Red Ventures betreut 30 % mehr Kunden ohne zusätzliches Personal

Bei Red Ventures (RV) dreht sich alles um Anpassungsfähigkeit und Wandel. Die Tausenden Mitarbeitenden des global tätigen Unternehmens möchten den Lebensweg der Menschen und die Gemeinschaften, mit denen sie in Berührung kommen, positiv beeinflussen. Die Division Red Digital von RV hat das Ziel, Marketingkunden einen höheren Return on Investment zu verschaffen, als sie ihn zuvor erzielt haben. Um Marketingdaten effizienter zu verwalten, führte RV Databricks zusammen mit Fivetran und dbt™ ein. Schon bald erledigte RV Aufgaben der Datenverarbeitung in einem Bruchteil der Zeit und verschaffte seinen Data Engineers den Freiraum, sich auf Analysen zu konzentrieren. Dank intuitiverer Datenlösungen kann sich RV nun stärker auf Datentransformationen konzentrieren und dem Unternehmen helfen, bessere Ergebnisse für seine Kunden zu liefern.

„Mit Databricks, Fivetran und dbt™ können wir Daten und KI so einsetzen, dass wir mit den Marketingkampagnen unserer Kunden die richtigen Kunden erreichen. Das bedeutet, dass wir für ihre Investition bessere Ergebnisse liefern können.“
— Brandon Beidel, Director of Product Management bei Red Ventures

Datenaufnahme über Clouds hinweg führt zu einem Engpass

Wenn Unternehmen ihre Marketingstrategie optimieren möchten, wenden sie sich an RV. Die Division Red Digital des Unternehmens bietet durchgängige Performance-Marketing-Services, die Business-to-Consumer-Dienstleistern (B2C) helfen, neue Kunden zu gewinnen. RV nutzt eine moderne und skalierbare Datenlösung, um Suchkampagnen, Social-Media-Kampagnen, Display-Anzeigen und Landingpages so zu optimieren, dass aus Marketing-Leads am oberen Ende des Funnels wiederkehrende Kunden für die Auftraggeber werden.

„Für einige unserer Kunden steuern wir die gesamte Customer Journey“, sagte Brandon Beidel, Director of Product Management bei Red Ventures. „Vielen Kunden fehlt das interne Marketing-Know-how, um anspruchsvolle Kampagnen durchzuführen. Es ist unsere Aufgabe, ihnen zu helfen, das Kundenwachstum im Laufe der Zeit voranzutreiben, und wir setzen Daten und KI ein, um ihnen die bestmöglichen Ergebnisse zu liefern.“

Für RV bedeutet es, Kunden — und Verbrauchern — einen größeren Mehrwert zu bieten, aktuelle Erkenntnisse aus Daten zu nutzen, um die richtigen Verbraucher zu erreichen. Doch das Unternehmen denkt nicht nur an das Betriebsergebnis. Red Ventures möchte, dass Kunden und Interessenten eine herausragende User Experience erleben, während sie Produkte erkunden und ihre Kaufentscheidung treffen.

„Verbraucher erwarten heute, den gesamten Kaufprozess für die meisten Produkte online abschließen zu können“, sagte Beidel. „Doch beim Kauf komplexer Dienstleistungen ist es für Unternehmen schwierig, ihre Botschaft wirkungsvoll zu vermitteln. Unser Ziel ist es, für unsere Kunden ein optimales Anzeigenerlebnis oder zahlreiche Varianten einer Website zu schaffen und dann jeden ihrer Kunden mit der User Experience zu verbinden, die ihm am besten hilft, das Produkt zu verstehen. Um Marketing auf diesem Niveau zuzuschneiden, müssen wir Daten und KI wirkungsvoll einsetzen.“

Um die Datenintegrität zu gewährleisten, verwaltet RV die Daten jedes Kunden in einer separaten Cloud-Umgebung. Von dort aus muss RV die Daten jedes Kunden integrieren und aufwendige Transformationen durchführen, um Machine-Learning-Vorhersagen zu erzeugen. Bis vor Kurzem schrieben Data Engineers benutzerdefinierte Skripte, um die Daten jedes Kunden aufzunehmen — eine mühsame und zeitaufwendige Aufgabe.

Ein moderner Data Stack hilft, ETL-Workloads zu vereinfachen und zu automatisieren

Um Daten effizienter zu verarbeiten, führte RV Databricks ein, um Data-Engineering-Pipelines zu skalieren und Erkenntnisse zu beschleunigen. Das Unternehmen nutzt außerdem Fivetran für die Datenaufnahme und dbt™ für die Anwendung von Datentransformationen. Databricks ist nun die Engine, die die rechenintensivsten Aufgaben von RV übernimmt. Für jede Kundenumgebung hat RV einen dedizierten Databricks-Workspace, Fivetran-Connectors und dbt™-Projekte eingerichtet, auf die nur bestimmte Mitarbeitende zugreifen können. Alle drei Lösungen speisen Daten in eine Machine-Learning-Pipeline ein, die Funktionen wie die Budgetierung der Werbeausgaben der Kunden steuert.

