TÉMOIGNAGE CLIENT
Région : EMEA
Secteur : Santé
Département : BI/Analytique/Data Science
Présentation de l'entreprise :
BODi est une plateforme interactive et inclusive de fitness composée d'une application et d'un service de streaming en ligne de différentes séances d'entraînement.
BODi aide les utilisateurs à adopter des habitudes saines et durables et à profiter d'une vie épanouie. Plus de 2 millions d'abonnés utilisent la plateforme en ligne de BODi, qui propose des séances d'entraînement à la demande, des programmes nutritionnels et des compléments alimentaires, ainsi que des cours pour renforcer son esprit. BODi ingère et analyse de grandes quantités de données sur les abonnés et les commandes pour gérer la fidélisation et l'engagement des clients.
L'ancienne architecture de données de BODi consistait se composait de multiples technologies de traitement et de stockage des données. Les données relatives aux commandes étaient stockées dans un entrepôt de données sur site, tandis que les données relatives aux interactions en ligne étaient conservées dans le cloud.
Un lac de données hébergeait les données de la communauté en ligne, de l'application mobile et des campagnes de marketing de BODi. « Notre incapacité à connecter les sources de données à grande échelle devenait de plus en plus problématique, surtout avec des millions d'abonnés et de commandes par an », explique Armen Rostamian, vice-président Marketing Intelligence et analytique chez BODi.
Le cloisonnement des données empêchait BODi d'obtenir une vision complète du client, limitait les initiatives marketing et les insights, et rendait difficile la corrélation entre les comportements qui ont des effets sur les objectifs de santé. « Nous avions une approche des compléments alimentaires et une approche du fitness, mais nous n'étions pas en mesure d'avoir une approche fondée sur le bien-être », explique Armen Rostamian. Les contraintes techniques entraînent une complexité supplémentaire et retardent les insights de 48 heures.
Cherchant à tirer efficacement parti des données pour améliorer la santé des clients et les résultats métier, BODi a centralisé la propriété des données dans une équipe analytique unique, et a commencé à repenser son architecture de données.
BODi a choisi Snowflake Data Cloud pour servir de couche centrale dans son architecture de données. « J'aurais du mal à trouver une solution comparable à celle de Snowflake », se félicite Armen Rostamian.
L'adaptabilité quasi infinie du stockage et du calcul de Snowflake a permis de résoudre les problèmes de latence de BODi et a permis aux équipes techniques de se concentrer sur l'élimination de la complexité et l'unification des données. « Grâce à la puissance de calcul de Snowflake, nous avons centralisé le travail autour des données et avons mis en place une source unique d'informations pour les ensembles de données relatives aux clients, aux distributeurs et aux finances », se réjouit Armen Rostamian.
La consolidation de la consommation de vidéos, de l'historique des achats et d'autres interactions dans Snowflake a permis d'accroître la transparence du parcours client de BODi. « Pour la première fois, nous avons pu comprendre l'interaction complète du client avec la marque à grande échelle et nous focaliser sur les mesures avec la plus forte valeur ajoutée », explique Armen Rostamian.
La capacité de Snowflake à fonctionner avec Alteryx a facilité la génération d'insights en libre-service pour les utilisateurs analytiques chez BODi. En combinant la puissante infrastructure de Snowflake avec l'interface intuitive d'Alteryx pour la résolution de problématiques analytiques, BODi rend la data stack plus accessible de bout en bout. Les équipes peuvent obtenir les données dont elles ont besoin, les transformer à l'aide d'Alteryx, et partager des insights entre elles à grande échelle.
L'environnement analytique en libre-service de BODi, qui s'appuie sur Snowflake et Alteryx, propose des insights pertinents aux utilisateurs dans l'ensemble de l'organisation.
« Nous sommes désormais en mesure de travailler ensemble et de disposer d'un point de transfert qui permet d'obtenir le meilleur résultat possible à moindre coût », se réjouit Armen Rostamian. Par exemple, le service des royalties de BODi surveille de près les visionnages de vidéos qualifiées qui donnent lieu à des paiements. Les équipes de marketing et de fitness de BODi dépendent également d'insights en libre-service sur la consommation de vidéos, bien qu'elles aient des définitions différentes des vues qualifiées.
L'exploitation des données comme base des offres promotionnelles aide les marketeurs de BODi à développer des campagnes créatives qui stimulent l'engagement des distributeurs. L'exécution réussie de la campagne s'est traduite par un engagement accru des distributeurs concentrés sur les ventes. « Nous sommes en mesure d'organiser avec précision des promotions mensuelles complexes plus rapidement que jamais, avec moins de ressources », se félicite Armen Rostamian.
L'utilisation de Snowflake pour centraliser les données relatives à environ 80 attributs des clients permet d'obtenir une vue d'ensemble sur plusieurs points de contact. Les modèles de machine learning utilisent les données stockées dans Snowflake pour évaluer la fidélité des clients, prédire leurs futurs niveaux d'activité et estimer leur propension à l'achat.
Le système d'évaluation des clients de BODi fournit aux marketeurs un point de données unique pour recommander des contenus pertinents et développer des campagnes percutantes. « Nous sommes en mesure de donner aux marketeurs des KPI plus pertinents et qui ont un lien direct avec le chiffre d'affaires », explique Armen Rostamian.
La modernisation de l'architecture des données de BODi facilite la prise en charge des divers besoins de prévision de plusieurs départements. À l'image de BODi qui facilite une approche holistique de la santé par le biais de la nutrition et de la remise en forme, l'équipe permet à différents départements d'accéder aux insights. Une stack unifiée en libre-service avec Snowflake et Alteryx permet à différentes fonctions d'obtenir des résultats à partir du même processus de données.
Par exemple, l'équipe Finance s'appuie sur Alteryx et Snowflake pour ses initiatives de prévision des revenus. Les équipes opérationnelles analysent une variété de variables liées aux ingrédients afin de prendre des décisions d'achat éclairées. Les marketeurs comparent les prévisions de base aux activités supplémentaires.
Région : EMEA
Secteur : Santé
Département : BI/Analytique/Data Science
Présentation de l'entreprise :
BODi est une plateforme interactive et inclusive de fitness composée d'une application et d'un service de streaming en ligne de différentes séances d'entraînement.