystes et nos équipes BI sont en mesure de générer rapidement des tableaux de bord et des informations », a-t-il expliqué. « Cela a réduit notre délai de mise sur le marché et accéléré notre prise de décision. »

Tirer parti de la science des données et de l’apprentissage automatique pour améliorer le CAC

Allergan Aesthetics s’appuie sur la science des données et l’apprentissage automatique avec Snowflake et Segment pour optimiser son coût d’acquisition client (CAC).

Une équipe d’apprentissage automatique d’ADL génère des profils d’audience et les charge dans Snowflake. Depuis Snowflake, ADL utilise les traits SQL de Segment pour créer des groupes d’audience, puis utilise des canaux (pris en charge par Segment) pour cibler ces audiences. « SQL Traits nous permet d’enrichir nos profils clients avec toutes les données de notre entrepôt de données, qu’il s’agisse de données de transaction ou de sorties des modèles de données de notre équipe de science des données », Mehrdad Farahani, Data Scientist principal chez Allergan Aesthetics.

Selon Farahani, « Snowflake et Segment nous ont permis d’utiliser des modèles d’apprentissage automatique pour itérer rapidement sur les campagnes que nous avons en cours. En conséquence, nous avons pu réduire de 41 % notre coût d’achat finalisé par acquisition grâce à la publicité sur les réseaux sociaux. L’intégration nous a aidés à diffuser rapidement des campagnes et les informations sur l’apprentissage automatique ont amélioré les résultats de la campagne. »

Allē Flash Rewards avec des offres personnalisées

Allergan Aesthetics est en train de prototyper un canal Flash Rewards qui propose des offres personnalisées aux clients. La société s’associe à des fournisseurs sélectionnés pour faciliter ces offres dans leurs cabinets. « Nous construisons une fonctionnalité pour que lorsque vous entrez dans le bureau d’un fournisseur, vous scanniez un code QR », a déclaré Brady. « Notre système effectue un appel API à Segment, qui est conscient des attributs de l’audience. Nous pouvons ensuite proposer une offre personnalisée au client qui se trouve à la réception. »

Ces attributs d’audience peuvent inclure des données sur les propriétés Web qu’un utilisateur a visitées et les produits Allergan qu’il a recherchés. « Au moment où ils scannent ce code QR, nous générons une offre personnalisée avec l’aide d’un professionnel de la santé pour mener à bien ce voyage », a déclaré Brady.

La nouvelle pile technologique d’Allergan lui a permis de s’engager directement avec les clients de manière plus significative, opportune et percutante, établissant finalement des relations plus solides avec les clients et transformant l’activité d’Allergan en une activité directe au consommateur. En se concentrant sur le client et en permettant des communications client personnalisées dans tout Allē, Allergan a pu générer plus de 400 millions de dollars de nouveaux revenus l’année dernière.

Résultats:

  • 400M+ de ventes directes aux consommateurs réalisées en 2021 depuis le début de l’année
  • 4,9 sur 5 Tous Évaluation de l’App Store
  • 3M+ Tous les utilisateurs de fidélité
  • 41% réduction du CPA « finalisé un achat »

Partage de données sécurisé et Snowflake Data Marketplace

À l’avenir, Allergan Aesthetics évalue l’ajout du partage de données sécurisé Snowflake et de la Marché des données Snowflake. Le Data Marketplace permet à l’entreprise d’interroger des sources de données externes et de les associer de manière transparente à ses propres données.

« Je peux voir l’avantage de partager des données sans les frais généraux liés à l’ETL supplémentaire pour apporter cet aperçu des données, la duplication des données et l’accès », a déclaré Tanneeru. « Le partage sécurisé des données est une percée majeure que je n’avais jamais vue auparavant. Cette fonctionnalité devient encore plus importante avec nos partenaires en Europe et en Asie. C’est une fonctionnalité très intéressante pour nous d’avoir dans Snowflake.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.