Convertlab携手亚马逊云科技打造数据智能营销解决方案

2022年5月24日  亚马逊云科技宣布,亚马逊云科技合作伙伴上海欣兆阳(Convertlab)依托亚马逊云科技服务组合,打造数据智能营销解决方案。

把亚马逊云科技的“智能湖仓”架构作为数据治理底座,Convertlab构建了一体化的户数据管理平台Data Hub和高效机器学习平台AI Hub,使数据流转时效性提升32%,并可进行快速的特征设计与机器学习模型迭代,模型上线效率提升30%。

数字时代下,企业希望通过提升用户体验来保障业务的持续增长。Convertlab运用云计算、大数据和人工智能为代表的数字化技术,构建了一系列产品以支撑企业数字化营销转型,为企业营销提供数字化、自动化、智能化基础设施以及相关的专业服务。

在与亚马逊云科技合作之前,Convertlab数据智能营销解决方案主要面临三方面的技术挑战。

首先,数据处理与机器学习作业流程关联弱,数据清洗、特征工程与机器学习作业在不同的系统中运行,降低了大数据与模型之间的流转效率;

其次,数据的处理与分析需要耗费大量精力,数据在不同的库表环境中,建模前期的数据整理与清洗工作需要耗费模型上线周期中50%左右的时间;

最后,模型的迭代、维护等管理层面的效率较低,模型的验证、检测、分析等工作较为复杂,导致投入资源成本较高。

基于亚马逊云科技“智能湖仓”架构,Convertlab构建了一体化的客户数据管理平台Data Hub和高效机器学习平台AI Hub,并在此之上开发了包含个性化推荐、用户生命旅程、购买概率额预测、权益敏感度预测、广告点击预测、因果分析、最佳下一步行为预测以及智能圈群等一系列智能营销解决方案,帮助企业实现全渠道、全场景、全链路的精益客户运营。

Data Hub将原来散落在不同系统的数据全部汇入以对象存储服务Amazon Simple Storage Service (Amazon S3)为中心的数据湖;基于云上大数据平台Amazon Elastic MapReduce (Amazon EMR)进行用户离线数据、实时数据的存储和处理;利用交互式查询服务Amazon Athena轻松聚合各个数据源的数据。与传统的技术架构相比, “智能湖仓” 架构帮助Data Hub实现了统一融合的数据治理底座,打破数据及技能孤岛,减少异构数据融合成本,将数据流转时效性提升32%,并为AI Hub提供标准统一的数据模型。

在机器学习赋能业务方面,AI Hub借助机器学习服务Amazon SageMaker,帮助数据专家快速准备、构建、训练和部署高质量的机器学习模型,进行快速的特征设计与机器学习模型迭代,模型上线效率提升30%。目前,Convertlab已上线5大营销特征类别、300+营销特征、20+营销AI模型。

迄今为止,Convertlab已通过与亚马逊云科技的协作,在零售行业拥有了多个客户成功案例。以某世界500强零售企业为例,随着其营销数据和场景越来越多,很难做到完备的数据洞察和数据驱动策略。

Convertlab与亚马逊云科技协作,帮助客户进行了基于AI决策的业务创新,数据业务的人力投入从12人减少到8人,项目上线周期从12个月降至3个月,实际产出从13个营销场景增加到32个场景,电子渠道商品交易总额(GMV)比例从2.95%提升到6.34%,只需原来 20%的成本投入,就实现了240%的策略产出和200%的KPI提升。

此外,基于亚马逊云科技提供的数据管理和处理能力,Convertlab帮助中国某知名家电企业构建了动态全域智能营销模型,使用AI动态权益确定当前每个客户对权益的喜好,圈选推送人群,相同场景下的营销活动短消息点击率增长75%。