Как Nike собрал единый профиль клиента из 40+ источников в BigQuery и перестал терять атрибуцию

Как Nike собрал единый профиль клиента из 40+ источников в BigQuery и перестал терять атрибуцию

Контекст

К 2024 году у Nike было больше 40 разрозненных маркетинговых платформ: приложения Nike, SNKRS, Run Club, Nike.com для 35 стран, retail-данные, программа лояльности, медиа-сети, сторонние ритейлеры. Каждый канал жил в собственной DMP (data management platform) или SaaS. Маркетологи получали отчёт, в котором атрибуция последнего клика регулярно приписывала конверсию платной выдаче Google, хотя покупатель впервые увидел бренд в подкасте или через уведомление SNKRS за 11 недель до заказа. В условиях cookie-less атрибуции такая картина стоила бюджета.

Задача

Свести поведение клиента во всех точках в один профиль, построить самообучающуюся атрибуцию и отдавать сегменты в медиа-активацию в реальном времени. При этом не нарушить GDPR и не зависеть от сторонних идентификаторов.

Решение

Nike развернул собственный слой данных на BigQuery (Google Cloud) и связал его через серверный коннектор с медийными платформами. Схема строилась вокруг сущности Member — единого идентификатора, который склеивался по логину в приложении, email в чеке, email loyalty-карты и хешу мобильного идентификатора.

Ключевые шаги:

— Событийный стрим из приложений, сайта и POS (point of sale — кассовые терминалы) лился в BigQuery через Dataflow с задержкой до 90 секунд
— Офлайн-продажи матчились с цифровым профилем по ключу клиента, что в e-com и ритейле обычно боль
— Для атрибуции использовали data-driven модель на базе BigQuery ML с Shapley Value — алгоритм справедливого распределения вклада между касаниями
— Сегменты экспортировались обратно в DV360, Meta, TikTok через server-side коннекторы, без передачи сырых персональных данных

Результат

За первый год работы: доля корректно атрибутированного медиа-вклада выросла с ~45% до ~78%. Бюджет на нижне-воронковые кампании (ориентация на тех, кто уже близок к покупке) перераспределили: +22% в brand-форматы (верхняя часть воронки, узнаваемость) и лояльность, -15% в performance-выдачу. LTV (пожизненная ценность клиента) участников Nike Membership вырос на 14% год к году. Главное — маркетинг перестал спорить с финансами о вкладе каждого канала: модель показывала вклад в инкрементальную выручку, а не в последний клик.

Урок для маркетологов

Когда атрибуция последнего клика — единственная метрика, вы обречены дотировать тот канал, который случайно оказывается последним. Data-driven подход с собственной витриной в BigQuery требует инвестиций, но окупается за счёт пересборки бюджета. В эпоху privacy-first (приоритет приватности) и роста server-side (серверная обработка данных на стороне компании) ожидать точной картины от платформ-источников — значит принимать решения с перекосом.

— @BigQuery4MarketingPro