Crie ofertas personalizadas em tempo real com base na localização, no dispositivo e no uso do cliente

Conquiste clientes criando ofertas personalizadas e contextuais em tempo real

Em um mercado altamente competitivo, as empresas de telecomunicações que priorizam a experiência do cliente (CX) têm uma vantagem distinta. E as empresas de telecomunicações estão bem posicionadas para oferecer uma experiência superior ao cliente, capitalizando as grandes quantidades de dados que coletam, incluindo uma valiosa fonte de informações sobre o comportamento, as preferências e a localização do cliente. Fornecer aos clientes ofertas personalizadas em tempo real com base em seus dados de localização é uma maneira valiosa de as empresas de telecomunicações melhorarem a experiência do cliente e, por sua vez, ajudar a aumentar a lucratividade.

As ofertas personalizadas em tempo real são adaptadas às necessidades, preferências e localização específicas de cada pessoa e entregues no momento em que interagem com um produto, serviço ou plataforma. A ideia é que, ao fornecer aos clientes conteúdo e serviços altamente relevantes para suas necessidades e interesses imediatos, as empresas podem aumentar a satisfação do cliente, estimular o engajamento e, por fim, obter melhores resultados, seja um aumento nas vendas ou uma maior fidelidade e retenção do cliente.

As empresas podem atingir esse nível de personalização processando dados e aplicando algoritmos para adaptar instantaneamente o conteúdo, as recomendações e as experiências que eles oferecem ao contexto e ao comportamento atuais do usuário. Os smartphones dos clientes transmitem constantemente dados de localização, que podem ser coletados e analisados para fornecer insights em tempo real. Os dados de localização são uma ferramenta particularmente poderosa nas mãos das empresas de telecomunicações. Ao combinar dados de localização com perfis de clientes, incluindo dados demográficos e padrões de uso, as empresas de telecomunicações podem criar uma visão abrangente de cada usuário, que pode ser usada para criar ofertas e serviços altamente relevantes e oportunos. A integração de dados de fontes de terceiros, como dados climáticos, padrões de tráfego e informações sobre eventos locais, pode fornecer contexto adicional para ofertas personalizadas. A análise de dados em tempo real desempenha um papel crucial na transformação de todos esses dados em insights acionáveis. As ferramentas analíticas avançadas podem processar e examinar informações na velocidade da luz, permitindo que as empresas de telecomunicações tomem decisões rápidas e entreguem ofertas personalizadas em tempo real.

As ofertas personalizadas e baseadas em localização em tempo real podem afetar significativamente o comportamento do cliente, tornando a experiência do usuário mais relevante e envolvente. Aqui estão alguns exemplos de como as empresas de telecomunicações podem fornecer experiências ao cliente altamente individualizadas e contextualmente relevantes usando uma combinação de dados históricos do usuário (como interações anteriores, histórico de compras e preferências) e dados em tempo real (incluindo localização, tipo de dispositivo e ações atuais).

• Oferecer pacotes de roaming internacional para clientes que viajam para o exterior ou descontos locais para usuários em uma área específica
• Identificar problemas e interrupções de rede para abordar problemas de forma proativa e se comunicar com os clientes afetados, reduzindo a frustração
• Personalizar serviços, fornecer promoções direcionadas e otimizar o desempenho da rede, tudo isso pode dar às empresas de telecomunicações uma vantagem competitiva, ao mesmo tempo em que ajuda a garantir que seus clientes tenham as melhores experiências possíveis
• Oferecer um upgrade de dados quando o uso de dados de um cliente está prestes a exceder seu plano, o que pode evitar cobranças por excesso e cativar o cliente
• Implementar programas de fidelidade que recompensam clientes por visitarem locais específicos, como lojas de telecomunicações ou empresas parceiras
• Recomendar produtos que estejam alinhados com o que o usuário está pesquisando no momento ou comprou recentemente

O marketing móvel, embora eficaz e potencialmente lucrativo, pode ser arriscado; no entanto, a personalização pode ajudar a reduzir o risco. Mensagens de marketing relevantes que contêm informações úteis podem melhorar a experiência do cliente; mas mensagens irrelevantes e não direcionadas se tornam spam e podem levar à fadiga e à rotatividade do cliente.

