Klantgegevensplatform (CDP)

Een klantdataplatform is een systeem dat klantgegevens uit meerdere bronnen verzamelt, deze omzet in uniforme profielen voor individuele personen en deze profielen beschikbaar stelt aan andere systemen voor segmentatie, personalisatie en meting. Het verschilt van een datawarehouse doordat het gericht is op operationele activering in plaats van analyse, en van een klantrelatiebeheersysteem doordat het is ontworpen om grote hoeveelheden gedragsgegevens te verwerken in plaats van relaties en verkoopprocessen te beheren.

Het probleem dat wordt aangepakt is reëel en wijdverbreid. Klantgegevens hopen zich op in geïsoleerde systemen: het e-commerceplatform, de e-mailtool, de helpdesk, de advertentieaccounts, de analyses van de mobiele app, het offline verkooppunt. Dezelfde persoon verschijnt in elk systeem met een andere identificatiecode, en geen enkel systeem biedt een volledig overzicht. Daardoor neemt de marketingafdeling contact op met klanten die net een klacht hebben ingediend, heeft de helpdesk geen inzicht in de aankoopgeschiedenis en is een analyse van de klantwaarde onmogelijk zonder een handmatige controle die telkens opnieuw moet worden uitgevoerd.

Identiteitsresolutie is de centrale technische functie en tevens het moeilijkste onderdeel. Het koppelen van een ingelogd account aan een anonieme browsesessie, een e-mailadres dat op een ander moment is gebruikt, een app-installatie en een aankoop in een winkel vereist deterministische matching waar identificatoren aanwezig zijn en probabilistische matching waar deze ontbreken. De kwaliteit van deze resolutie bepaalt de waarde van alles wat daarop volgt, en het is ook hier dat de privacygevolgen zich concentreren, aangezien het combineren van datasets profielen creëert die meer onthullen dan elk van de afzonderlijke inputgegevens.

De categorie is door de positionering van leveranciers vervaagd en bij het evalueren van opties moet je verder kijken dan het label. Sommige producten zijn primair marketingactivatietools met data-invoermogelijkheden, andere zijn data-infrastructuur met toegevoegde activatie, en een steeds vaker voorkomend patroon bouwt dezelfde functionaliteit direct op een cloud-datawarehouse met behulp van specifieke tools voor identiteitsresolutie en doelgroepdistributie, waardoor het dupliceren van klantgegevens in een aparte, eigen database wordt vermeden. De juiste keuze hangt af van de bestaande infrastructuur en van welk team het systeem zal beheren, en die eigendomsvraag is meestal doorslaggevender dan de vergelijking van de functionaliteiten.

Implementaties mislukken om voorspelbare redenen. Organisaties kopen een platform zonder te bepalen welke beslissingen het zal verbeteren, en eindigen met uniforme profielen die niemand gebruikt. De kwaliteit van de brongegevens is slecht en de unificatie leidt tot een geconsolideerd beeld van onbetrouwbare informatie in plaats van een betrouwbaar beeld. De governance is onduidelijk, waardoor niemand het erover eens is welk systeem gezaghebbend is voor welk domein. En de operationele teams die de segmenten moeten gebruiken, zijn niet betrokken bij de definitie ervan, waardoor de segmenten niet aansluiten op de manier waarop die teams daadwerkelijk werken.

Een eerlijke beoordeling van de alternatieven moet aan elke aankoop voorafgaan, omdat een aanzienlijk deel van de waarde die organisaties van deze platforms verwachten, ook met bestaande tools te realiseren is. Een goed gemodelleerd datawarehouse met geplande export naar het marketingplatform biedt de meeste mogelijkheden voor segmentatie en filtering zonder een nieuw systeem. Wanneer realtime respons echt vereist is en het aantal bronsystemen zo groot is dat point-to-point-integratie onbeheersbaar is geworden, wordt de noodzaak voor specifieke tools aanzienlijk groter. Door de beslissing te baseren op de specifieke ontbrekende functionaliteiten in plaats van op de categorie, ontstaat doorgaans een kleiner en succesvoller project.

Het succesvolle model begint met een klein aantal specifieke use cases met duidelijke commerciële waarde, zoals het uitsluiten van recente kopers van acquisitiecampagnes of het activeren van retentieactiviteiten op basis van gedefinieerd gedrag, en bouwt vervolgens alleen de integratie die voor die specifieke use cases nodig is. Deze aanpak wordt doorgaans vastgesteld tijdens een Data analytics betrokkenheid, waarbij de activeringsstrategie eigendom is van groei managementen het is meestal gerechtvaardigd in onderneming omgevingen waar het aantal losgekoppelde systemen zo groot is dat handmatige afstemming een permanente kostenpost is geworden.