Wraz z dojrzewaniem firmy, jej pakiet MarTech staje się mniej lub bardziej kompletny i pozostawia mniej miejsca na nowe narzędzia i ulepszenia, nie wspominając o szybko rosnących kosztach. Szacunki wzrostu rynku CDP wskazują jednak oszałamiające wartości. Fakt ten wyraźnie wskazuje, że nawet dojrzałe firmy widzą sens we wzbogacaniu pakietu narzędzi o Customer Platform. Dzieje się tak, ponieważ CDP nie tylko płynnie integruje się z istniejącym stackiem MarTech bez większych zmian i kosztów, ale przede wszystkim odblokowuje potencjał tego stacku, co zasadniczo poprawia zwrot z inwestycji w narzędzia. W tym artykule wyjaśnimy szczegółowo, w jaki sposób.
Wzrost platform CDPs and CIPs i pytanie o powód
Szacuje się, że rynek platform danych klientów wzrośnie z 3,5 mld USD w 2021 r. do 15,3 mld USD do 2026 r., przy 34,6% CAGR.
W tym samym okresie prognozy przewiduje się wzrost globalnego rynku analityki z 9,6 mld USD w 2021 r. do 25,3 mld USD do 2026 r., przy 21,3% CAGR.
Platformy CDP nowej generacji lub inaczej platformy Customer Intelligence, oparte na AI (CIP) należą jednocześnie do tych dwóch kategorii. Co więcej, 84% marketerów planuje włączyć możliwości sztucznej inteligencji we własnym zakresie. Sztuczna inteligencja odgrywa zasadniczą rolę w nowoczesnym CDP.
Firmy na całym świecie wprowadzają CDP do swojego stosu MarTech i robią to dość szybko, jakby była to konieczność aby w ogóle nadążyć za konkurencją.
Pytanie dlaczego?
Jak pokażemy w następnym rozdziale, obecny przykładowy stack MarTech, wymodelowany na wzór przeciętnej dojrzałej firmy eCommerce, już robi wrażenie. Różne kosztowne systemy już powinny działać w synergii, zapewniając firmom doskonałe wglądy w klientów i niezrównane doświadczenie konsumenckie we wszystkich touchpointach.
Prawda jest niestety taka, że nie zapewniają. A właściwie nie zapewniały, dopóki na scenę nie wkroczyły CDP/CIP nowej generacji. Każde z narzędzi w modelowym stacku działa dobrze, robi to, do czego zostało zaprojektowane. To ich koordynacja szwankuje.
W tym artykule odkryjemy przyczynę szybkiego wzrostu rynku CDP, wyjaśniając, w jaki sposób implementacja CDP nie tylko dodaje do stacku indywidualną wartość platformy, ale wreszcie uwalnia cały stłumiony potencjał wszystkich już dostępnych narzędzi, umożliwiając prawdziwą synergię i stając się funkcjonalnym fundamentem nowoczesnego stacka MarTech.
Najpierw przyjrzyjmy się modelowemu stackowi.
Tradycyjny stack MarTech
W typowym stacku MarTech jest mnóstwo narzędzi. W tym rozdziale pokrótce przedstawimy niektóre z nich i wyjaśnimy, jak powinny współpracować w celu zgromadzenia danych klienta, a następnie aktywowania ich w różnych kanałach/punktach kontaktu.
Gromadzenie danych
Enterprise Tag Management
Systemy zarządzania tagami kontrolują użycie wszystkich innych tagów oraz wdrażanie dostawców mobilnych za pośrednictwem interfejsu webowego, bez kodowania oprogramowania. Systemy zarządzania tagami ułatwiają dodawanie, edytowanie lub usuwanie dowolnego tagu w prosty sposób point and click.
- zarządza gromadzeniem danych
- zarządza tagami third-party
- zarządza cyfrową dystrybucją danych
Digital Analytics
Narzędzia do analityki cyfrowej gromadzą i analizują dane z różnych źródeł, takich jak m.in. strony internetowe czy aplikacje mobilne. Dają one wgląd w zachowania użytkowników lub klientów. Dzięki analityce cyfrowej firmy uzyskują obraz obszarów wymagających poprawy.
- zachowania i segmentacja
- analityka
- segmentacja historyczna
Data Management Platform (DMP)
Bezpośredni poprzednik platform CDP, czyli już „prawie to”, pojawił się na początku 2000 roku. DMP gromadzi i porządkuje dane second i third-party oraz udostępnia je innym systemom w stacku MarTech, pogłębiając wgląd. Jest też w stanie również segmentować anonimowe kontakty.