Ao fornecer ofertas personalizadas em tempo real com base nos dados de localização do cliente, as empresas de telecomunicações podem criar uma situação vantajosa para todos, aumentando a satisfação do cliente e ajudando a impulsionar o crescimento da receita. Essa abordagem proativa simplifica a experiência do cliente e reduz o risco de cobranças inesperadas, levando a maior satisfação e fidelidade. Para empresas de telecomunicações com margens estreitas e investimentos de capital significativos a serem feitos, melhorar a experiência do cliente com personalização orientada por dados e ofertas baseadas em localização também pode ajudar a impactar significativamente a lucratividade. A personalização baseada em localização pode impulsionar o crescimento da receita de várias maneiras.

• Quando os clientes recebem ofertas relevantes para sua localização atual, eles são mais propensos a fazer compras ou atualizações espontâneas.
• As ofertas personalizadas mantêm os clientes engajados, reduzindo a probabilidade de rotatividade.
• Quando os usuários sentem que suas empresas de telecomunicações entendem suas necessidades, eles são mais propensos a permanecerem leais.
• As ofertas direcionadas são mais econômicas do que as campanhas de marketing em massa.
• Mais oportunidades de venda incremental ou venda cruzada de serviços adicionais, como pacotes de dados premium ou soluções de casa inteligente, podem ajudar a aumentar o valor da vida útil do cliente.

Ao usar os dados dos clientes para criar ofertas personalizadas em tempo real, as empresas de telecomunicações devem, como sempre, lidar com esses dados de forma responsável, cumprir os requisitos regulamentares e se comunicar de forma transparente sobre o uso dos dados. Atingir o equilíbrio certo entre personalização e privacidade é fundamental para uma implementação bem-sucedida. Para isso, as empresas de telecomunicações precisam de uma plataforma de dados que seja capaz de oferecer consistência, escalabilidade e desempenho e, ao mesmo tempo, garantir a segurança e oferecer flexibilidade de serviço e implementação.

Combine personalização e privacidade usando uma plataforma de dados abrangente

Ao ingerir, selecionar, processar e analisar dados, as empresas de telecomunicações podem fornecer aos clientes ofertas personalizadas em tempo real com base em sua localização. Isso envolve aproveitar os dados de localização dos dispositivos dos usuários, processá-los em tempo real e, em seguida, acionar ofertas personalizadas.

A arquitetura apresentada aqui demonstra como podemos combinar os componentes recomendados da Oracle para criar uma arquitetura de análise que abrange todo o ciclo de vida da análise de dados e foi projetada para ajudar as empresas de telecomunicações e provedores de serviços digitais a entregar ofertas contextuais em tempo real a seus clientes e obter a ampla gama de benefícios comerciais descritos acima.

Esta imagem mostra como o Oracle Data Platform for Telecommunications pode ser usado para melhorar a experiência do cliente, criando ofertas contextuais com base em sua localização, uso e preferências de dispositivo.

A plataforma inclui os seguintes cinco pilares:

1. 1. Fontes de dados, Descoberta
2. 2. Ingestão, Transformação
3. 3. Persistência, Curadoria, Criação
4. 4. Análise, Aprendizado, Predição
5. 5. Medição, Ação

O pilar Fontes de Dados, Descoberta inclui quatro categorias de dados.

1. 1. As aplicações compreendem dados de CRM, serviço, faturamento, uso e catálogo de produtos
2. 2. Os registros comerciais incluem dados de BSS, OSS, CDRs e histórico de compras
3. 3. As informações técnicas compreendem dados de eventos de rede, conjuntos de dados de dispositivos e qualidade da rede
4. 4. Os dados de terceiros incluem Oracle Data Cloud, dados de redes sociais e pacotes de ofertas

O pilar Conexão, Ingestão, Transformação abrange quatro recursos.

1. 1. A ingestão em lote usa OCI Data Integration, Oracle Data Integrator e ferramentas de banco de dados.
2. 2. A transferência em massa usa OCI FastConnect, OCI Data Transfer, MFT e OCI CLI.
3. 3. A captura de dados de alteração usa o OCI GoldenGate.
4. 4. A ingestão de streaming usa OCI Streaming, e Kafka Connect.

