Vzhledem k aktuální situaci týkající se koronaviru jsme nemohli uspořádat plánovaný workshop na Marketing Festivalu. O naše poznatky se ale chceme podělit. Jak u nás v agentuře využíváme Google Cloud a proč ho považujeme za skvělou technologii budoucnosti?
Nejprve si pojďme stručně říct, co je to vlastně Google Cloud. Většina z vás si pod pojmem cloud představí nějakou serverovnu, kde jsou uložené fotky a videa z telefonu. Nebo třeba online nástroje typu Google Sheets, kde můžete efektivně sdílet soubory s vašimi kolegy.
Jste na správné adrese. Tohle všechno spadá pod cloudové služby. Jde ale jen o drobnou část služeb a balíků technologií, které dnešní cloudoví dodavatelé nabízí.
Těch je na trhu několik. Mezi známější patří například AWS od Amazonu nebo Azure od Microsoftu. Jako marketingová agentura máme nejblíže ke Googlu, protože přes něj inzerujeme a jsme také jeho partnerem.
Kompletní seznam služeb zapojených do Google Cloud si můžete prohlédnout pod tímto odkazem (obrázek nahoře). Jedná se o celý ekosystém nástrojů, které můžete potřebovat pro tvorbu online produktů. Najdete zde např. úložiště, extrémně výkonné databáze, machine learning knihovny a balíčky pro datovou analýzu.
Na svém cloudu Google provozuje veškeré svoje online produkty od vyhledávače až po YouTube. Není tak divu, že společnost považuje cloud za svůj core business. Ne inzerci, ale architekturu, na které to všechno běží.
V čem tkví výhody pro marketingovou agenturu?
Cloud nepřináší výhody jen marketingové analytice. Troufáme si tvrdit, že ať už jste z jakéhokoliv odvětví (např. environmentálních věd), díky cloudovým technologiím můžete relativně jednoduše a rychle realizovat své technologické myšlenky.
- Potřebujete odněkud pravidelně stahovat data a ukládat je do databáze?
- Chcete propočítávat hodnoty a efektivně je sdílet mezi svými kolegy?
- Neobejdete se nárazově bez velkého výpočetního výkonu pro zpracování dat?
Všechny nástroje cloudu jsou dimenzované na opravdu velké projekty (viz zmíněný YouTube). Výhodou je, že pokud začínáte s něčím malým, můžete projekt testovat a spustit za velmi nízké nebo i nulové náklady. Každý nástroj má nastavený tzv. free tier, tedy nějaký limit, do kterého nemusíte platit vůbec nic. U BigQuery databáze je např. free tier zpracování 1 TB dat každý měsíc. Tolik dat můžete každý měsíc zpracovat zdarma.
Když už platíte, tak jen za to, co opravdu využíváte. Narozdíl od standardních serverů, které si musíte platit dlouhodobě (alespoň celý měsíc), v cloudu platíte pouze za čas, po který výkon využíváte. Nebo za objem dat, který zpracujete. Ceny pro malé projekty jsou navíc téměř zanedbatelné.
Kromě počáteční úspory peněz vám cloud ušetří i spoustu starostí s technologiemi, na nichž váš projekt poběží. Nemusíte řešit sítě a servery. Všechno si na pár kliků nakonfigurujete sami, k mnoha nástrojům nepotřebujete mít ani technické nebo programátorské vzdělání.
Na odhalení celého potenciálu cloudu je jeden článek málo. Abychom vás neuspali teorií, podíváme se teď na pár nástrojů, které v PROFICIU aktivně používáme.
BigQuery
Jedná se o výkonnou databázi, která je navíc velmi uživatelsky přívětivá. Neřešíte žádné nastavení databázového serveru, jednoduše si vytvoříte projekt a nahrajete data, která můžou být v CSV nebo v Google Sheetu.
Přímo v BQ lze nastavit data transfer z různých nástrojů, pro naše účely je nejzajímavější Google Ads. Získáte v podstatě veškerá data o svých kampaních, které můžete dál zpracovat a vizualizovat v Data Studiu (DS). Je zde mnohem více dimenzí a metrik oproti klasickému Data Studio Connectoru do Google Ads.
Každý, kdo používá Data Studio, asi někdy narazil na jeho limity. Pokud potřebujete propojit více datových zdrojů a provést mezi nimi nějaké sofistikovanější výpočty, přestává DS stačit. Když máte data v BQ, můžete si je jednoduše propojit a zpracovat. Do DS pak napojíte připravená data pro vizualizaci, což také urychlí načítání reportu.
