Braze로 데이터를 수집하는 기술적 측면 살펴보기

오늘날 데이터는 마케팅의 핵심으로, 브랜드가 전 세계적으로 대규모로 고객에게 고도로 개인화되고 연관성 높은 경험을 제공할 수 있게 해줍니다. 지난 5년 동안 데이터 수집과 데이터 프라이버시에 대한 강한 관심이 이어져 왔지만, 데이터 방정식의 또 다른 중요한 요소인 데이터 관리에 대한 관심은 항상 충분하지 않았습니다. 데이터 관리는 기업이 고객 참여 프로그램의 기반이 되는 디지털 시스템 안팎으로 데이터가 이동하는 방식을 제어하는 방법을 의미합니다.

Braze의 고객 참여 플랫폼은 스트리밍 데이터를 기반으로 구축되었습니다. 이러한 아키텍처를 통해 고객은 사용자가 메시지, 웹사이트, 모바일 앱 등에 어떻게 참여하는지(또는 참여하지 않는지) 즉각적으로 파악할 수 있습니다. 이러한 데이터를 확보하고 상황에 따라 데이터를 심층적으로 분석하거나 그에 따라 조치를 취할 수 있다면 브랜드는 잠재고객과 더 나은 관계를 구축하고 비즈니스 목표를 달성할 수 있습니다.

그렇기 때문에 저희는 대용량 데이터 내보내기 기능인 Braze Currents를 구축하고 Snowflake 보안 데이터 공유에 대한 지원을 추가하여 Braze 플랫폼에서 데이터를 쉽게 표면화하는 데 우선순위를 두었습니다. 또한, 고객 참여 노력을 강화하기 위해 데이터를 Braze로 푸시하고자 하는 브랜드를 위해 다양한 데이터 수집 옵션을 제공하는 이유이기도 합니다. Braze 플랫폼으로 정보를 전달하는 방법에 대한 이해를 돕기 위해, Braze가 데이터를 수집하는 네 가지 주요 방법과 각 접근 방식의 뉘앙스를 살펴보겠습니다.

1. 클라우드 데이터 수집

클라우드 데이터 수집을 통해 브랜드는 데이터 웨어하우스에서 Braze 플랫폼으로 직접 데이터를 통합하여 세분화, 메시지 타겟팅 및 개인화를 더욱 강화할 수 있습니다. CDI를 사용하면 브랜드는 원하는 일정에 따라 플랫폼 간에 데이터를 자동으로 동기화할 수 있습니다. 동기화가 실행되면 Braze는 브랜드의 데이터 웨어하우스에 연결하여 새로운 데이터를 가져오고 Braze 내에서 관련 사용자 프로필을 업데이트하여 보다 연관성 높고 효과적인 고객 경험을 지원합니다.

Braze 데이터 모델은 배열과 중첩된 속성을 지원하도록 구축되었기 때문에 브랜드는 Braze가 지원하는 모든 소스에서 정형 데이터와 비정형 데이터를 쉽게 동기화할 수 있으며, 번거로운 데이터 파이프라인을 구축하는 데 따르는 골칫거리를 피할 수 있습니다. 이를 통해 마케터는 더 많은 정보를 더 빠르게 확보하여 개인화 도구에서 데이터를 더 잘 활용하여 모든 기기, 플랫폼 및 채널에서 소비자에게 연관성 높은 부가가치 경험을 지원할 수 있습니다.

이 기능은 장기적인 데이터 솔루션으로 설계되었으며, 현재 다음에서 동기화를 지원합니다. Amazon S3 파일 스토리지, Amazon Redshift, Databricks, Google BigQuery, Snowflake 등 다른 파트너로 클라우드 데이터 수집 통합을 확대하는 동시에 향후 데이터 유형 및 플랫폼 사용성에 대한 업데이트를 추가할 계획입니다.

이 새로운 통합 기능은 사전 구축된 직접 연결 방식으로, 기본적으로 턴키 방식으로 설계되었습니다. 복잡한 코딩 없이도 몇 가지 간단한 단계만으로 Braze 대시보드 내에서 바로 설정할 수 있어야 합니다. 절차는 다음과 같습니다.

