和Martin Kihn是这本书的共同作者客户数据平台产品营销https://www.salesforce.com/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>Salesforce,在他的新书中,他强调了cdp如何为公司提供一种捕获、统一、激活和分析客户数据的方法。CDPs的承诺是帮助公司提供“合适的人、合适的信息、合适的时间”的体验。
营销人员使用的大多数客户数据都来自交易数据。越来越多的营销人员必须提高他们的能力,以更好地了解数字身份和个人的参与旅程与一个品牌,之前,期间和之后购买。2019年,营销人员使用的数据源中位数为8个,2020年为10个,2021年为12个。
如今,营销人员面临的挑战是通过多个渠道向客户提供一致且个性化的服务。
“在营销方面,客户希望他们在公司网站上的互动能转化为他们的移动应用体验,甚至是店内访问。问题是,对于大多数公司来说,这些环境是在不同的数据集上运行的——即使客户是相同的。客户还希望他们从一个渠道移动到另一个渠道时的体验是一致的,而且是“即时的”。大多数客户旅程涉及三个不同的渠道(例如电子邮件、web和移动应用程序),客户往往会在这些渠道之间无缝快速地移动。然而,大多数公司并没有实时连接这些数据环境。其结果是消费者的体验脱节,营销人员缺乏关于客户的单一真相来源,“写入奥哈拉。
客户数据平台:利用人员数据改变营销的未来参与,由Kihn和O'Hara撰写https://www.salesforce.com/ap/blog/2020/06/what-is-a-cdp.htmlcdp的“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>基本好处和主要任务是:数据收集、数据统一、数据激活和数据洞察。我请O'Hara分享他关于CDP需要什么才能成功地提供更好、更快和更个性化的客户体验的想法。奥哈拉的观点超越了营销效益。他认为,正确的数据管理策略,加上CDP,可以帮助向整个企业提供客户洞察,帮助企业以所需的速度创造价值。
CDP是当今最热门的营销技术。客户数据平台的兴起一直是人们关注的焦点。CDP是一个令人兴奋的新软件类别,大多数先进的组织都将其视为解决一些基本业务挑战的一种方式:当客户创建了这么多客户数据时,如何获得客户数据的“单一真实来源”?数据,也就是说。
没完没了的广告和营销技术软件收购,通过脆弱的“数据扩展”和手动集成拼凑在一起,导致对客户的许多不同看法,主要集中在他们从事的渠道上。公司往往有一个“营销”客户,他们可以通过电子邮件中的互动了解,一个“广告”客户,他们通过假名的在线互动了解,和“销售”客户,他们通过客户关系管理系统中的个人资料了解。将这些身份连接到一个丰富的个人资料中可以释放出很多价值。
想象一下,如果呼叫中心的员工可以访问每个客户的丰富个人资料,包括她最近的购买、忠诚度状态和积分、营销互动和终身价值分数?你也许可以有一个真正的,个性化的互动,而不是从一个封闭的通话脚本阅读。进一步想象一下,如果系统足够聪明,能够根据这些数据属性分配入站呼叫优先级,那么一个“白金”忠诚会员就可以被路由到本地呼叫中心,而不是本地呼叫中心比海外的位置好?更好、更个性化的服务。减少客户流失。可能性是无穷的!
好消息是,这种情况今天正在发生。拥有复杂IT部门、内部开发人员和大量软件预算的大型企业正在将这些系统连接起来,以创建这样的结果。坏消息是,它非常昂贵,需要不断的警惕和开发来保持它的正常工作,并且它依赖于数十家软件供应商的许可解决方案来进行数据接收到数据激活,以及介于两者之间的一切。
另一个问题是,这种创新似乎只针对当今的营销用例。尽管我们在《营销现状报告》中调查的公司中有80%表示他们已经开始连接营销和服务系统,但今天的客户尽职调查似乎只关注营销、广告和个性化用例。但为什么要停止数据管理呢?