- rozpoznanie klientów
- segmentacja odbiorców, aktywacja i koordynacja
- modelowania look alike i dane third-party
CRM
W roku 2021 możemy już śmiało nazywać CRM systemem-dziedzictwem w MarTechowym stacku. Powstał jeszcze przed DMP, na początku lat 90-tych. To technologia zarządzania relacjami i interakcjami firmy ze wszystkimi jej obecnymi i potencjalnymi klientami. Zaczęło się od sprzedaży, potem pojawiła się obsługa klienta i marketing. W końcu dołączył handel. Przede wszystkim jednak CRM pracuje na danych operacyjnych już zidentyfikowanych klientów.
- dane konsumenckie, scoring i atrybuty
- preferencje opt-in
- produkty/zamówienia
Aktywacja danych
CMS i narzędzia eCommerce
- DAM oraz Content Management
- Tworzenie i publikacja szablonów
- Tworzenie treści
Narzędzia personalizacji strony i aplikacji
- Testy A/B i MV
- Targetowanie i personalizacja
- Rekomendacje
Narzędzia mediów
- Serwer DSP/Ad
- Platformy retargetujące
- Narzędzia SEM
- Płatne platformy społecznościowe
Międzykanałowa kampania Mgtm.
- Zarządzanie automatyzacją w Direct Marketing
- Zarządzania kontaktami i ofertami
Jak wszystkie te narzędzia powinny współpracować?
Ten klasyczny pakiet narzędzi ma fundamentalne znaczenie w procesie gromadzenia i aktywacji danych cyfrowych.
W obszarze gromadzenia danych, informacje z narzędzia Tag Management przesyłane są do analizy i segmentacji do narzędzia Digital Analytic. Tak przygotowane dane są następnie przesyłane do DMP, który powinien poradzić sobie z rozpoznaniem klienta a następnie segmentacją i koordynacją, z wykorzystaniem danych third-party. DMP wymienia również dane ze starszym CRM, wzbogacając je i biorąc to, co jest potrzebne do rozpoznawania i segmentacji. Dane są następnie aktywowane właśnie z DMP.
Dane są przekazywane do różnych systemów aktywacyjnych: CMS i eCommerce, narzędzia do personalizacji stron i aplikacji służą do zarządzania treścią stron internetowych i aplikacji, a także do testowania, targetowania i personalizacji tych treści. Narzędzia medialne optymalizują treść pod kątem płatnych mediów zewnętrznych, zaś zarządzanie wielokanałową kampanią Mhtm. ma zastosowanie w marketingu bezpośrednim, np. w kanałach e-mail, sms lub na czatach.
W rzeczywistości taki stack nie działa dość płynnie, aby zasilać narzędzia aktywacyjne ujednoliconymi danymi w czasie rzeczywistym.
Słabości tradycyjnego stacku MarTech
Rozproszone dane
Systemy takie jak DMP i CRM przechowują dane we własnych silosach. Są ze sobą co prawda połączone, potrafią wzajemnie wzbogacać lub poprawiać swoje zbiory danych, ale żaden z nich nie łączy ich wszystkich w jedno, pojedyncze źródło prawdy o kliencie.
Ten problem rodzi kolejny. Tradycyjny stack MarTech ma problemy z wewnętrzną komunikacją między różnymi narzędziami i technologiami. Różnica w implementacji tych narzędzi powoduje utratę spójności danych w całym stacku.
Problemy z bezpieczeństwem i prywatnością danych
W przypadku niespójności i problemów z komunikacją wewnętrzną często bezcenne dane zostają utracone. Tradycyjny stack MarTech naraża firmy na duże ryzyko, kradzieży danych klientów przez czynnik zewnętrzny lub niewłaściwie wykorzystane wewnątrz, m.in. zespół ds. marketingu.
Prawie niemożliwe jest kontrolowanie i ochrona przed hakerami wszystkich danych przepływających tam i z powrotem między różnymi systemami i technologiami, kiedy każdy z nich ma swoje technologicznie słabe punkty i trudno jest określić, czy utrata, wyciek lub zmiana danych była efektem problemu z komunikacją, błędu ludzkiego czy interwencji z zewnątrz. W tej sytuacji nie mniej trudno jest zarządzać zgodami marketingowymi klientów.
Rozwiązywanie problemu identyfikacji klientów
Innym problemem, związanym ze spójnością danych i czasem aktywacji, jest niewystarczająca zdolność tradycyjnego stacku MarTech do rozwiązywania problemów z identyfikacją tożsamości. Bez jednego źródła prawdy o konsumencie dla całej firmy, marketerzy, chcąc stworzyć ujednolicony profil klienta, są zmuszeni do wykorzystywania danych third-party. Dane third-party w 2021 roku odchodzą już w przeszłość. Nie wspominając już o tym, ile czasu i wysiłku trzeba włożyć w bezowocne próby uzyskania jednolitego profilu klienta.