„Aufgrund der Art unseres Geschäfts müssen wir für jeden Kunden einen separaten Data Stack unterhalten“, erläuterte Beidel. „Doch Databricks, Fivetran und dbt™ helfen uns, das Rad nicht neu erfinden zu müssen, wenn wir die Komponenten für Verarbeitung, Berechnung und Datenmanagement für jeden Kunden aufbauen. Wir konnten die von unseren Engineers geleistete Arbeit übernehmen und für mehrere Kunden wiederverwenden. Außerdem haben wir Fivetran in die Hände unserer Marketer gelegt, damit sie Integrationen für die Aufnahme der Daten unserer Kunden einrichten können, und ihnen Zugang zu dbt™ gegeben, um Datentransformationen zu definieren. Weil diese Tools so einfach sind, müssen wir unsere Engineers oft gar nicht einbeziehen.“

Die meisten Onsite-Ereignisse von den Websites der Kunden werden in Echtzeit an RV gestreamt. Das Unternehmen erhält Klickdaten, Event-Views, Page-Views, Scrolltiefe und mehr in seinem Warehouse. Von dort aus hat RV seine ETL-Workloads vereinfacht und automatisiert.

„Databricks hat es uns ermöglicht, uns nicht mehr um die Verwaltung der Infrastruktur kümmern zu müssen“, sagte Beidel. „Für viele Workloads wählen wir einfach die Compute-Größe aus, definieren unser Skript und lassen es laufen. Unsere Data Engineers müssen keine Experten für die Verwaltung von Spark-Clustern sein. Mit Databricks können sie sich auf die Struktur der Daten und die Geschäftslogik konzentrieren.“

[CTA_MODULE]

Bessere Ergebnisse für Kunden bei geringerem Datenaufwand

RV verarbeitet Kundendaten nun effizienter als je zuvor. Früher benötigte das Unternehmen 100 bis 150 Stunden pro Datenintegration. Heute liegt dieser Wert bei 10 Stunden — was Data Engineers den Freiraum verschafft, an höherwertigen Aufgaben zu arbeiten. Verarbeitungsjobs, die über Nacht liefen und bis zu 20 Stunden dauerten, sind jetzt in vier oder fünf Stunden abgeschlossen. Und weil Fivetran für jeden Kunden denselben Datensatz bereitstellt und dbt™ allen einen klaren Überblick über Datentransformationen verschafft, hat das Engineering-Team von RV den Anteil der Fehlerbehebung von 50 % seiner Zeit auf weniger als 20 % reduziert. Automatisierte Funktionen zur Cluster-Verwaltung in der Databricks Lakehouse Platform brachten weitere Zeiteinsparungen.

„Keine Cluster verwalten zu müssen, spart uns enorm viel Zeit“, bemerkte Beidel. „Unser größter Kritikpunkt an anderen Warehousing-Technologien ist das Fehlen eines effektiven Autoscalings. Es ist eine unverzichtbare Funktion, wenn man mit einem großen Volumen an analytischen Workloads arbeitet und über den Tag hinweg Nachfrageschwankungen hat. Dass Databricks diese Nutzungsschwankungen für uns übernimmt, spart uns vermutlich einen von 10 Engineers.“

Diese höhere Effizienz hat es RV ermöglicht, 30 % mehr Kunden zu betreuen. „Eines der Dinge, die mich an dbt™ gereizt haben, ist, dass alles in SQL vorliegt“, erklärte Beidel. „Es dient unserem Team als gemeinsame Sprache. Nicht jeder kann SQL schreiben, aber jeder kann es lesen und besser verstehen, was im Hintergrund passiert.“

Weil dbt™ und Fivetran so einfach zu bedienen sind, sind mehr Mitarbeitende von RV in Datentransformationen eingebunden. Engineers nutzen dbt™ häufig, um Marketingmitarbeitenden zu zeigen, wie bestimmte Werte berechnet wurden — was zu vertiefenden Diskussionen über die Daten und zu Wissenstransfer vom Engineering an die Fachanwender führt.

Diese Datendemokratisierung trägt zu besseren Ergebnissen für die Kunden von RV bei. „Mit der äußerst intuitiven Machine-Learning-Pipeline, die wir aufgebaut haben, haben wir unseren Kunden geholfen, die Kosteneffizienz in einigen Kanälen um 20 bis 30 % zu steigern“, schloss Beidel.