1. 데이터 웨어하우스에서 데이터 테이블 매개변수를 설정합니다.

2. Braze 대시보드의 '기술 파트너' 섹션 아래에서 스노우플레이크 또는 레드쉬프트 페이지로 이동합니다.

3. 두 시스템 간에 새 가져오기 동기화를 시작합니다.

4. 데이터 웨어하우스 공급자로부터 사용자 인증 데이터를 제공합니다.

5. 통합의 이름, 데이터 유형 및 빈도를 설정합니다.

6. 빠른 테스트를 실행하여 해당 데이터가 모두 정상인지 확인합니다.

설정이 완료되면 브랜드 데이터 웨어하우스의 데이터를 활용하여 미묘한 사용자 개인화를 지원하고 모든 디지털 메시징 채널(예: 이메일, SMS, 모바일 및 웹 채널)에서 풍부하고 반응이 빠른 캠페인을 알릴 준비가 된 것입니다.

2. Braze 데이터 혁신

Braze 데이터 혁신을 통해 브랜드는 웹훅을 전송할 수 있는 기술 스택의 모든 타사 플랫폼과 웹훅 통합을 구축하고 관리할 수 있습니다. 웹훅을 가져와서 데이터 변환으로 전송하고 자바스크립트 코드를 작성하여 해당 웹훅을 Braze의 사용자 프로필 또는 카탈로그 업데이트로 변환하는 등 실시간 통합을 위한 다양한 가능성을 실현할 수 있습니다.

데이터 혁신을 통해 브랜드는 맞춤형 데이터 통합을 손쉽게 활용하여 더 나은 액션 데이터를 확보하고 효율성을 높이며 기술팀에 대한 의존도를 낮출 수 있습니다. 데이터 트랜스포메이션을 통해 고객이 수동 API 호출, 타사 데이터 통합 도구(예: Zapier), 심지어 고객 데이터 플랫폼에 대한 의존도를 줄일 수 있다는 사실을 확인했습니다.

또한 데이터 트랜스포메이션에는 코딩 기술이 부족하거나 전혀 없는 사용자도 쉽게 웹훅을 설정할 수 있는 AI 코파일럿이 있습니다. 워크플로 내에서 바로 액세스할 수 있으며, 수신된 웹훅을 읽고 사용 사례에 맞는 맞춤형 JavaScript 코드를 자동으로 작성하는 방식으로 작동합니다.

자세히 알아보고 싶으신가요? 확인해보세요. Mon-marche.fr이 Braze 데이터 변환을 사용하여 데이터를 쉽게 활성화하여 더 많은 주문을 유도하는 방법을 확인하세요.

3. SDK

Braze에서 소프트웨어 개발 키트(SDK)는 고객 데이터 수집 노력의 기본 요소로서, 특정 브랜드의 모바일 앱, 웹사이트, 커넥티드 TV 앱 등에서 사용자 속성 및 인게이지먼트에 대한 자세한 데이터를 Braze 플랫폼으로 수집할 수 있게 해줍니다. SDK는 소비자가 앱/웹사이트 등에 참여할 때 미묘한 세션 데이터와 사용자 이벤트를 실시간으로 수집하여 잠재고객 세분화, 캠페인 및 개별화된 고객 여정의 생성 및 전달, 기타 업계 최고의 고객 참여 프로그램 요소를 지원할 수 있습니다. (여기에서 Braze SDK의 전체 제품군을 확인하세요.)

데이터 수집을 지원하기 위해 Braze SDK를 활용하려면 브랜드는 이를 앱이나 웹사이트에 통합해야 합니다. 데이터 수집 수준에 따라 통합에 대한 다른 접근 방식이 필요하지만, Braze SDK의 기본 통합은 간단하고 직관적이며 엔지니어링 지원이 제한적이고 앱/웹사이트 크기에 미치는 영향이 최소화됩니다. 확장성과 관련하여, 브랜드는 디지털 시스템에 과부하가 걸릴까 걱정할 필요 없이 수백만 명의 일일 활성 사용자에 대한 정보를 수집하고 조치를 취할 수 있도록 SDK를 사용하여 대규모 데이터를 처리할 수 있도록 구축되었습니다.

