现代数据栈MDS应用落地介绍—Vero营销自动化平台

Dazdata MDS

现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能,技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现,不同于国内的数据中台更多强调数据处理技术,MDS注重落地和最后一公里的大数据应用。

Vero是一款现代数据堆栈MDS的自动化营销软件,其由Cloud和Connect两个模块组成,Cloud模块根据用户活动采取行动,自动执行决策并发送多渠道实时消息。Connect模块负责数据仓库处理。

营销自动化

根据客户活动触发工作流程,自动做出决策 并跨多个渠道发送消息,所有这些都使用可视化 UI。

广播电子邮件

向列表中的任何人发送一对多广播电子邮件活动。 非常适合时事通讯、活动、公告等。

定期时事通讯

强大的每周摘要、每日新闻提要、最新列表 使用定期新闻通讯和动态的产品等 分割。

让数据仓库成为营销的中心

解锁您的数据,构建丰富的细分,发送更好的消息, 更快。

客户案例

Vero的客户Dribbble成立于2009年,其使命是建立 世界上最好的创意分享、成长和获取社区 雇。分享超过 1 万亿像素作为灵感 全球数以百万计的设计师和当今的 40,000 名设计师 最具创新力品牌,Dribbble成功巩固 本身就是设计师社区的创意中心。

之前的营销

随着创意市场的增长,Dribbble严重依赖 关于电子邮件营销,以保持其设计师,品牌社区 并通知用户。以中心发送细分的电子邮件活动 围绕市场活动、创意灵感、职位空缺 新的设计资源是他们营销的关键部分 策略。

面对快速增长和快速扩展需求,Dribbble 发现他们现有平台的许多挫折感和 设置。其中包括:API限制,有限的灵活性,上升 成本以及无法轻松访问和激活其用户 数据。

增加了一个不断增长的工程资源团队来维护 遗留系统和数据管道 Dribbble 正在寻找一个 平台,使他们能够更好地控制自己的数据,同时 减少所需的工程时间。

主要挑战

在切换到Vero之前,Dribbble使用的组合 传统营销平台和定制的内部电子邮件营销 软件。作为一家运行现代数据基础架构的企业, 传统营销平台的局限性成为 越来越明显:在Dribbble的规模上,裂缝开始出现 出现并启动资源消耗。对于运球催化剂 因为变化归结为三个交易破坏者:成本、控制和 消费者规模的可负担性。

成本

大多数典型的营销平台都要求您复制您的 客户数据从您的平台进入供应商的云。如果 你有一个像Dribbble这样的数据仓库设置,这意味着 支付两次费用以存储相同的数据:一次在您自己的数据中 仓库,并再次在您的电子邮件服务提供商的云中。

对于像Dribbble这样快速扩展的市场 效率低下很快就会加起来。在原始成本之上 重复数据存储,运行中涉及的维护 数据管道的拼凑使所有内容保持同步,增加了 巨大的维护成本。

控制

将数据存储在多个位置需要经常同步 依赖于复杂的(通常是自定义的)集成。这最终 在数据准确性方面带来了许多挑战,并且 完整性:你最终可能会处于你花钱的位置 大量时间同步数据而没有真正的信心 数据是准确的。“对数据控制的渴望产生了巨大的影响 关于我们更换供应商的决定。我们的 API 限制 以前的平台在做某事时非常乏味 就像设置新的用户群一样基本,“他说 劳伦斯。

高级细分是Dribbble电子邮件的关键支柱 营销策略,受众的准确性是没有商量的余地。在 与营销供应商同步数据非常耗时, 经常分批发生,经常中断,导致电子邮件 建立在过时的受众之上。这是运球的场景 发现自己在。

运球通过连接Vero使这个问题消失了 直接到他们的数据仓库。结果是信心 基础数据和对存储、生成的完全控制 以及该数据的结构。

B2C 规模的可负担性

拥有数百万用户的受众,可扩展性不仅仅是 很高兴有。容纳如此规模的观众有很多 影响:从加载时间到分段和存储成本。

为什么 Dribbble 选择 Vero

自从转投以来,Dribbble已经看到了他们所追求的成功 维罗。除了提高效率和减少 在成本和资源方面,最大的胜利更大 控制和拥有其客户数据。

巨大的效率提升

由于Vero的软件直接连接到Dribbble的Postgres。 和雪花数据仓库,无需复制数据 在这些仓库和云平台之间。由于 释放工程资源,减少重复工作 数据存储 这大大降低了成本。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/2725.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

