Piattaforma
Canali
Servizi
Clienti
Partner
BlogI nostri post sul mondo del marketing digitale.
RisorseGuide, video, webinar & molto altro.
LearningI nostri strumenti di apprendimento, al tuo servizio.
Chi siamo
flaconi è il maggior pure player online nel settore bellezza in Germania. Il portfolio completo dello shop online include oltre 850 marchi internazionali e più di 55.000 prodotti. Con un catalogo che spazia tra profumi, cura per il corpo e per i capelli, make-up e accessori, flaconi copre tutti i segmenti di mercato che vanno dalla profumeria e la cosmesi naturale fino a prodotti premium.
Il mercato online dedicato a prodotti di profumeria e cosmesi è caratterizzato da livelli di concorrenza estremamente elevati. I prodotti sono facilmente interscambiabili tra i vari distributori e molti consumatori hanno già ben chiara l’idea degli articoli e delle marche di loro interesse. In tale contesto, per flaconi si è trattato di porre l’accento sui trigger di vendita giusti e di offrire prodotti per tutti, come se l’utente si trovasse di fronte al proprio armadietto del bagno, da qui il claim: Find Your Beauty. Everyday. A raggiungere tale obiettivo e a distinguersi dalla concorrenza contribuiscono non da ultimi un prezzo migliore e i giusti suggerimenti di acquisto.
Al contempo, flaconi dispone di una vasta pluralità di dati grezzi. È fondamentale per il successo riconoscere i movimenti dell’utente sul sito web, suddividere ed elaborare internamente le informazioni. Una rilevanza e una personalizzazione ad hoc riservata a ogni singolo utente implicano una gestione interna efficiente in fase di trasferimento e trattamento dei dati grezzi. La sfida maggiore per i data analyst di flaconi era quindi riuscire a trattare i dati in maniera ancora più veloce: i dati grezzi dovevano essere canalizzati rapidamente e resi utilizzabili in tempo reale.
Questa sfida è stata affrontata da flaconi insieme a Mapp e ai suoi Data Streams. I flussi di dati, o data stream, sono data analytics grezzi che possono essere esportati su base event-driven e in tempo reale in data warehouse e sistemi di business intelligence. Per l’ulteriore elaborazione, flaconi ha potuto disporre, con Apache Kafka, di un’infrastruttura dedicata. Tuttavia, le possibilità di questa infrastruttura per l’ulteriore trattamento dei raw data finora non erano state sfruttate completamente. Per il trattamento dei dati vengono utilizzati i propri listener basati su Kafka, in questo caso Kafka Connect. Ecco perché flaconi ha la possibilità di trasmettere al proprio data warehouse i dati grezzi oppure di trattarli direttamente sul server del proprio sito web. I dati vengono inoltre reindirizzati ad Amazon S3 e lì archiviati per uso futuro.
Sul sito web di flaconi ogni singola interazione dell’utente viene registrata e trattata. Oltre ai click totali e agli acquisti, vengono prese in considerazione, ad esempio, anche le informazioni sulle specifiche immagini consultate da un utente. Tutte queste informazioni vengono trattate in tempo reale, ciò significa che vengono analizzate pagine di catalogo con diverse dozzine di elenchi di prodotti. Considerata la classificazione dinamica degli articoli, flaconi si trova inoltre di fronte al compito di identificare in un secondo tempo quali informazioni vengono mostrate a ogni singolo utente e come questi reagisce alle rispettive indicazioni sui prodotti.
Il passaggio ai Data Streams è avvenuto tramite un processo standard. Ciò significa che flaconi ha sfruttato il front-end esistente che era già stato impostato per l’inbound di dati grezzi. I data analyst di flaconi possono quindi decidere da soli quali dati vogliono utilizzare per i propri flussi e in quale forma. Questo concede a flaconi una grande flessibilità nella strutturazione dell’export di dati per un trattamento successivo.
Oltre all’elevata qualità dei dati, è stata cruciale per flaconi anche la trasmissione degli stessi in tempo reale. Ecco perché, insieme ai flussi di dati, sono state predisposte anche notifiche in real-time. Ciò ha consentito di attuare una reazione più veloce agli eventi predefiniti. Adesso flaconi può stabilire in anticipo per quali eventi vengono inviati automaticamente i report delle analisi. Da allora, le decisioni vengono prese sulla base di tali informazioni.
Ad esempio, in caso di un significativo aumento di traffico sul sito web, i data analyst non sanno necessariamente se questo sia stato provocato da un influencer o da una campagna esterna simile. Gli alert in tempo reale permettono quindi di adattare rapidamente i prezzi sul sito web oppure di collegare in diretta una landing page per intercettare la comunicazione di quell’influencer. In questo modo, flaconi riesce ad abbreviare significativamente il percorso decisionale del cliente.
