Quizlet如何使用Braze優化他們的數據收集

深思熟慮的品牌會把客戶體驗放在營銷策略的首要位置——畢竟，許多客戶相manbetx万博全站客户端信他們對你的應用或網站的體驗和你提供的實際產品或服務一樣重要。當在線學習平台Quizlet開始策劃一項活動，要求他們以更有效的方式收集客戶數據時，他們確保這些潛在的並發症不會妨礙他們提供更好的客戶體驗。相反，他們使用Braze打破了孤立的工作流程，並建立了一種新的數據收集方法，以使更相關的消息傳遞成為可能。

優化特征建議的數據收集

Quizlet是為學生設計的，它可以讓學生通過抽認卡、測試和遊戲來複習信息。Quizlet通過提供各種形式的互動學習工具和遊戲，積極履行幫助學生和教師練習和掌握他們正在複習的主題的使命。為了進一步幫助用戶進行研究，Quizlet目前提供了五種學習模式還有兩款研究遊戲供用戶選擇，包括:manbetx万博全站客户端

• 學習:在這種模式下，Quizlet根據學生對學習集的熟悉程度創建個性化的學習計劃
• 抽認卡:這種模式提供數字抽認卡，幫助學生對術語、定義和答案進行自我測試
• 法術:在這種模式下，Quizlet使用文本轉語音音頻來閱讀術語/定義，並要求學生將聽到的內容寫下來
• 寫:這種模式允許學生寫出書麵答案，然後在後續學習中複習錯誤答案
• 測試:在這種模式下，Quizlet模擬了真實的課堂評估，以幫助學生評估他們在被要求對給定科目進行小測驗或測試時的表現

為了幫助用戶找到適合他們特定需求的學習模式和遊戲，Quizlet專注於鼓勵用戶去看看他們還沒有使用過的不同學習模式和遊戲。manbetx万博全站客户端

有效的數據管理需要跨團隊協作

在現代客戶參與中，這樣做很有誘惑力盡可能跟蹤每一條客戶數據但這是一個品牌應該抵製的誘惑。收集對客戶工作不重要的客戶數據會消耗工程資源，提高成本，並使營銷人員更難整理他們所掌握的信息以采取有效行動。

在收集精確定位活動所需的高度細致入微的用戶粘性數據時，Quizlet遇到了兩個主要問題:準確性和數據使用。他們希望為每個用戶的模式使用保留完整的曆史數據，並有效地收集新信息，但在不收集遠遠超過所需數據的情況下，很難確保數據的準確性。

Quizlet的工程和產品團隊首先解決了這個問題。一個建議的解決方案是對每個客戶使用的模式運行查詢。然而，因為隻有最後100種模式出現在查詢中，這種方法不能準確地代表那些在最近的學習習慣中一直使用一種模式或遊戲的個人的曆史數據。另一個建議的解決方案是建立一個布爾值自定義屬性基於一個人是否使用特定的學習模式(例如，客戶X使用/沒有使用Quizlet的“學習”模式)。但是，由於任何客戶每次使用某個模式時都會ping Braze，即使他們已經使用過該模式，這種方法也會被拒絕，因為這會導致Quizlet收集遠遠超過活動所需的數據。

Quizlet的工程團隊敏捷在確定下一步行動時，他們會尋求營銷團隊的進一步幫助，以優化數據收集。通過相互交換想法，Quizlet最終決定使用人則有效解決他們的數據問題。

網絡鉤子:一種有效的數據收集方法

一個webhook是一個應用程序與另一個應用程序之間的通信，其中一個係統中發生的預定事件觸發另一個係統中發生事件的通知。對於Quizlet，預定事件是給定客戶選擇的學習模式，而ping之後發生的事件是記錄客戶使用的模式。

每當Quizlet用戶在應用程序或網頁上選擇了一種學習模式(隻有登錄狀態)，該事件就會被Braze SDK收集，並通過Rest API發送到Braze。該事件觸發了一個基於動作的活動，該活動反過來發送了一個帶有個性化JSON對象的網絡鉤子液體到Braze Rest API用戶/跟蹤端點，如果滿足以下條件。七個學習模式中的每一個都有自己的網絡鉤子，重新資格是不允許的，以確保不會為使用同一模式超過一次的人創建新的數據點-每個用戶配置文件將使用多達七個數據點來代表他們可能使用的七個可能的學習模式。

成功降低數據使用量

當Quizlet試圖通過運行查詢來收集數據時，不僅曆史準確性存在問題，而且這種方法收集的數據量也存在問題。使用這種方法，每年將產生大約15億次網絡請求。相比之下，估計有3.54億網絡請求將通過webhook方法發出，下降了76.4%。

通過最大限度地減少所需的數據量，Quizlet能夠成功地執行其客戶第一的努力，以更個性化、更相關的方式擴大用戶對不同學習模式的認識，而不收集不必要的數據或損害他們的數據衛生。

最終的想法

出色的營銷活動依賴於鎖定客戶和了解客戶行為——這是通過智能數據收集和管理而實現的。manbetx万博全站客户端但處理大量數據可能會很耗時，並導致效率低下。

當涉及到品牌收集、存儲和利用客戶數據的方式時，長期的成功建立在明智的決策之上。要了解更多關於收集正確數據的來龍去脈，請閱讀我們的數據收集策略特性。