Czas aktywacji i dostarczenia na rynek
Zespoły marketingowe, a właściwie wszystkie zespoły w firmie, mają trudności z dostarczeniem na czas efektu swoich wysiłków na rynek. Są zmuszeni do zarządzania danymi przy użyciu zbyt wielu systemów i narzędzi, które przechwytują różne zbiory danych.
Niewykorzystany potencjał narzędzi MarTech
Wszystkie te problemy razem zmniejszają i tłumią potencjał, jakim dysponuje każde z narzędzi w stacku. Karmione niespójnymi danymi, przesyłanymi przez różnie zaimplementowane systemy, narzędzia działają wolno i nie dają naprawdę użytecznych wyników. A dostarczanie ich w czasie rzeczywistym nie wchodzi w rachubę.
Mówiąc prościej, tradycyjny MarTech stack nie spełnia zadania polegającego na zapewnieniu spójnego, wewnętrznie połączonego i faktycznie działającego doświadczenia konsumenckiego we wszystkich touchpointach w trybie offline i online.
Definicja CDP / CIP
Narzędzia Customer Data Platform pojawiły się, by rozwiązać ten dokładnie problem. Zanim wyjaśnimy, jak działają CDP, postarajmy się je zdefiniować. Zostały one zaprojektowane nie po to, by wypierać cały kosztowny stack MarTech, ale uwolnić wreszcie jego potencjał i sprawić, by gromadzone w nim dane były użyteczne.
Najbardziej jasną i zrozumiałą definicją platformy danych klienta jest prawdopodobnie ta, podana przez Gartnera: „CDP to system marketingowy, który ujednolica dane o klientach firmy z kanałów marketingowych i innych, aby umożliwić modelowanie klienta oraz zoptymalizować czas operacji i targetowanie wiadomości i ofert”.
Inna interesująca definicja powstała w CDP Institute. Ich zdaniem CDP to “pakietowe oprogramowanie, które tworzy trwałą, ujednoliconą bazę danych klientów, dostępną dla innych systemów”
“Pakietowe oprogramowanie” oznacza, że jest to gotowe, kompletne oprogramowanie, dostarczane zwykle przez zewnętrzną, wyspecjalizowaną firmę.
Część o “trwałej, ujednoliconej bazie klientów” znaczy, że CDP gromadzi dane z wielu źródeł, praktycznie ze wszystkich punktów kontaktu firmy, w których gromadzenie danych first-party o kliencie jest możliwe, czyli ze sprzedaży, programów lojalnościowych, obsługi klienta, mediów społecznościowych, itd. CDP przechowuje dane z tych źródeł oraz łączy je w ujednoliconym profilu klienta.
Wreszcie “dostępna dla innych systemów” oznacza, że CDP dzieli przechowywane dane z innymi systemami używanymi w firmie np. w dziale sprzedaży, marketingu, commerce.
Customer Intelligence Platform (CIP) to kolejny krok w ewolucji CDP. CIP włączają do analiz i aktywują dane zero-party wraz z danymi first-party, aby zapewnić lepszy wgląd. Wykorzystują też sztuczną inteligencję i uczenie maszynowe, aby zrozumieć, uporządkować i ocenić zarówno ustrukturyzowane, jak i nieustrukturyzowane dane dostępne dla firmy.
CDP/CIP to tylko jeden system, który jednocześnie zbiera i analizuje dane ze wszystkich innych narzędzi/systemów/punktów styku i buduje zunifikowany profil klienta, zapewniając w czasie rzeczywistym jedno źródło prawdy dla całej firmy.
Cztery kroki CDP w celu zapewnienia spójności i użyteczności danych
CDP faktycznie zapewnia spójne, wewnętrznie połączone i faktycznie działające doświadczenie konsumenckie we wszystkich touchpointach w trybie offline i online. W przeciwieństwie do tradycyjnego stosu MarTech bez CDP, gdzie dane są integrowane w każdym narzędziu z osobna, Customer Data Platform po prostu robi wszystko, wykorzystując cały stack i wszystkie touchpointy, fizyczne i cyfrowe.
Gromadzenie danych z wielokanałowych źródeł
Pierwszym zadaniem CDP jest zbieranie danych ze wszystkich kanałów cyfrowych oraz fizycznych, takich jak sklepy czy call center. Dane pochodzące z tych kanałów są czasami anonimowe, czasami zidentyfikowane. Na przykład wtedy, gdy są powiązane z kontem e-mail lub numerem lojalnościowym.
Dane te, gromadzone w czasie rzeczywistym, zostają następnie powiązane z wieloma atrybutami: kampanią promocyjną, czytanymi/oglądanymi treściami, historią zakupów, a następnie przechowywane. Celem jest zebranie wszystkich cennych danych first-party i wesprzeć proces Customer Intelligence, czyli wywiadu konsumenckiego.