Todos os quatro recursos se conectam unidirecionalmente ao armazenamento de dados de serviço e ao armazenamento em nuvem no pilar Persistência, Curadoria, Criação.

Além disso, a ingestão de streaming está conectada ao processamento de streaming no pilar Análise, Aprendizado, Previsão.

O pilar Persistência, Curadoria, Criação abrange quatro recursos.

1. 1. O armazenamento de dados de serviço usa o Autonomous Data Warehouse e o Exadata Cloud Service.
2. 2. O armazenamento em nuvem usa OCI Object Storage.
3. 3. O processamento em lote usa OCI Data Flow.
4. 4. A governança usa OCI Data Catalog.

Esses recursos estão conectados no pilar. O armazenamento em nuvem é conectado unidirecionalmente ao armazenamento de dados de serviço; ele também é conectado bidirecionalmente ao processamento em lote.

Dois recursos se conectam ao pilar Análise, Aprendizado, Previsão. O armazenamento de dados de serviço se conecta ao recurso de análise e visualização e também ao recurso de produtos de dados e APIs. O armazenamento em nuvem se conecta ao recurso de machine learning.

O pilar Análise, Aprendizado, Previsão abrange quatro recursos.

1. 1. Análise e visualização usam Oracle Analytics Cloud, GraphStudio e ISVs.
2. 2. Produtos de dados, APIs usam Autonomous Data Sharing, API Gateway e Functions
3. 3. Machine Learning usa OCI Data Science, Oracle Machine Learning e Oracle ML Notebooks
4. 4. O Processamento de Streaming usa o OCI Goldengate Stream Analytics e terceiros

O pilar Medida, Ação captura como a análise de dados pode ser usada: por pessoas e parceiros.

1. 1. Pessoas e Parceiros incluem segmentação de clientes, análise preditiva, previsão de rotatividade, modelos de preços dinâmicos, vendas cruzadas e vendas incrementais, análise/previsão, previsão de valor vitalício.
2. 2. As aplicações incluem sistemas de recomendação/serviços baseados em localização, análise comportamental em tempo real e análise de sentimentos
3. 3. Os três pilares centrais – Ingestão, Transformação; Persistência, Curadoria, Criação; e Análise, Aprendizado, Previsão — são suportados por infraestrutura, rede, segurança e IAM.

Conecte, ingira e transforme dados

Nossa solução é composta por três pilares, cada um suportando recursos específicos da plataforma de dados. O primeiro pilar fornece a capacidade de conectar, ingerir e transformar dados.

Existem quatro maneiras principais de injetar dados em uma arquitetura para permitir que as empresas de telecomunicações forneçam ofertas personalizadas em tempo real.

