A BODi apoia a saúde do cliente usando o Alteryx e Snowflake

A BODi ajuda milhões de pessoas a criar hábitos saudáveis e sustentáveis para ter uma vida mais gratificante. Com mais de dois milhões de assinantes, a BODi oferece treinos sob demanda, programas de nutrição e aulas de mindset. Para aprimorar a retenção e o engajamento dos clientes, a companhia analisa grandes volumes de dados de assinantes e pedidos.

Eliminando os silos de dados de condicionamento físico e nutrição

A arquitetura de dados anterior da BODi era fragmentada, com diferentes tecnologias de processamento e armazenamento. Os dados dos pedidos eram mantidos em um data warehouse local, enquanto as interações online ficavam armazenadas na nuvem.

Além disso, um data lake corporativo reunia informações da comunidade online de fitness, do aplicativo para dispositivos móveis e das campanhas de marketing. "Nossa incapacidade de conectar fontes de dados em grande escala se tornou cada vez mais um problema, especialmente com milhões de assinantes e pedidos por ano", relata Armen Rostamian, vice-presidente de inteligência de marketing e analytics da BODi.

Os dados isolados dificultavam obter uma visão 360° do cliente, dificultavam os insights de marketing e de distribuidores e impediam correlacionar comportamentos e metas de saúde. "Tínhamos uma perspectiva separada para suplementos nutricionais e treinos físicos, mas não conseguíamos adotar uma abordagem integrada de bem-estar", conta Armen. Além disso, as limitações técnicas aumentavam a complexidade e atrasavam os insights em até 48 horas.

Para superar esses desafios e usar os dados de forma mais estratégica, a BODi centralizou a gestão dos dados em uma única equipe de análise e repensou sua arquitetura de dados para oferecer apoiar tanto a saúde dos clientes quanto o crescimento do negócio.

Centralizando dados para ter uma visão mais clara da jornada do cliente

A BODi adotou o Data Cloud da Snowflake™ como a "camada central" da sua nova arquitetura de dados. "Para mim, é difícil encontrar um concorrente comparável à solução fornecida pela Snowflake", afirma Armen.

O dimensionamento quase infinito de armazenamento e computação do Snowflake resolveu os problemas de latência da BODi e permitiu que a equipe técnica se concentrasse na eliminação da complexidade e na unificação dos dados. "Com o poder de computação do Snowflake, centralizamos o trabalho em torno dos dados e, por fim, conseguimos uma única fonte confiável de conjuntos de dados de clientes, distribuidores e financeiros", explica Armen.

A consolidação de dados de consumo de vídeo, histórico de compras e interações no Snowflake proporcionou uma visão mais transparente da jornada do cliente. "Pela primeira vez, temos uma visão de 360° das interações da empresa com nossos consumidores, o que nos permite focar nos nossos principais clientes", revela Armen.

A integração do Alteryx com o Snowflake tornou mais fácil fornecer informações acionáveis por meio de uma solução self-service para os usuários de analytics da BODi. Ao combinar a infraestrutura robusta do Snowflake com a interface intuitiva do Alteryx para resolver problemas analíticos, a BODi simplificou as ferramentas de dados do início ao fim. Os profissionais agora podem obter os dados necessários, transformá-los com o Alteryx e compartilhar insights em escala, otimizando a colaboração entre as equipes.

Entendendo o comportamento dos clientes e engajando os distribuidores com menos complexidade

O ambiente self-service analytics da BODi, desenvolvido pela Snowflake e Alteryx, fornece com eficiência insights significativos aos usuários de toda a organização.

De acordo com Armen, "agora podemos trabalhar juntos e ter um ponto de entrega que abre um caminho mais eficiente para alcançar os melhores resultados". Por exemplo, o departamento de royalties da BODi monitora de perto as visualizações qualificadas de vídeos que resultam em pagamentos de royalties. As equipes de marketing e fitness da BODi também dependem dos insights sobre consumo de vídeo gerados pela plataforma self-service, apesar de terem definições ligeiramente diferentes do que constitui uma visualização "qualificada".

O uso de dados para embasar as promoções de vendas ajudou os profissionais de marketing da BODi a criar campanhas criativas que aumentaram o engajamento com os distribuidores. A execução bem-sucedida dessas campanhas resultou em distribuidores mais engajados e focados nas vendas. É o que explica Armen: "conseguimos executar promoções mensais complexas com mais precisão e rapidez do que nunca, investindo menos recursos".

Desenvolvendo uma visão completa do cliente e um sistema de pontuação para ativar os dados

O uso do Snowflake para centralizar os dados de aproximadamente 80 atributos do cliente oferece à BODi uma visão 360° do cliente nos variados pontos de contato. Os modelos de machine learning (ML) analisam os dados armazenados no Snowflake para avaliar a fidelidade do cliente, prever seus níveis de atividade futura e estimar sua propensão a comprar.

O sistema de pontuação de clientes da BODi dá aos profissionais de marketing um único ponto de dado para recomendar conteúdo relevante e criar campanhas eficazes. De acordo com Armen, "agora podemos dar aos profissionais de marketing KPIs muito mais acionáveis e diretamente vinculados à receita".

Fornecendo soluções flexíveis de previsão que atendem às necessidades de múltiplas equipes

A modernização da arquitetura de dados da BODi facilita o suporte às diversas necessidades de previsão de diferentes departamentos. Assim como a BODi ajuda as pessoas a adotar uma abordagem abrangente em relação à sua saúde, integrando várias estratégias de nutrição e condicionamento físico, seu pessoal apoia diferentes áreas a acessar os insights dos dados. Ferramentas unificadas e self-service com Snowflake e Alteryx permitem que diferentes funções gerem resultados de forma eficiente a partir do mesmo processo de dados.

Por exemplo, a equipe financeira da BODi usa o Alteryx e o Snowflake nas suas iniciativas contínuas de previsão de receita. As equipes de operações analisam uma variedade de variáveis relacionadas aos ingredientes para tomar decisões de procurement embasadas. Já os profissionais de marketing comparam as previsões iniciais às atividades incrementais.