A Marlabs reconheceu que a chave para enfrentar esses desafios estava em aproveitar o poder dos dados e da análise. Como resultado, a empresa utilizou tecnologias e metodologias de ponta para analisar os dados da estação de rádio, transformando-os em insights acionáveis ​​e levando a melhorias significativas na conversão de assinantes, retenção e suporte ao cliente.

Conversão de assinaturas gratuitas para pagas:A Marlabs analisou dados demográficos dos usuários, preferências de audição e padrões de uso do dispositivo, permitindo que a estação de rádio adaptasse estratégias de marketing que incentivassem usuários convertam de avaliações gratuitas para assinaturas pagas. Ao compreender as preferências e hábitos dos seus utilizadores, a estação de rádio poderá criar ofertas direcionadas que atraiam ouvintes individuais. Por exemplo, eles poderiam oferecer ingressos com desconto para shows de rock em Nova York para assinantes que morassem na região e gostassem desse gênero musical. Eles poderiam até surpreender os clientes com acesso gratuito a shows em seus aniversários. Essas promoções personalizadas aumentaram as chances de conversão e promoveram uma conexão mais forte entre a estação de rádio e seus assinantes.

Pressão competitiva:Ao analisar o comportamento e as preferências do usuário, a Marlabs ajudou a estação de rádio a otimizar sua programação para melhor se alinhar às necessidades do público, aumentando, em última análise, a retenção de assinantes . Usando análises, a estação de rádio obteve insights sobre os hábitos de audição de seus usuários, como a duração da audição de um gênero específico de música pela manhã ou à noite, a frequência de pausa da transmissão de música e os gêneros preferidos em diferentes horários do dia. o dia. De posse dessas informações, a rádio poderia ajustar sua programação para oferecer conteúdo que repercutisse em seu público, ajudando a se diferenciar dos concorrentes e a reter assinantes.

Suporte ao cliente para renovações:A Marlabs implementou uma solução baseada em Python para analisar mais de 100.000 registros diários de suporte ao cliente, identificando ineficiências e melhorando o processo geral de renovação. A solução examinou diversas métricas, como a eficácia no atendimento às dúvidas dos clientes, o número de vezes que uma chamada foi encaminhada para um agente diferente, o tempo médio para resolver dúvidas e as vendas resultantes. Antes de implementar a solução Marlabs, o banco de dados da estação de rádio era mal estruturado e não tinha visibilidade das operações. Com o novo sistema, a estação de rádio teve um crescimento significativo nas taxas de renovação de assinatura e aumentou as pontuações de satisfação do cliente (CSAT).

Faturamento de serviços:A Marlabs substituiu a solução de cobrança existente da estação de rádio, que era cara e demorada, por uma alternativa mais econômica e eficiente. A solução existente levava quase quatro horas para processar os dados de um dia e era cara para manter. A implementação do Marlabs reduziu custos, permitindo que o escritório do CIO economizasse US$ 0,5 milhão ao longo de alguns anos e melhorou drasticamente o tempo de obtenção de insights, permitindo análises mais rápidas e tomadas de decisão informadas.

Para alcançar esses resultados, a Marlabs utilizou uma combinação de tecnologias e metodologias avançadas:

• A camada de análise local hospedada pelo Teradata foi modernizada no data lake da AWS. A Marlabs construiu a arquitetura para ingerir dados com bilhões de registros no data lake.
• Uma camada de análise foi criada para geração mais rápida de insights, aproveitando Kafka, Kinesis, Python, PySpark, Scala, Java e Talend.
• Aplicativos de última geração foram desenvolvidos e integrações de dados foram habilitadas usando soluções nativas da AWS.
• Eles criaram uma estrutura de ingestão de API plug-and-play em Python e PySpark.
• Paralelização de cargas de trabalho na automação do AWS Glue habilitada – ativando trabalhos secundários dinâmicos para cargas de trabalho nativas do AWS.
• Prova de conceito (POC) e prova de valor (POV) usando Apache HUDI delta lake.
• Análise de dados mais rápida e eficaz possibilitada pelo SingleStore.
• Feeds de dados quase em tempo real habilitados para finanças e atendimento ao cliente usando uma solução baseada em PySpark.
• Desenvolvemos pipelines de API que podem ser reutilizados, economizando 40% em esforço.

Valor comercial desbloqueado

A experiência da Marlabs em análise de dados proporcionou resultados tangíveis para a estação de rádio via satélite:

• Melhoria de 7 a 10% na retenção de assinantes
• 40% das ingestões de dados passaram do modo em lote para o modo quase em tempo real para uma análise mais rápida
• Aumento de 600% na economia de custos por meio do gerenciamento modernizado da carga de trabalho (redução dos custos computacionais e de armazenamento de dados)
• US$ 0,5 milhão em economia possibilitada (em alguns anos) por um melhor gerenciamento de parceiros de conectividade móvel
• Plataforma integrada de engajamento do cliente para análise de call center, melhorando a satisfação do cliente (CSAT)