1630.等差子数组

1630. 等差子数组 难度中等 如果一个数列由至少两个元素组成,且每两个连续元素之间的差值都相同,那么这个序列就是 等差数列 。更正式地,数列 s 是等差数列,只需要满足:对于每个有效的 i , s[i1] - s[i] …

(五)大数据实战——使用模板虚拟机实现hadoop集群虚拟机克隆及网络相关配置

前言 本节内容我们实现虚拟机的克隆,主要根据模板虚拟机克隆三台hadoop虚拟机,用于hadoop集群的搭建,同时根据上一小节的内容,配置hadoop虚拟机的主机名、ip网络等,最终完成hadoop虚拟机的实例化。 正文 虚拟机克隆…

MATLAB | 全网最详细网络图(图论图)绘制教程

一篇超超超长,超超超全面网络图绘制教程,本篇基本能讲清楚所有绘制要点,当然图论与网络优化的算法一篇不可能完全讲清楚,未来如果看的人多可以适当更新,同时做部分网络图绘图复刻。 以下是本篇绘图实验效果&#xff1…

Java中的String类

String类1.String类1.1 特性1.2 面试题1.3 常用方法1.4 String与其他类型之间的转换2. StringBuilder类、StringBuffer类:可变字符序列1.String类 1.1 特性 String类为final类,不可被继承,代表不可变的字符序列; 实现了Serializ…

webpack——使用、分析打包代码

世上本无nodejs js最初是在前端浏览器上运行的语言,js代码一旦脱离了浏览器环境,就无法被运行。直到nodejs的出现,我们在电脑上配置了node环境,就可以让js代码脱离浏览器,在node环境中运行。 浏览器不支持模块化 nodej…

STL—vector

vector介绍在C标准库中&#xff0c;vector是一个常用的序列式容器&#xff08;线性结构&#xff09;&#xff0c;它就好比c语言中的数组&#xff0c;但是vector有一些数组没有的功能&#xff0c;是一个封装好了的类。想要使用vector需要先引入头文件&#xff1a;#include<ve…

【C陷阱与缺陷】----语法陷阱

&#x1f4af;&#x1f4af;&#x1f4af; 要理解一个C程序&#xff0c;必须理解这些程序是如何组成声明&#xff0c;表达式&#xff0c;语句的。虽然现在对C的语法定义很完善&#xff0c;几乎无懈可击&#xff0c;大门有时这些定义与人们的直觉相悖&#xff0c;或容易引起混淆…

【机器学习】综述:机器学习中的模型评价、模型选择与算法选择

文章目录一、前言二、论文摘要三、简介&#xff1a;基本的模型评估项和技术3.1 性能评估&#xff1a;泛化性能 vs. 模型选择四、Bootstrapping 和不确定性五、交叉验证和超参数优化一、前言 最近在做实验的时候&#xff0c;发现树模型有过拟合的情况发生&#xff0c;为此&…

蓝桥杯每日一真题—— [蓝桥杯 2021 省 AB2] 完全平方数(数论,质因数分解)

文章目录[蓝桥杯 2021 省 AB2] 完全平方数题目描述输入格式输出格式样例 #1样例输入 #1样例输出 #1样例 #2样例输入 #2样例输出 #2提示思路&#xff1a;理论补充&#xff1a;完全平方数的一个性质&#xff1a;完全平方数的质因子的指数一定为偶数最终思路&#xff1a;小插曲&am…

直面风口,未来不仅是中文版ChatGPT,还有AGI大时代在等着我们

说到标题的AI2.0这个概念的研究早在2015年就研究起步了&#xff0c;其实大家早已知道&#xff0c;人工智能技术必然是未来科技发展战略中的重要一环&#xff0c;今天我们就从AI2.0入手&#xff0c;以GPT-4及文心一言的发布为切入角度&#xff0c;来谈一谈即将降临的AGI时代。 关…