어떻게 작동하나요? SDK가 앱이나 웹사이트에 통합되고 추적할 정보를 결정하면 브랜드에서 신원을 알 수 없는 사용자를 포함하여 해당 디지털 플랫폼에 참여하는 모든 개인에 대한 디바이스 및 세션 데이터를 수집하기 시작합니다. 소위 '익명' 사용자와 '알려진' 사용자(즉, 브랜드와 자신의 신원을 공유한 개인) 모두 Braze 내에서 생성된 고객 프로필이 자동으로 실시간 업데이트되므로, 마케팅 담당자는 세분화, 개인화 및 트리거 메시지를 활용하여 익명 사용자에게도 도달함으로써 전반적으로 더욱 맞춤화되고 의미 있는 브랜드 경험을 지원할 수 있습니다. 사용자가 신원을 확인하면 브랜드는 사전 식별을 통해 수집한 데이터를 사용하여 해당 사용자가 사용 중인 다른 시스템에 다시 매핑함으로써 다양한 채널, 플랫폼, 디바이스에서도 일관되고 지속적인 브랜드 경험을 제공할 수 있습니다.

결론은? 앱이나 웹사이트에 대한 사용자 참여를 기반으로 수집, 관리, 조치를 취하고 싶다면 관련 Braze SDK를 통합하면 프로세스가 간단하고 자동적이며 확장성이 뛰어나 필수 고객 정보를 대량으로 수집할 수 있습니다.

4. API

앱이나 웹사이트의 프론트엔드에서 직접 데이터를 수집할 때는 SDK가 유용하지만, 로열티 데이터베이스나 자체 백엔드 등 다른 소스의 데이터를 통합하고 싶을 때도 있습니다. 데이터 수집 전략의 기본 요소를 보완하기 위해 많은 브랜드가 서로 다른 시스템 간의 요청을 처리하고 응답하도록 설계된 서비스인 애플리케이션 프로그래밍 인터페이스(API)를 활용하고 있습니다. 이 경우 브랜드가 내부 시스템 및 타사 솔루션의 정보를 실시간으로 Braze로 전달하여 SDK에서 수행하는 자동 데이터 수집을 보완할 수 있습니다. 저희 API는 Braze로 전송할 수 있는 올바른 형식의 데이터라면 거의 모든 곳의 데이터를 유연하게 받아들일 수 있습니다.

API 관련 데이터 수집의 가장 일반적인 사용 사례는 아마도 브랜드가 과거 데이터를 Braze 플랫폼에 업로드하려는 경우일 것입니다. 이러한 상황에서 기업이 이전 고객 인게이지먼트 플랫폼이나 기타 관련 시스템에서 가져온 정보를 가지고 있을 경우, 가장 쉬운 방법은 API를 활용하여 사용자 데이터를 초기 전송하고, 사용자 프로필을 생성하고, Braze 플랫폼의 API 엔드포인트를 통해 사용자의 푸시 토큰을 업로드하는 것입니다. 다른 사용 사례를 소개하자면 다음과 같습니다.

• SDK를 통해 추적되지 않는 다른 사용자 정보를 Braze로 가져오기. POS(Point-of-Sale) 시스템 정보 또는 앱, 웹사이트 또는 고객 메시징 참여와 직접 관련이 없는 기타 오프라인 데이터를 예로 들 수 있습니다.
• 특정 소비자의 외부 사용자 ID 변경, 사용자 삭제 또는 Braze 내 사용자 별칭 변경.

API는 다양한 데이터 수집 용도(동적 콘텐츠 개인화등 기타 요구 사항)에 활용할 수 있지만, 데이터 수집 작업의 규모와 양에 따라 SDK보다 더 많은 영향을 받을 수 있습니다. 따라서 수행 중인 API 호출 수와 관련 속도 제한 및 API 엔드포인트와 관련한 기능적 트래픽 제한을 고려하는 것이 중요합니다.