• Para iniciar nosso processo, habilitaremos extrações em tempo real ou quase em tempo real (a ingestão quase em tempo real às vezes é chamada de ingestão "no momento certo", o que significa que os dados são ingeridos dentro de uma janela de tempo que permite que o contexto de um cliente seja identificado e a oferta seja exibida enquanto esse contexto é mantido) para ingerir dados de produtos de CRM empresarial e sistemas de oferta usando o Oracle Cloud Infrastructure (OCI) GoldenGate. Os dados do catálogo de ofertas e os dados das regras de disponibilidade e elegibilidade devem ser ingeridos quase em tempo real para garantir que as regras de inclusão/exclusão e regulatórias sejam rigorosamente seguidas. Os dados são geralmente de natureza relacional e originados de aplicações corporativas. O OCI GoldenGate usa a captura de dados de alterações (CDC) para detectar eventos de alteração na estrutura subjacente dos sistemas que fornecem os processos operacionais que precisam ser atendidos (por exemplo, a criação de uma nova oferta, um problema de rede do cliente, o cliente usando um novo dispositivo ou adotando um novo serviço, etc.) e envia os dados em tempo real para uma camada de persistência e/ou de streaming. O OCI GoldenGate fornece um mecanismo de CDC que pode processar alterações de origem de forma não invasiva, processando os arquivos de log de transações concluídas e armazenando essas alterações capturadas em arquivos de trilha externos, independentemente do banco de dados. Depois, as alterações são transferidas de forma confiável para um banco de dados de teste. O Journaling Knowledge Module (JKM) usa os metadados gerenciados pelo Oracle Data Integrator para gerar todos os arquivos de configuração do OCI GoldenGate e processa todas as alterações detectadas pelo OCI GoldenGate na área de preparação. Essas alterações serão carregadas no data warehouse de destino usando os mapeamentos de transformação declarativa do Oracle Data Integrator. Essa arquitetura permite relatórios separados em tempo real nas tabelas de área de preparação normalizadas, além de carregar e transformar os dados nas tabelas do data warehouse analítico.
• Em seguida, habilitaremos a transferência em massa de dados históricos de transações operacionais para treinamento de modelos e análise de propensão a ofertas. Os serviços de transferência em massa são usados em situações em que grandes volumes de dados precisam ser movidos para a Oracle Cloud Infrastructure pela primeira vez, como dados de repositórios de análise on-premises existentes ou outras fontes de nuvem. O serviço específico de transferência em massa que a Oracle usará dependerá da localização dos dados e da frequência da transferência. Por exemplo, poderemos usar o OCI Data Transfer Service ou o OCI Data Transfer Appliance para carregar um grande volume de dados on-premises do planejamento histórico ou de repositórios de data warehouse. Quando grandes volumes de dados devem ser movidos continuamente, recomendamos o uso do OCI FastConnect, que fornece uma conexão de rede privada dedicada de alta largura de banda entre o data center de um cliente e a OCI.
• A capacidade de analisar dados de localização de clientes de várias fontes em tempo real é fundamental para criar ofertas adequadas e contextuais. Neste caso de uso, usamos ingestão de streaming para ingerir todos os dados lidos de eventos internos ou do cliente por meio de interações móveis, IoT, comunicações máquina a máquina e outros meios. Os fluxos podem se originar de diversas fontes internas (rede) e externas (beacon) e podem incluir dados de localização, dados de interação com o cliente, dados de movimentação e dados de redes sociais. Os dados (eventos) serão ingeridos, e algumas transformações/agregações básicas ocorrerão antes de eles serem armazenados no OCI Object Storage. Análises de streaming adicionais podem ser usadas para identificar eventos de localização correlacionados e iniciar o envio de ofertas contextuais ao cliente, e quaisquer padrões identificados podem ser alimentados (manualmente) para que os dados brutos possam ser examinados usando o OCI Data Science.
• Embora as necessidades em tempo real estejam evoluindo, a extração mais comum dos sistemas de gerenciamento de preferências de produto, cliente e marketing é algum tipo de ingestão em lote usando um processo ETL. A ingestão em lote é usada para importar dados de sistemas que não oferecem suporte ao streaming de dados (por exemplo, alguns sistemas herdados de faturamento e classificação). Essas extrações podem ser ingeridas com frequência, a cada 10 ou 15 minutos, mas ainda são de natureza 'em lote', pois grupos de transações são extraídos e processados, em vez de transações individuais. A OCI oferece diferentes serviços para lidar com a ingestão em lote, como o serviço OCI Data Integration nativo e o Oracle Data Integrator em execução em uma instância do OCI Compute. A escolha do serviço seria baseada principalmente na preferência do cliente e não nos requisitos técnicos.

Persista, processe e trate os dados

A persistência e o processamento de dados são baseados em três componentes. Alguns clientes usarão todos eles, outros, um subconjunto. Dependendo dos volumes e tipos de dados, os dados podem ser carregados no armazenamento de objetos ou carregados diretamente em um banco de dados relacional estruturado para armazenamento persistente. Quando antecipamos a aplicação de recursos de ciência de dados, os dados recuperados de fontes em sua forma bruta (como um arquivo ou extrato nativo não processado) são normalmente capturados e carregados de sistemas transacionais para o armazenamento na nuvem.

