Hoe je als marketeer efficiënter werkt dankzij Google Cloud
Google investeert fors in een volwaardige cloudomgeving. Dat doet het in navolging van Amazon Web Services (AWS) en Microsoft Azure. Via Google Cloud kan je de infrastructuur en de algoritmes van Google gebruiken voor je eigen projecten. En dankzij de integratie met andere Google-producten is Google Cloud heel interessant voor marketeers.
In Google Cloud importeer, verzamel en analyseer je op een veilige, schaalbare en efficiënte manier. Hiervoor biedt Google een volledig pakket aan van meer dan 600 tools.
Er zijn wel wat voordelen van een cloud-omgeving ten opzichte van een eigen server of database. We lijsten ze even op:
- Je kunt schalen met je behoeften.
- Je betaalt per gebruiker.
- Je hebt geen onderhoud nodig.
- Je werkt snel en veilig, omdat je de geoptimaliseerde Google-servers kunt gebruiken.
Google Cloud is bijgevolg een uitstekende plaats om je files, database, code en machine learning-algoritmes te beheren.
Cloud Storage: je files in de cloud
Met Cloud Storage host je files in de cloud. Die kan je visualiseren met bijvoorbeeld Data Studio. Dankzij een uitgebreid rechtensysteem bepaal je wie toegang krijgt tot deze files. Zo pushen we de sales-data van een bepaald project naar de datastudio-account om de verkopen beter op te volgen.
BigQuery: je datawarehouse in de cloud
In Google Cloud bestaat de mogelijkheid om je eigen databases aan te maken. Dat kan op verschillende manieren. Je hebt de standaard cloud-SQL en de NoSQL-oplossing Big Table, maar er is ook BigQuery. Heb je een Analytics 360-account? Dan kan je rechtstreeks data in BigQuery-databases pompen.
BigQuery lijkt op het eerste gezicht op een standaard SQL-databank, maar de structuur verschilt van de traditionele databanken (OLTP). BigQuery is datawarehouse dat extra geoptimaliseerd is voor analytische queries (OLAP), zodat je heel snel (zelfs in real time) analyses kan draaien.
Ook is er binnen BigQuery een aantal uitbreidingen op de standaard SQL-taal voorzien. Zo kan je rechtstreeks lineaire en logistieke regressies uitvoeren op de data in je databases. Er is ook ondersteuning voor nesting fields en partities, wat handig is bij het gebruik van heel grote datasets.
"Veel touchpoints genereren veel data. De klant kan een extreme klantgerichtheid voelen als data uit zijn touchpoints samengebracht worden in een digitaal ecosysteem. Het centraliseren van data is noodzakelijk om dit ecosysteem te laten functioneren, het biedt de mogelijkheden tot realtime personalisatie en het optimaal inspelen op de behoeften van de klant." (Steven Van Belleghem, When Digital Becomes Human)
Scripting op cloud servers
Heel wat services in Google Cloud zijn aanspreekbaar via API's (Application Programming Interfaces), zodat je deze diensten kan integreren in je eigen ontwikkelplatform. Daarnaast is Google Cloud ook zelf een ontwikkelplatform. Je kan er je eigen JavaScripts en Python-scripts in maken of beheren.
Via 'cloud functions' maak je eigen functies aan. Daarnaast kan je 'triggers' instellen via 'cloud scheduler' om te bepalen wanneer welke functie uitgevoerd moet worden.
Een leuke applicatie die we hiermee ontworpen hebben is het bijhouden van store visits. Elke avond laadt het systeem bezoeken in via een CSV-file op Google Cloud Storage. Er vuurt dan een cloud function af die deze bezoeken aan Google Analytics toevoegt via het measurement protocol.
Cloud artificial intelligence: AI-algoritmes
Google Cloud biedt een aantal getrainde machine learning-algoritmes aan. Een interessante is de Google Cloud Vision API. Je laadt een foto op en Google vertelt je wat het algoritme op de foto ziet.
Ook is er een aantal standaardlibraries voorzien voor natural language processing. Zo kan je teksten vertalen en gevoelens bepalen. Deze zijn uiteraard vooral op het Engels gericht.
De getrainde algoritmes kan je dus gebruiken zonder machine-learning-kennis. Ook kan je deze getrainde algoritmes zelf nog uitbreiden met extra data. Zo zal de standaard cloud vision-API wel het verschil tussen een hond en een kat weten, maar niet het ras van de hond. Als je echter foto's van hondenrassen oplaadt in deze API en deze zelf labelt met het ras van de hond, kan je een eigen algoritme trainen zodat het ook hondenrassen herkent.
AutoML is dan weer interessant als je voorspellingen wil maken op basis van tabel-data. Tot slot integreert Google Cloud libraries met een eigen geavanceerde machine learning zoals Tensorflow.
Marketing AI-toepassingen van Google Cloud
Google Cloud biedt je dus extra mogelijkheden voor het analyseren en visualiseren van je marketingdata. Het is een plaats waar je scripts om data te analyseren beheert.
Je kan er ook predictieve modellen maken die je toelaten om je marketingcampagnes beter te laten renderen:
- Het voorspellen van een lifetime value van een klant.
- Een aanbevelingssysteem ontwerpen om je klanten naar de juiste producten te leiden.
- Biedingen van remarketingcampagnes instellen naargelang de waarschijnlijkheid om een conversie uit te voeren op je website.
Conclusie: data is als een stromende rivier
Zoals Peter Hinssen schrijft in The Network Always Wins: "Vroeger verzamelden we data in statische CRM, met teleurstellende resultaten omdat het vaak om historische, niet-relevante data gaat die niet werd aangevuld en gecombineerd met andere data. Waar vroeger data gestockeerd werd als flessen met water, moet je nu data behandelen als een stromende rivier."
Google Cloud biedt je de mogelijkheid om datastroom te beheren én daarnaast heel wat tools te gebruiken.
Wil je weten hoe we Google Cloud voor jouw project kunnen inzetten? Contacteer onze specialisten voor een vrijblijvend kennismakingsgesprek.
Neem contact op