Product update: conheça as expressões baseadas em eventos

Quando criamos a CQL, nosso objetivo era tornar a segmentação de usuários tão natural quanto uma conversa. Em vez de te obrigar a escrever código, a CQL permite criar critérios simples e intuitivos, como:

• the user returning
• the cart is empty
• the user’s interests include “movies”

Assim, você pode personalizar experiências em tempo real. Sempre que seu site dispara um evento como CheckoutStarted ou UserSignedIn, atualizamos as variáveis no contexto dos seus usuários. Coisas como user, session e cart representam o estado atual.

É simples, rápido e funciona.

Mas aí nossos clientes ficaram mais experientes e começaram a pedir mais.

Posso verificar se algo aconteceu na semana passada?

As variáveis de contexto da CQL são perfeitas para saber o status em tempo real. Mas e o passado? Começamos a receber perguntas como:

• Como posso segmentar usuários que realizaram uma conversão nos últimos 7 dias?
• Como posso segmentar visitantes que visualizaram este produto neste mês?
• Como faço para criar uma audiência com usuários que interagiram com campanhas específicas ao longo da sua jornada?

Essas não são apenas perguntas técnicas para casos extremos. São perguntas de growth completamente normais. Nossos clientes queriam entender o momento, o comportamento e a intenção. Tudo junto.

Qual o problema? Até agora, a CQL só conseguia fornecer o contexto atual dos usuários. Seus critérios podiam considerar o que está acontecendo agora, mas não o que aconteceu antes.

Foi aí que percebemos que, se a personalização se resume a entender as pessoas, estávamos perdendo metade da história.

Então, demos memória à CQL

Como? Criamos o que chamamos de expressões baseadas em eventos. É a maior atualização da CQL desde… Bem, a própria CQL.

Agora você pode escrever expressões que analisam o passado e medem o comportamento ao longo de dias, semanas ou até meses, considerando tanto a recência quanto a frequência.

Eis como isso se parece:

user has viewed a page with title "pricing" in the last 7 daysuser has placed an order at least 3 times this monthuser has shown interest in "sneakers"

Isso não é SQL nem pseudocódigo. Se encaixa naturalmente na mesma linguagem expressiva e de fácil leitura que nossos clientes já adoram.

Nos bastidores, criamos uma camada de abstração que desacopla essas expressões dos eventos brutos. Isso significa que você pode usar frases amigáveis ​​como "visualizou uma página" ou "fez um pedido", enquanto nós lidamos com a complexidade de mapeá-las para vários eventos subjacentes, como PageOpened ou OrderPlaced, respectivamente.

É limpo, inteligente e totalmente independente da sua estrutura de dados, permitindo que você evolua seu tracking sem quebrar suas expressões.

Por que isso muda tudo

Com as expressões de evento, os critérios de audiência agora abrangem toda a jornada do usuário, e não apenas a sessão atual. Isso significa que você finalmente pode criar audiências e experiências que respondem ao comportamento ao longo do tempo, como:

• Campanha de lifecycle

  Exibir uma mensagem de boas-vindas se o usuário tiver feito login três vezes neste mês.

• Monitoramento do engajamento

  Oferecer um desconto se o usuário tiver visualizado o mesmo produto pelo menos duas vezes na última semana.

• Fluxos de reativação

  Enviar uma notificação se o usuário não tiver convertido nos últimos 30 dias.

• Marketing multicanal

  Personalizar banners para usuários que visualizaram uma campanha, mas não fizeram um pedido desde então.

E como tudo está escrito em CQL, ainda se lê como inglês:

user has not completed goal "checkout" in the last week

Você pode até combinar expressões de eventos com dados contextuais:

user has placed an order in the last month and cart's total is greater than 100and location's country’s code is "US"

Esse é o tipo de lógica que antes exigia um engenheiro de dados. Agora, qualquer pessoa pode escrevê-la em linguagem simples.

Sejamos honestos: é f*da demais. Porque isso desbloqueia uma estratégia de personalização que finalmente parece viva.

Até agora, as ferramentas de personalização têm sido ou muito superficiais, reagindo apenas ao que está acontecendo no momento, ou muito rígidas, dependendo de segmentos predefinidos que levam horas ou dias para serem populados.

As expressões de eventos preenchem essa lacuna e permitem que você fale a linguagem das ações de seus usuários, de forma direta, natural e instantânea.

Além disso, é extremamente rápido. Como as expressões de evento são projetadas para segmentação a nível de banco de dados com comparações rigorosas (sem conversão de tipo aproximada, sem suposições em tempo de execução), elas podem ser avaliadas em escala com latência mínima, assim como os demais critérios de audiência.

O futuro da personalização começa agora

A CQL sempre teve como foco a clareza, expressando a lógica de personalização de uma forma que pareça humana. Com as expressões de eventos, elevamos essa missão a um novo patamar.

Agora você pode criar audiências que consideram todo o ciclo de vida do usuário. Você pode prever intenções, detectar tendências e agir instantaneamente. Você pode preencher a lacuna entre o que os usuários fazem e o que eles veem.

A partir de agora, a personalização no Croct não é apenas contextual. É cronológica, comportamental e maravilhosamente humana.

Sim, esta é uma grande novidade. E estamos orgulhosos deste lançamento. A CQL agora tem memória, o que significa que seu produto ficou muito mais inteligente.