5. CSV

SDK와 API는 Braze 플랫폼과 관련된 대부분의 잠재적인 데이터 수집 요구사항과 사용 사례를 지원하지만, Braze로 정보를 전송하는 세 번째 기본 방법, 즉 쉼표로 구분된 값 파일을 업로드하는 기능, 즉 CSV를 제공합니다. 이 접근 방식은 빠른 일회성 사용 사례에 사용하거나 SDK를 설정하거나 API를 활용할 기술 리소스가 부족한 팀에 가장 적합한 경향이 있습니다. 실제로는 어떤 모습일까요? 한 가지 예로 Google 시트에서 사용자 이메일을 수집하고, 해당 시트를 CSV로 다운로드한 다음 Braze에 업로드하여 사용자 프로필을 업데이트할 수 있습니다.

CSV 업로드는 급하게 정보를 Braze로 전송할 때 유용한 방법이 될 수 있지만, 이 방법은 API나 SDK를 사용하여 데이터를 수집하는 것보다 확장성이 떨어집니다. 그러나 사용자 속성을 업로드할 때 Braze CSV 가져오기 기능을 보다 효과적으로 활용하고 이 기능으로 인한 규모의 단점을 최소화할 수 있는 새로운 방법이 있습니다. Braze Growth 팀이 만든 오픈 소스 Amazon Web Services(AWS) 서버리스 애플리케이션을 활용하고 AWS Lambda와 S3를 활용함으로써, Braze 고객은 사용자 속성이 포함된 대용량 CSV 파일을 수동으로 분할하고 업로드하는 수고를 덜 수 있습니다.

이 애플리케이션을 통해 브랜드는 사용자 속성이 포함된 CSV 파일(100메가바이트보다 큰 파일 포함)을 S3 버킷에 업로드하면 자동으로 Lambda와의 통신이 트리거되어 애플리케이션의 코드를 활용하고 CSV 파일을 처리하여 Braze 플랫폼으로 전달하도록 유도하는 통신을 트리거할 수 있습니다. 이 애플리케이션은 Braze에서 대용량 CSV 파일 업로드와 관련된 수동 파일 준비를 피하고 프로세스를 더욱 원활하고 자동화합니다. 그러나 이 프로세스는 SDK 또는 API를 통해 데이터를 Braze로 전달하는 것만큼 원활하지는 않으므로 이러한 도구를 활용하여 사용자 속성을 Braze로 전송할 수 있는 브랜드는 이를 적극 활용할 것을 권장합니다.

6. Braze 기술 파트너

Braze 플랫폼의 세 가지 주요 데이터 수집 도구는 진공 상태에서는 존재하지 않습니다. 많은 브랜드의 경우, 데이터를 다른 시스템으로 원활하게 이동할 수 있도록 설계된 Braze와 동급 최고의 기술을 직접 통합하여 보완하고 있습니다. Braze Alloys 기술 파트너는 세 가지 유형이 있습니다.

고객 데이터 플랫폼

고객 데이터 플랫폼(CDP)은 마케팅 기술 스택 내에서 데이터 민첩성 향상을 지원하도록 설계되어 필요에 따라 Braze를 포함한 다양한 솔루션에서 더 많은 주요 정보를 더 쉽게 주고받을 수 있습니다. 이러한 기술은 다양한 시스템 및 플랫폼과의 맞춤형 통합을 구축하여 임시 데이터 수집 방식(예: CSV 가져오기)의 필요성을 줄이고, 스택의 다른 부분에서 Braze로 데이터가 원활하게 흐르도록 지원하여 해당 정보를 활용하여 고객 메시징 및 기타 브랜드 경험을 강화할 수 있도록 합니다. 이러한 솔루션에는 다음이 포함됩니다.

• Amperity는 다양한 플랫폼과 기술 전반에서 원활한 데이터 관리를 지원하여 브랜드가 고객에 대한 포괄적이고 유용한 360도 뷰를 실현할 수 있도록 도와줍니다.
• mParticle을 통해 마케터는 브랜드의 성장 스택 전체에 걸쳐 데이터를 관리하여 영향력 있고 일관된 고객 여정을 지원할 수 있습니다.
• Segment는 브랜드가 이메일, 웹, 광고, POS 및 기타 기술과 관련하여 퍼스트파티 데이터를 수집, 통합 및 관리할 수 있도록 도와줍니다.
• Tealium은 웹, 모바일, 오프라인 데이터 소스 및 기술을 아우르는 턴키 통합 에코시스템을 제공합니다.