Linux搭建GitLab私有仓库,并内网穿透实现公网访问

文章目录前言1. 下载Gitlab2. 安装Gitlab3. 启动Gitlab4. 安装cpolar5. 创建隧道配置访问地址6. 固定GitLab访问地址6.1 保留二级子域名6.2 配置二级子域名7. 测试访问二级子域名前言 GitLab 是一个用于仓库管理系统的开源项目&#xff0c;使用Git作为代码管理工具&#xff0c…

基于Springboot实现商务安全邮箱邮件收发 源码+论文展示

基于Springboot实现商务安全邮箱邮件收发 源码论文开发语言&#xff1a;Java 框架&#xff1a;springboot JDK版本&#xff1a;JDK1.8 服务器&#xff1a;tomcat7 数据库&#xff1a;mysql 5.7 数据库工具&#xff1a;Navicat11 开发软件&#xff1a;eclipse/myeclipse/idea Ma…

【多线程】定时器和线程池

✨个人主页&#xff1a;bit me&#x1f447; ✨当前专栏&#xff1a;Java EE初阶&#x1f447; ✨每日一语&#xff1a;种一棵树最好的时间是十年前&#xff0c;其次是现在。 目 录⌚️一. 定时器&#x1f4c4;1. 定时器是什么&#x1f4c3;2. 标准库中的定时器&#x1f4d1;3.…

【C语言初阶】初识C语言 | C语言知识预览

文章目录&#x1f490;专栏导读&#x1f490;文章导读&#x1f337;什么是C语言&#xff1f;&#x1f337;第一个C语言程序&#x1f337;数据类型&#x1f337;变量、常量、字符串&#x1f33a;定义变量的方法&#x1f33a;变量的分类&#x1f33a;变量的使用&#x1f33a;变量…

DJ2-5 DNS:Internet 的目录服务

目录 1. DNS 简介 2. DNS 服务器提供的功能 3. 分布式、层次数据库 4. DNS 查询方法 5. DNS 缓存和权威 DNS 服务器记录更新 6. DNS 记录 7. DNS 报文 8. 在 DNS 数据库中插入记录 9. DNS 攻击 1. DNS 简介 名称&#xff1a;Domain Name System DNS 是&#xff1a; …

vue面试题(day06)

文章目录前言请谈谈WXML与标准的html的异同&#xff1f;请谈谈WXSS和CSS的异同&#xff1f;请谈谈微信小程序主要目录和文件的作用&#xff1f;请谈谈小程序的双向绑定和vue的异同&#xff1f;简单描述下微信小程序的相关文件类型&#xff1f;微信小程序有哪些传值(传递数据)方…

【新星计划2023】SQL SERVER (01) -- 基础知识

【新星计划2023】SQL SERVER -- 基础知识1. Introduction1.1 Official Website1.2 Conn Tool2. 基础命令2.1 建库建表2.2 Alter2.3 Drop2.3 Big Data -- Postgres3.Awakening1. Introduction 1.1 Official Website 官方文档&#xff08;小技巧&#xff09; Officail Website: …

十个Python图像处理工具,不可不知

这些Python库提供了一种简单直观的方法来转换图像并理解底层数据。 今天的世界充满了数据&#xff0c;图像是这些数据的重要组成部分。但是&#xff0c;在使用它们之前&#xff0c;必须对这些数字图像进行处理 - 分析和操作&#xff0c;以提高其质量或提取一些可以使用的信息。…

【C++学习】继承

&#x1f431;作者&#xff1a;一只大喵咪1201 &#x1f431;专栏&#xff1a;《C学习》 &#x1f525;格言&#xff1a;你只管努力&#xff0c;剩下的交给时间&#xff01; C是面向对象的编程语言&#xff0c;它有很多的特性&#xff0c;但是最重要的就是封装&#xff0c;继承…

【3DoF算法】

VR 3DoF算法介绍 核心&#xff1a;3DoF算法应用场景&#xff0c;在VIO应用中&#xff0c;当只有测量没有观测的情况下&#xff0c;6DoF算法的预测会退化成一个只有测量的3DoF算法&#xff0c;这时候需要使用3DoF算法&#xff0c;来更加稳定准确的获取3DoF位姿&#xff0c;直到…
最新文章