Una particolare attenzione degli alert in tempo reale viene dedicata alla “rilevanza”: occorre evitare che vengano inviare troppe notifiche che facciano diminuire l’interesse del destinatario. Per questo si specificano da subito i diversi casi d’uso che possono innescare la reazione immediata del destinatario. Gli alert si basano su valori di soglia predefiniti entro cui viene automatizzato l’invio.
Con il tempo, flaconi è stata sempre più in grado di stabilire con precisione estrema la portata di una reazione. In genere, l’alert viene ricevuto da un responsabile del supporto di primo livello. Questi decide, quindi, se e come si reagisce. Numerose reazioni sono già predefinite, affinché si possa rispondere in maniera pianificata agli scenari più comuni. Grazie agli alert in tempo reale, flaconi è in grado di reagire adeguatamente alle aspettative e agli interessi dei singoli utenti, offrendo così una customer experience impareggiabile. Per esempio, se
prevede che un certo prodotto verrà venduto in brevissimo tempo e che in magazzino ne resteranno solo pochi pezzi, la tecnologia adatterà il prezzo in brevissimo tempo. In questo modo, si assicura che l’articolo venga mostrato con molta più probabilità in futuro e che il consumatore non resti deluso.
Un altro aspetto centrale dei flussi di dati è la personalizzazione in tempo reale. Ad esempio, è possibile applicare agevolmente la differenziazione tra prodotti per uomo e per donna in tempo reale. Gli export dei dati grezzi assicurano che flaconi possa reagire in maniera estremamente tempestiva al comportamento dell’utente, una funzionalità essenziale a livello aziendale, in quanto evita che l’utente si indirizzi verso la concorrenza e acquisti altrove.
Concludendo, grazie ai Data Streams, flaconi reagisce con rapidità e in maniera personalizzata alle interazioni con l’utente. I dati grezzi vengono usati e trattati come in passato. I flussi di dati di Mapp soddisfano ogni esigenza, non solo grazie alla loro concezione altamente specialistica, ma anche perché si possono strutturare e trasferire con semplicità attraverso un’infrastruttura potente. flaconi quindi non può che beneficiare della grande esperienza di Mapp e del suo pluriennale sviluppo di prodotti. Se flaconi avesse voluto creare e sviluppare tali capacità internamente, avrebbe dovuto investire numerose risorse e manodopera.
flaconi è il maggior pure player online nel settore bellezza in Germania. Il portfolio completo dello shop online include oltre 850 marchi internazionali e più di 55.000 prodotti. Con un catalogo che spazia tra profumi, cura per il corpo e per i capelli, make-up e accessori, flaconi copre tutti i segmenti di mercato che vanno dalla profumeria e la cosmesi naturale fino a prodotti premium.
Il mercato online dedicato a prodotti di profumeria e cosmesi è caratterizzato da livelli di concorrenza estremamente elevati. I prodotti sono facilmente interscambiabili tra i vari distributori e molti consumatori hanno già ben chiara l’idea degli articoli e delle marche di loro interesse. In tale contesto, per flaconi si è trattato di porre l’accento sui trigger di vendita giusti e di offrire prodotti per tutti, come se l’utente si trovasse di fronte al proprio armadietto del bagno, da qui il claim: Find Your Beauty. Everyday. A raggiungere tale obiettivo e a distinguersi dalla concorrenza contribuiscono non da ultimi un prezzo migliore e i giusti suggerimenti di acquisto.
Al contempo, flaconi dispone di una vasta pluralità di dati grezzi. È fondamentale per il successo riconoscere i movimenti dell’utente sul sito web, suddividere ed elaborare internamente le informazioni. Una rilevanza e una personalizzazione ad hoc riservata a ogni singolo utente implicano una gestione interna efficiente in fase di trasferimento e trattamento dei dati grezzi. La sfida maggiore per i data analyst di flaconi era quindi riuscire a trattare i dati in maniera ancora più veloce: i dati grezzi dovevano essere canalizzati rapidamente e resi utilizzabili in tempo reale.
Questa sfida è stata affrontata da flaconi insieme a Mapp e ai suoi Data Streams. I flussi di dati, o data stream, sono data analytics grezzi che possono essere esportati su base event-driven e in tempo reale in data warehouse e sistemi di business intelligence. Per l’ulteriore elaborazione, flaconi ha potuto disporre, con Apache Kafka, di un’infrastruttura dedicata. Tuttavia, le possibilità di questa infrastruttura per l’ulteriore trattamento dei raw data finora non erano state sfruttate completamente. Per il trattamento dei dati vengono utilizzati i propri listener basati su Kafka, in questo caso Kafka Connect. Ecco perché flaconi ha la possibilità di trasmettere al proprio data warehouse i dati grezzi oppure di trattarli direttamente sul server del proprio sito web. I dati vengono inoltre reindirizzati ad Amazon S3 e lì archiviati per uso futuro.