분석 솔루션

데이터 분석 플랫폼은 브랜드가 원하는 정보를 심층적으로 분석하여 숨겨진 인사이트를 찾고, 상위 트렌드를 더 잘 이해하고, 이러한 발견을 통해 향후 실험, 오디언스 및 세그먼트의 생성에 정보를 제공할 수 있도록 구축되었습니다. 이러한 기술은 Braze와의 통합을 통해 브랜드가 분석 제공업체에 포함된 인사이트와 정보를 활용하여 Braze가 제공하는 더욱 영향력 있는 브랜드 경험을 지원할 수 있도록 합니다. 이러한 솔루션에는 다음이 포함됩니다.

• Amplitude는 강력한 제품 및 행동 분석을 통해 브랜드가 성장을 촉진할 수 있도록 설계된 분석 플랫폼으로, 고객과 고객의 행동 및 특성에 대한 이해를 높이는 데 중점을 두고 있습니다.
• Looker는 비즈니스 인텔리전스 및 빅데이터 분석 플랫폼으로, 브랜드가 실시간 비즈니스 분석을 원활하게 탐색, 분석 및 배포하여 고객과 사용자 생애주기에 대한 이해를 높일 수 있도록 지원합니다.
• Mixpanel은 브랜드가 전환과 유지율부터 제품 사용에 이르기까지 모든 것을 분석할 수 있도록 개발된 분석 솔루션으로, 고객 경험을 한 단계 업그레이드하는 것을 목표로 합니다.

워크플로우 자동화 및 리버스 ETL 솔루션

브랜드는 Braze와 직접 통합된 워크플로우 자동화 및 리버스 ETL 솔루션을 활용하여 데이터를 재구성하여 Braze 플랫폼 내에서 작동하도록 하고 그 결과 정보를 고객 참여 플랫폼으로 전달하는 프로세스를 자동화할 수 있습니다. 이러한 솔루션에는 다음이 포함됩니다.

• Census는 엔지니어링 지원 없이도 다른 도구나 데이터베이스에서 활용되지 않고 있는 고객 데이터를 Braze로 가져올 수 있는 통합 플랫폼입니다.
• Hightouch를 사용하면 Auto Trader와 같은 최고의 브랜드가 "리버스 ETL"이라는 프로세스를 통해 엔지니어 없이도 Snowflake, BigQuery, Redshift, DataBricks와 같은 클라우드 데이터 웨어하우스에서 Braze로 데이터를 실시간으로 동기화할 수 있습니다.
• Rudderstack을 사용하면 개발자가 데이터 웨어하우스와 중요한 비즈니스 도구 간에 실시간 고객 데이터 파이프라인을 빠르고 쉽게 배포할 수 있습니다.

Hightouch의 공동창업자이자 공동 CEO인 Tejas Manohar는 "스타트업부터 포춘 500대 기업까지 모든 기업이 이미 웨어하우스에 고객 데이터를 위한 단일 데이터 소스를 구축하고 있습니다"라고 말합니다.

최종 결론

고객 참여 노력의 효과를 극대화하는 데 있어서는 효과적인 데이터 관리가 열쇠입니다. Braze를 사용하면 주요 고객 데이터를 Braze 플랫폼으로 손쉽게 전달하여 오디언스 세분화, 개인화, 트리거된 캠페인, 미묘한 테스트 등을 지원할 수 있도록 설계된 다양한 데이터 수집 방식을 지원함으로써 이를 더욱 쉽게 지원할 수 있습니다.

Braze 플랫폼이 데이터 관리를 지원하고 업계 최고의 마케팅 기술 에코시스템 내에서 어떻게 작동하는지 자세히 알아보려면 "커넥티드 인게이지먼트: 오늘날의 마케팅 스택 및 에코시스템 이해"를 참조하세요.

*이 문서는 2021년 10월 14일에 처음 게시되었습니다. 마지막 업데이트는 2024년 5월 9일에 이루어졌습니다.