Nedávno přibyla také možnost importovat data do Google Sheetů z BigQuery. Můžete je tak zpřístupnit i lidem, které by bylo zbytečné do rozhraní cloudu pouštět.
V PROFICIU máme v BQ databázi veškerá kampaňová data našich klientů. Je pro nás proto velmi jednoduché je integrovat do jejich interních byznys reportů, např. v Power BI.
Google Colaboratory
Tento nástroj je zatím v beta verzi. Když jsme ho ale objevili, měli jsme velkou radost. Už nějakou dobu jsme přemýšleli, jak efektivně a jednoduše sdílet datové analýzy mezi kolegy v týmu. Colab vám umožní sdílet datovou analýzu v Pythonu stejně jednoduše, jako jste zvyklí u dokumentů nebo tabulek.
Na dokumentu můžete spolupracovat v reálném čase, instalovat knihovny, nahrávat soubory z drivu a sledovat mezivýpočty a vizualizace.
Díky Colabu je pro nás nyní velmi efektivní např. RFM analýzu v Pythonu přeposlat kolegovi, který nahraje data nového klienta a upraví si pouze pár koeficientů.
Dataprep
Dataprep je nástroj pro úpravu a čištění dat předtím, než je nahrajete do vizualizačního nástroje. Jeho potenciál je pěkně ukázán ve videu Advanced Data Cleanup Techniques using Cloud Dataprep, doporučujeme zhlédnout.
Analytici vědí, že většinu času při analýzách zabere vyznat se v datech a očistit je. Vizualizace a výsledná analýza mnohdy zaberou pouze 10 % z celého času. Dataprep vám tento proces pomůže zpříjemnit. Umí získat data z cloud storage nebo BigQuery databáze, provést vámi definované transformace a úpravy. Vše pak nahraje zpět do databáze připravené k vizualizaci.
Cloud Functions
Slyšeli jste už dříve o Amazon Lambda? Jedná se o alternativu ke Googlu, tzv. serverless technologii – v cloudu máte uložený výpočetní mechanismus, který se v případě potřeby dokáže spustit a po dokončení úlohy vypnout.
Možná si říkáte, že to stejné jste doposud mohli řešit v Google Apps Scripts. Nyní ale máte neomezené možnosti. Spustíte i Python kód, který můžete propojit s ostatními nástroji od Google.
Potřebujete např. každou aktualizaci v produktovém feedu klienta streamovat do BigQuery databáze a sledovat změny v čase? V Cloud Functions žádný problém.
AutoML Tables
Zajímá vás machine learning, ale odrazuje technická bariéra? V tomto modulu si může každý bez nutnosti psaní kódu nastavit vlastní machine learningový model a vytvořit predikce.
V podstatě si stačí sestavit dataset a nahrát jej do AutoML modulu. Ten ho zanalyzuje a vykreslí korelace mezi jednotlivými sloupci a cílovou hodnotou. Pak si vyberete, které sloupce chcete do modelu zahrnout a on se je naučí.
Za chvilku máte hotovo a můžete generovat první predikce. Například budoucí objednávky vašich zákazníků.
App Engine a Virtual Machines
Tyto nástroje jsou vhodné spíše pro vývojáře a běh webových aplikací. I v marketingu se ale můžou hodit. Náš kolega ze SEO oddělení třeba potřeboval analyzovat jeden opravdu velký web s několika miliony URL adres pomocí nástroje Screaming Frog.
Na takovou úlohu bylo potřeba mít dostupný počítač na síti alespoň s 64 GB RAM a dobrým procesorem. Nechtěli jsme investovat do vlastního stroje, hlavně kvůli jeho dlouhodobé údržbě, a proto jsme si na pár dnů zaplatili virtuální počítač v cloudu. K tomu jsme se vzdáleně připojili a nechali ho úlohu provést.
Podívejte se na ověřený návod, pomocí nějž můžete tento příklad realizovat.
Největší síla cloudu tedy spočívá především v tom, že platíte jen tehdy, když nástroj používáte. Nemusíte přitom řešit dlouhodobou údržbu serverů nebo jejich architekturu. Výhodou je i maximální škálovatelnost. Pokud by kolega příště potřeboval 128 GB RAM počítač, je to jen otázka pár kliknutí. Všechno se navíc dá snadno propojit.
Google Cloud 1.0
Úvod do Google Cloud už máme za sebou. Tato technologie nás baví a pracujeme s ní téměř každý den. Pokud máte jakékoliv dotazy, budeme rádi, když nám napíšete. Už teď se můžete těšit na další články věnující se jednotlivým nástrojům.
