Connecter vos données
Les agents BrazeAI Decisioning Studio™ doivent comprendre pleinement le contexte client pour prendre des décisions efficaces. Cet article explique comment connecter les sources de données clients à Decisioning Studio.
Votre équipe AI Decisioning Services vous accompagnera dans la configuration des connexions de données pour des performances optimales.
Modèles d’intégration pris en charge
Decisioning Studio prend en charge plusieurs modèles d’intégration pour connecter les données clients :
| Modèle d’intégration | Idéal pour | Complexité de configuration |
|---|---|---|
| Braze Data Platform | Les clients utilisant déjà Braze | Faible |
| Braze Cloud Data Ingestion (CDI) | Connecter des entrepôts de données externes | Moyenne |
| Stockage cloud (GCS, AWS, Azure) | Exports directs de données depuis d’autres plateformes | Moyenne |
| Intégrations CEP | Extensions de données SFMC, Klaviyo | Moyenne |
Types de données client
Les ressources de données client suivantes aident les agents à personnaliser plus efficacement :
| Type de données | Description | Exemples |
|---|---|---|
| Profil client | Attributs statiques et à évolution lente | Ancienneté en tant que client, zone géographique, canal d’acquisition, niveau de satisfaction, estimation de la valeur vie client |
| Comportement client | Activité et schémas d’engagement | Connexions au compte, type d’appareil, interactions avec le service client, utilisation du produit |
| Historique des transactions | Données d’achat et de conversion | Produits achetés, montants des transactions, méthodes de paiement, canaux d’achat |
| Engagement marketing | Réponses aux communications | Ouvertures/clics d’e-mails, engagement SMS, activité web et mobile, réponses aux enquêtes |
Plus les agents disposent d’informations sur vos clients, mieux ils fonctionneront. Pensez à inclure des données sur toutes les informations qui seraient particulièrement importantes pour votre activité (par exemple, souhaitez-vous voir comment l’IA traite différemment vos clients fidèles ? Assurez-vous que le statut de fidélité figure dans les données client).
Connecter les données par plateforme
Envoyer les données client via Braze
BrazeAI Decisioning Studio peut utiliser toutes les données que vous envoyez déjà à la plateforme de données Braze.
Pour les données client qui ne figurent pas dans le profil utilisateur ou les attributs personnalisés, vous disposez de deux moyens de les intégrer avec l’ingestion de données cloud Braze :
- Ingérer dans la plateforme de données Braze. Synchronisez les données de votre entrepôt de données avec les profils utilisateur, les attributs personnalisés ou les événements Braze. Choisissez cette option lorsque vous souhaitez également que les données soient disponibles dans Braze pour la segmentation et la communication. Compatible avec Snowflake, Redshift, BigQuery, Databricks, Microsoft Fabric, AWS S3 et Google Cloud Storage.
- Envoyer directement à Decisioning Studio (accès anticipé). Synchronisez les données de votre entrepôt de données directement vers Decisioning Studio, sans les ajouter au profil utilisateur Braze ni aux attributs personnalisés. Choisissez cette option pour les données que vous souhaitez utiliser dans Decisioning Studio mais dont vous n’avez pas besoin ailleurs dans Braze. Cette option est en accès anticipé ; consultez Ingestion de données cloud : synchroniser les données de Decisioning Studio pour la configurer.
Une fois que vous êtes satisfait des données que vous envoyez à la plateforme de données Braze, contactez votre équipe AI Decisioning Services pour discuter des champs du profil utilisateur ou des attributs personnalisés à utiliser pour AI Decisioning.
Pour simplifier ce processus, créez une liste d’attributs de profil utilisateur Braze qui, selon vous, représentent le mieux les comportements de vos clients et qui devraient être utilisés dans Decisioning Studio (consultez la liste des champs disponibles). Votre équipe de services peut également vous aider à mener des sessions de découverte pour déterminer quels champs sont les plus appropriés pour AI Decisioning.
Les autres options pour envoyer des données incluent :
- L’envoi d’événements personnalisés Braze via le SDK
- L’envoi d’événements via l’endpoint REST (
/users/track)
Ces approches nécessitent davantage d’efforts d’ingénierie, mais sont parfois préférables en fonction de votre configuration Braze actuelle. Contactez l’équipe AI Decisioning Services pour en savoir plus.
Envoyer les données client via SFMC
Pour les intégrations Salesforce Marketing Cloud :
- Configurez les Data Extension(s) SFMC pour vos données client
- Configurez un Installed Package SFMC pour l’intégration API avec les autorisations appropriées requises par Decisioning Studio
- Assurez-vous que les Data Extensions sont actualisées quotidiennement, car Decisioning Studio récupérera les dernières données incrémentielles disponibles
Fournissez l’ID de l’extension et la clé API à votre équipe AI Decisioning Services. Elle vous assistera pour les étapes suivantes de l’ingestion des données client.
Envoyer les données client via Klaviyo
Pour les intégrations Klaviyo :
- Confirmez que les données de profil client sont disponibles dans les profils Klaviyo
- Générez une clé API privée avec un accès complet aux profils
- Fournissez la clé API à votre équipe AI Decisioning Services
Consultez la documentation Klaviyo pour plus d’informations sur la configuration des clés API.
Autres solutions cloud (Google Cloud Storage, Azure, AWS)
Si les données client ne sont pas actuellement stockées dans Braze, SFMC ou Klaviyo, la meilleure étape suivante consiste à configurer un export automatisé directement vers un compartiment Google Cloud Storage contrôlé par Braze. Nous pouvons également prendre en charge l’export vers AWS ou Azure (bien que GCS soit préférable). Pour ces plateformes, exportez vers leur stockage cloud interne et Braze pourra ensuite récupérer ces données.
Pour déterminer si cela est faisable, consultez la documentation de votre plateforme Martech. Par exemple :
- mParticle propose une intégration native avec Google Cloud Storage
- Twilio Segment
- Treasure Data
- ActionIQ
- Adobe Experience Platform
Si cela est faisable, nous pouvons fournir un compartiment GCS pour exporter les données client, isolé pour Decisioning Studio.
Bonnes pratiques
- Noms de colonnes descriptifs : les données clients doivent avoir des noms de colonnes clairs et descriptifs. Idéalement, un dictionnaire de données devrait être fourni.
- Mises à jour incrémentales : les fichiers incrémentaux sont préférables aux instantanés de l’ensemble de l’historique client chaque jour.
- Identifiants cohérents : chaque enregistrement doit contenir un identifiant client unique et cohérent dans toutes les ressources de données.
- Inclure des horodatages : les enregistrements doivent être associés à des horodatages pour une attribution précise et l’entraînement de l’agent.
Intégrations personnalisées
D’autres options ou des pipelines de données entièrement personnalisés sont possibles. Ceux-ci peuvent nécessiter des travaux supplémentaires de la part de l’équipe Services ou de l’équipe Engineering. Pour déterminer ce qui est faisable et optimal, travaillez avec votre équipe AI Decisioning Services.
Ce guide explique les schémas d’intégration les plus courants. L’équipe Information Security devra toujours valider tous les points de connexion, et les Solutions Consultants seront disponibles pour conseiller sur le déploiement.
Étapes suivantes
Après avoir connecté vos sources de données, procédez à la configuration de l’orchestration :