我們如何豐富客戶聯絡方式和組織資料

我們希望為收集的資料取得更多背景資訊，因此我們開始尋找資料豐富化服務。這些公司可以透過更多詳細資訊來情境化您的資料。例如，給定一個網域名稱，第三方豐富化服務可以提供您網域的相關公司名稱、規模、產業等等。

資料豐富化對於成長中的公司來說是一種典型的做法，對於大型公司來說更是如此。但在您開始尋找豐富化服務之前，您應該先確定一組要解決的問題（或要實現的目標），這些問題可以透過豐富化來協助解決。對於 Metabase 來說，我們希望豐富化我們的客戶聯絡人資料有兩個原因：

1. 與我們的客戶保持聯繫。 豐富化可以提醒我們可能影響我們關係的聯絡人職位變動。例如，如果聯絡人轉換到公司內部或外部的另一個職位，我們可能會想聯繫他們以示祝賀，並確保我們與接手關係的人保持聯繫，以免重要的產品溝通資訊遺失。
2. 更深入了解組織規模和產業， 這可以幫助我們調整行銷和產品工作，以確保我們打造的 Metabase 能夠解決這些部門面臨的各種問題。

服務供應商評估

令人驚訝的是，資料豐富化服務供應商非常多，每家都有自己的優點和缺點。雖然我們考慮過各種 LinkedIn 資料傾印供應商，但我們決定不使用它們，因為我們不應該在資料倉儲中儲存這類資料。我們也沒有評估 Clearbit，因為它已不再作為獨立服務提供。

簡而言之：Apollo.io 為我們的用例提供了最佳的覆蓋範圍、定價和功能。

持續豐富化

在選定服務供應商後，我們使用 dlt 和 Apollo.io 的 API，根據優先順序每小時豐富化新的聯絡人 — 優先豐富化新的聯絡人，然後再更新現有的聯絡人，依此類推。

以下是 Python 中的程式碼片段，其功能為：

1. 從我們的資料倉儲中優先排序的聯絡人清單取得電子郵件清單
2. 呼叫 Apollo 的 API 以豐富化這些聯絡人資料。
3. 然後將豐富化的資訊儲存回我們資料倉儲中的另一個表格。

def enrich_contact(self, postgres_connect_string, to_schema):
    pipeline = dlt.pipeline(pipeline_name='enrich_contact', destination='postgres', dataset_name=to_schema,
                            credentials=postgres_connect_string)

    @dlt.resource(write_disposition='merge', primary_key='email')
    def enriched_contact():
        with pipeline.sql_client() as psql:
            with psql.execute_query("select email from prioritized_contact") as cursor:
                emails = cursor.fetchall()

        for (email,) in emails:
            enriched = self.people_match(email)  # Call Apollo's "people/match" API
            yield enriched['person']

    print(pipeline.run(enriched_contact))

為自助式分析建立模型

我們將豐富化的資料（例如組織規模和產業）新增到我們的客戶和聯絡人模型中。對於組織規模，我們將資料分組為幾個類別，以簡化團隊的分析。

, case
    when estimated_employees <= 50 then 'Micro'
    when estimated_employees <= 200 then 'Small'
    when estimated_employees <= 1000 then 'Medium'
    when estimated_employees <= 10000 then 'Enterprise'
    when estimated_employees > 10000 then 'Mega Enterprise'
  end as organization_size

在我們的聯絡人模型中，我們也新增了 left_company_at，以指出聯絡人何時離開客戶組織。這個欄位讓您可以輕鬆找出我們應該聯繫哪些組織，以便他們可以隨時掌握重要的產品溝通資訊。

關於資料豐富化的最終想法

豐富化我們的資料已證明非常有價值。從豐富化的資料中獲得一個有趣的見解是，我們的客戶來自從小微型到超大型的各種組織。我們的團隊已經使用這些資料來更深入了解我們的客戶並監控職位變動。

我們現在正在討論如何將豐富化用於其他目的，例如建立理想的客戶輪廓，以最大化我們的行銷工作效益。

但豐富化並非免費，因此我們將繼續評估我們相對於成本所獲得的價值，並據此進行迭代。我們希望這篇文章可以幫助您找到適合您需求的豐富化服務。