• O armazenamento na nuvem é a camada de persistência de dados mais comum para nossa plataforma. Pode ser usado para dados estruturados e não estruturados. OCI Object Storage, OCI Data Flow e Oracle Autonomous Data Warehouse são os blocos fundamentais. Os dados recuperados de fontes em seu formato bruto são capturados e carregados no OCI Object Storage. O OCI Object Storage é a camada primária de persistência de dados e o Spark no OCI Data Flow é o principal mecanismo de processamento em lote. O processamento em lote envolve várias atividades, incluindo tratamento básico de ruído, gerenciamento de dados ausentes e filtragem com base em conjuntos de dados de saída definidos. Os resultados são gravados em várias camadas de armazenamento de objetos ou em um repositório relacional persistente com base no processamento necessário e nos tipos de dados usados.
• Agora usaremos um armazenamento de serviços de dados para manter nossos dados selecionados em um formato otimizado para desempenho de consulta e fornecer uma visão de 360 graus do cliente. O armazenamento de dados de serviço fornece uma camada relacional persistente usada para proporcionar dados selecionados de alta qualidade diretamente aos usuários finais por meio de ferramentas baseadas em SQL. Nessa solução, o Oracle Autonomous Data Warehouse é instanciado como o armazenamento de dados de serviço para o data warehouse corporativo e, se necessário, data marts de nível de domínio mais especializados. Também pode ser a fonte de dados para projetos de ciência de dados ou o repositório necessário para o Oracle Machine Learning. O armazenamento de dados de serviço pode assumir uma de várias formas, incluindo Oracle MySQL HeatWave, Oracle Database Exadata Cloud Service ou Oracle Exadata Cloud@Customer.

Analise dados, aprenda e preveja

A capacidade de analisar, aprender e prever é facilitada por três abordagens tecnológicas.