如果您正踏上一段真正的数据管理之旅,并且需要一些指南来构建一个能够在数据平台层真正连接整个企业的系统(在数据平台层很重要),那么有五件关键的事情需要考虑:
您的系统需要管理大量以各种速度传入的数据。有些数据(如CRM和旧的企业系统数据)移动速度较慢,通常以表格的形式通过批处理模式输入。这些是像客户记录、购买历史数据之类的东西。但是有很多数据需要实时进入系统。一个在线客户正在寻找一个本地商店,在那里他们可以应用他们收到的报价,这是一个实时发生的信息,可以应用于真实世界的用例。除非你能快速阅读并对信号做出反应,否则他们很可能会找到最近的竞争对手。因此,拥有一个能够以多种不同速度处理数据的系统是一项要求,特别是随着越来越多的信号是从实时和现实的交互中产生的。如上所述,数据仓库只是冰山一角。很明显,连接营销、广告和CRM系统可以创建驱动业务价值的新用例,但真正的根本问题不是系统本身,而是它们如何存储数据。一个系统将名字和“名字”分别标记为“名字”,另一个系统将名字和“名字”分别标记为“名字”。这看起来很简单,但每个系统都有一个稍微不同的主标识符或“真相来源”,目标就是要有一个。首先要提供一个通用的信息模型或模式,它可以将所有不同标签的数据组织成一个通用的分类法。公司开始围绕一个通用的信息模型(谷歌、亚马逊和Salesforce等公司的“云”信息模型)进行组织,以此为数据创建一个Rosetta Stone。社交媒体系统把你的“句柄”当作你的主要标识符。电子邮件系统使用电子邮件地址。DMP通常把人看作饼干。每个系统都有些不同。你如何得到一个“单一来源的真相”的人的数据?所有这些身份类型都需要汇总到一个丰富的配置文件或通用ID。例如,通过确保一个人在许多不同的电子邮件和邮政地址中是相同的,可以在“已知”PII数据中解决这一问题。在数字世界中,人们往往有几十个cookie和设备ID,这些标识符也需要映射到通用ID。这是一个很难解决的问题,但是一个具有强大身份脊梁的系统是实现这一目标的唯一途径。
一旦你设法解析和识别来自许多不同来源和系统的数据,你最终会。。。很多数据。据推测,到2020年,地球上每一个人每秒都会产生170万字节的数据。这很难理解,但在一个越来越重视每一次点击、通话和视频观看的世界里,这个问题不会消失。如果你想利用这些互动来形成你的数字参与策略的基础,你必须把它们存储在某个地方。这就需要一个能够处理数十亿个数据属性、数百万行和数千个相互连接的表的系统。当指向PB级的分析数据时,机器学习效果最佳。你的系统需要为这样一个世界而构建:每天都有更多的数据被创建,而且有更多的系统需要它们正常工作。
真正的问题是,你如何让数据在营销、销售、服务、商业和分析等各个渠道都可以操作,并从中获得切实的价值?一旦有了一组干净、统一的缩放数据,就有许多方法可以从中获取价值。分割工具可以从任何来源提取数据,并将其缝合成可寻址客户的规模组。分析工具在分析强大而全面的数据集时变得更加强大,无论是用于BI还是媒体分析。最好的部分?人工智能系统变得更加强大。机器学习的成功不在于算法,而在于让它们能够运行在一组高比例、真实的数据中,从而产生结果。
如果您想用CDP或企业数据管理系统开始公司的数字化转型之旅,这五个V是成功的一个很好的框架。
本文由,全球产品营销副总裁https://www.salesforce.com/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>Salesforce,和一本新书的合著者https://www.amazon.com/Customer-Data-Platforms-Transform-Engagement/dp/1119790115“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>客户数据平台
Scott Galloway教授:高等教育的巨大分散和未来通过注册,您同意https://redventures.com/CMG-terms-of-use.html“target=”\u blank“rel