- dane osobowe i demograficzne
- dane o zachowaniu na stronie
- dane o zaangażowaniu klientów
- dane z transakcji
- dane z urządzeń mobilnych
Dopasowywanie danych do konkretnych klientów
Tradycyjny marketing targetuje przede wszystkim urządzenia. Dzisiejsze podejście buduje kontakt wokół osoby, indywidualnego klienta, w celu uzyskania większej adekwatności wysiłków. Następnym krokiem, jaki wykonuje CDP, jest dopasowanie zebranych danych do klienta, w celu wsparcia takiego właśnie kliento-centrycznego podejścia.
Dopasowywanie między kanałami i urządzeniami jest zadaniem boleśnie uciążliwym. Dane first i zero-party mogą okazać się przydatne w łączeniu informacji pochodzących z różnych kanałów i urządzeń z konkretną osobą. CDP korzysta również z istniejącego stacku, jak CRM, do wydobywania starych i nominatywnych informacji, które może następnie wykorzystać do skutecznej budowy ujednoliconego profilu klienta. Może również pobierać dane z CRM i odsyłać je wzbogacone z innych źródeł.
- przygotowanie
- integracja
- wzbogacenie
Segmentacja i aktywacja
Osobiste relacje z konsumentem to podstawowy cel współczesnych marketerów. Aby to umożliwić, CDP dają możliwość precyzyjnego segmentowania profili. To jest jego trzeci krok.
Zadaniem CDP jest zwiększenie liczby możliwych segmentów w oparciu o kilka kryteriów: demografia, geografia, zachowanie itp. CDP wykorzystuje następnie te segmenty odbiorców jako podstawę do aktywowania dostępnych rozwiązań, m.in. np. Dynamic Creative Optimization lub spersonalizowane reklamy, sekwencje automatyzacji marketingu lub personalizacja stron internetowych. CDP może również aktywować dane w fizycznych punktach kontaktu, takich jak sklepy i call center.
- definiowanie reguł
- budowa audytorium odbiorców
- real time
- wiadomości push
- sms
- media społecznościowe
- internet
Analiza i optymalizacja
W trzecim etapie aktywacje zostają wywołane w segmentach, a wyniki są analizowane i służą jako informacja zwrotna do dalszego udoskonalenia zarówno segmentów i aktywacji. Na przykład CDP wybiera wyniki testowania A/B. CDP można podłączyć do DMP, aby stworzyć segmenty uzyskane z modułu zaawansowanych statystyk, na podstawie predykcji.
CDP rozbija silosy mierników i minimalizuje błąd interpretacji wyników kampanii. W przypadku tradycyjnego stacku MarTech modele atrybucji są nadal dość podstawowe. Metody analizy, np. wyników kampanii, wydają się zbyt wyizolowane, aby dostarczyć firmie wystarczające, obiektywne wyniki. Rola CDP jako centralnego koordynatora pozwala rozróżniać mierniki wydajności w różnych scenariuszach.
- modelowanie
- analiza
- automatyzacja
Miejsce CDP w marketingowym stacku
Jako że CDP efektywnie wykorzystuje cały istniejący stack MarTech stosowany przez firmę, rodzi się pytanie, czym tak naprawdę jest ta platforma i jak wpisuje się w istniejący stack? Czy to tylko kolejne wyizolowane rozwiązanie-monolit? System zbudowany z kilku usług? A może architektura, łącząca i wyciskająca ostatnie krople soku z istniejących już narzędzi?
Ponieważ odpowiedź na wszystkie powyższe pytania może brzmieć „tak”, jasne jest, że zastosowanie CDP oznacza dla firmy coś więcej niż tylko to, co wynika z definicji platformy.
Przyszłe wyzwania dla CDP
W roku 2021 największym wyzwaniem dla CDP, zarówno dostawców platform, jak i ich klientów, jest dokładna ocena, ile danych faktycznie wystarcza do osiągnięcia celu?
Wszyscy wiedzą, że większa ilość danych zapewnia analizom szerszy kontekst i zapewnia firmie bardziej znaczące wyniki. Ale główne przeszkody w stworzeniu szerokiego oglądu danych klientów podsumowują następujące pytania:
- Jak uzyskać głębszy wgląd we wzorce zachowania klientów?
- Jak przechowywać wszystkie te dane?
- Jak to robić bezpiecznie?
- Ile z nich jest faktycznie przydatnych pod względem poprawy obsługi klienta?
Obecnie pracujemy nad rozwiązaniem wszystkich tych problemów, aby zapewnić naszym Klientom jeszcze bardziej użyteczne zestawy danych, które będą przydatne we wszystkich punktach touchpointach firmy na ścieżce klienta.
Aby dowiedzieć się, jakie ogromne możliwości dostarczania spójnych, wewnętrznie połączonych i użytecznych danych może zaoferować współczesny CDP, zamów demo SALESmanago.
Follow