• O OCI GoldenGate Stream Analytics permite a ingestão contínua de dados de streaming de fontes, incluindo dados de localização. Esses dados são obtidos em tempo real de dispositivos GPS e aplicativos móveis para identificar a localização e o comportamento do cliente. Isso fornece uma arquitetura orientada a eventos em que os dados são processados como uma série de eventos. Nesse caso, os eventos representam movimentos do usuário, acionadores de delimitação geográfica ou quaisquer outras ocorrências relevantes. Eventos de delimitação geográfica, indicando quando um usuário entra ou sai de áreas geográficas predefinidas, são processados em tempo real. Esses acionadores georreferenciados podem iniciar ações imediatamente, como a avaliação de regras predefinidas para ofertas personalizadas com base na localização atual do usuário. A solução permite uma integração perfeita com fontes de dados externas, enriquecendo a análise em tempo real com contexto adicional. Dados externos, como condições climáticas ou eventos locais, podem ser incorporados dinamicamente ao pipeline de processamento para aumentar a relevância e a personalização das ofertas e permitir reações em tempo real, acionando ações e gerando ofertas personalizadas com base no contexto e na localização atuais do usuário.
• Os recursos analíticos avançados são essenciais para identificar comportamentos do cliente para informar ofertas personalizadas, incluindo propensão à aceitação e análise contextual. Nesse caso de uso, contamos com a Oracle Analytics Cloud para fornecer análises e visualizações. Isso permite que as empresas de telecomunicação usem análise descritiva (descreve as tendências atuais com histogramas e gráficos), análise preditiva (prevê eventos futuros, identifica tendências e determina a probabilidade de resultados incertos) e análise prescritiva (propõe ações adequadas para apoiar a tomada de decisão ideal).
• A análise prescritiva vai além da previsão de resultados e fornece recomendações sobre o melhor curso de ação. As empresas de telecomunicações podem usar análises prescritivas para entender as preferências individuais dos clientes, adaptando as ofertas baseadas em localização para atender às suas necessidades e interesses. Aplicando modelos preditivos a dados históricos, as empresas de telecomunicações podem prever resultados futuros e tomar decisões proativas. Por exemplo, a análise preditiva pode ajudar a identificar a oferta mais apropriada para um cliente e antecipar o comportamento do cliente, identificar oportunidades potenciais para que as ofertas sejam contextualizadas e otimizar a aceitação da oferta.
• Além da análise avançada, cada vez mais a ciência de dados, o machine learning e a inteligência artificial são usados para procurar anomalias, prever onde pode ocorrer latência de processos e otimizar a jornada do cliente. Por exemplo, os modelos de machine learning podem ser usados para identificação de contexto, segmentação de clientes e marketing personalizado. Ao aprender continuamente com novos dados, esses modelos podem adaptar e melhorar seu desempenho ao longo do tempo, levando ao aumento da satisfação do cliente e maior lucratividade. O OCI Data Science, OCI AI Services e Oracle Machine Learning podem ser usados nos bancos de dados.
• Usamos métodos de machine learning e ciência de dados para criar e treinar nossos modelos preditivos. Esses modelos de machine learning podem ser implementados para pontuação por meio de APIs ou incorporados como parte do pipeline de análise de fluxo do OCI GoldenGate. Em alguns casos, esses modelos podem até ser implementados no banco de dados usando a API REST do Oracle Machine Learning Services (para isso, o modelo precisa estar no formato Open Neural Network Exchange). Além disso, o OCI Data Science para notebooks centrados em Jupyter/Python ou Oracle Machine Learning para notebook Zeppelin e algoritmos de machine learning podem ser implementados no armazenamento de dados transacionais ou de serviço. Da mesma forma, Oracle Machine Learning e o OCI Data Science, sozinhos ou combinados, podem desenvolver modelos de recomendação/decisão. Esses modelos podem ser implementados como um serviço e podemos instalá-los por trás do OCI API Gateway para serem entregues como “produtos de dados” e serviços. Por fim, uma vez criados, os modelos de machine learning podem ser implantados em aplicações que fazem parte de um sistema de decisão operacional (se permitido).
• O componente final, porém crítico, é a governança de dados. Isso será fornecido pelo OCI Data Catalog, um serviço gratuito que facilita governança de dados e gerenciamento de metadados (para metadados técnicos e comerciais) para todas as fontes de dados no ecossistema da plataforma de dados. O OCI Data Catalog também é um componente crítico para consultas do Oracle Autonomous Data Warehouse ao OCI Object Storage, pois fornece uma maneira de localizar dados rapidamente, independentemente de seu método de armazenamento. Isso permite que usuários finais, desenvolvedores e cientistas de dados usem uma linguagem de acesso comum (SQL) em todos os armazenamentos de dados persistentes na arquitetura.

Use seus dados para aprimorar a experiência do cliente e aumentar a fidelidade

Com suporte para todo o ciclo de vida da análise de dados, a Oracle Modern Data Platform oferece às empresas de telecomunicações as ferramentas, o desempenho, a segurança e a flexibilidade necessárias para fornecer aos clientes ofertas personalizadas e baseadas em localização em tempo real. Essa abordagem de marketing pode gerar benefícios significativos tanto para o cliente quanto para a empresa de telecomunicações, incluindo:

• Experiências aprimoradas para os clientes: os clientes recebem ofertas úteis quando e onde elas são mais valiosas, podendo aceitá-las com o mínimo de esforço.
• Melhores taxas de aceitação de ofertas e aumento do valor da vida útil do cliente: os clientes estão mais propensos a aceitar ofertas que realmente desejam e precisam, o que pode ajudar a aumentar as vendas.
• Capacidade aprimorada de adquirir e reter clientes: experiências superiores do cliente combinadas com entrega eficiente de serviços, preços competitivos e ofertas inovadoras podem ajudar a aumentar a fidelidade do cliente e reduzir a rotatividade.
• Melhor custo-benefício: as ofertas direcionadas geralmente são mais bem-sucedidas do que as campanhas de marketing em massa, permitindo que as empresas de telecomunicações vejam um retorno maior sobre seu investimento.
• Crescimento da receita: melhorar a fidelidade do cliente e aprofundar o engajamento, expandir oportunidades de vendas cruzadas e incrementais direcionadas, otimizar os gastos com marketing e aumentar o valor da vida útil do cliente podem ajudar as empresas de telecomunicações a obter vantagem em um mercado competitivo e impulsionar o crescimento da receita.