Sul sito web di flaconi ogni singola interazione dell’utente viene registrata e trattata. Oltre ai click totali e agli acquisti, vengono prese in considerazione, ad esempio, anche le informazioni sulle specifiche immagini consultate da un utente. Tutte queste informazioni vengono trattate in tempo reale, ciò significa che vengono analizzate pagine di catalogo con diverse dozzine di elenchi di prodotti. Considerata la classificazione dinamica degli articoli, flaconi si trova inoltre di fronte al compito di identificare in un secondo tempo quali informazioni vengono mostrate a ogni singolo utente e come questi reagisce alle rispettive indicazioni sui prodotti.
Il passaggio ai Data Streams è avvenuto tramite un processo standard. Ciò significa che flaconi ha sfruttato il front-end esistente che era già stato impostato per l’inbound di dati grezzi. I data analyst di flaconi possono quindi decidere da soli quali dati vogliono utilizzare per i propri flussi e in quale forma. Questo concede a flaconi una grande flessibilità nella strutturazione dell’export di dati per un trattamento successivo.
Oltre all’elevata qualità dei dati, è stata cruciale per flaconi anche la trasmissione degli stessi in tempo reale. Ecco perché, insieme ai flussi di dati, sono state predisposte anche notifiche in real-time. Ciò ha consentito di attuare una reazione più veloce agli eventi predefiniti. Adesso flaconi può stabilire in anticipo per quali eventi vengono inviati automaticamente i report delle analisi. Da allora, le decisioni vengono prese sulla base di tali informazioni.
Ad esempio, in caso di un significativo aumento di traffico sul sito web, i data analyst non sanno necessariamente se questo sia stato provocato da un influencer o da una campagna esterna simile. Gli alert in tempo reale permettono quindi di adattare rapidamente i prezzi sul sito web oppure di collegare in diretta una landing page per intercettare la comunicazione di quell’influencer. In questo modo, flaconi riesce ad abbreviare significativamente il percorso decisionale del cliente.
Una particolare attenzione degli alert in tempo reale viene dedicata alla “rilevanza”: occorre evitare che vengano inviare troppe notifiche che facciano diminuire l’interesse del destinatario. Per questo si specificano da subito i diversi casi d’uso che possono innescare la reazione immediata del destinatario. Gli alert si basano su valori di soglia predefiniti entro cui viene automatizzato l’invio.
Con il tempo, flaconi è stata sempre più in grado di stabilire con precisione estrema la portata di una reazione. In genere, l’alert viene ricevuto da un responsabile del supporto di primo livello. Questi decide, quindi, se e come si reagisce. Numerose reazioni sono già predefinite, affinché si possa rispondere in maniera pianificata agli scenari più comuni. Grazie agli alert in tempo reale, flaconi è in grado di reagire adeguatamente alle aspettative e agli interessi dei singoli utenti, offrendo così una customer experience impareggiabile. Per esempio, se
prevede che un certo prodotto verrà venduto in brevissimo tempo e che in magazzino ne resteranno solo pochi pezzi, la tecnologia adatterà il prezzo in brevissimo tempo. In questo modo, si assicura che l’articolo venga mostrato con molta più probabilità in futuro e che il consumatore non resti deluso.
Un altro aspetto centrale dei flussi di dati è la personalizzazione in tempo reale. Ad esempio, è possibile applicare agevolmente la differenziazione tra prodotti per uomo e per donna in tempo reale. Gli export dei dati grezzi assicurano che flaconi possa reagire in maniera estremamente tempestiva al comportamento dell’utente, una funzionalità essenziale a livello aziendale, in quanto evita che l’utente si indirizzi verso la concorrenza e acquisti altrove.
Concludendo, grazie ai Data Streams, flaconi reagisce con rapidità e in maniera personalizzata alle interazioni con l’utente. I dati grezzi vengono usati e trattati come in passato. I flussi di dati di Mapp soddisfano ogni esigenza, non solo grazie alla loro concezione altamente specialistica, ma anche perché si possono strutturare e trasferire con semplicità attraverso un’infrastruttura potente. flaconi quindi non può che beneficiare della grande esperienza di Mapp e del suo pluriennale sviluppo di prodotti. Se flaconi avesse voluto creare e sviluppare tali capacità internamente, avrebbe dovuto investire numerose risorse e manodopera.
EN
