Bagaimana menggunakan CDP dapat memecahkan tantangan dalam aktivasi dan personalisasi data

Teknologi akhirnya maju ke titik di mana pemasar dapat menggunakan data real-time dengan cara yang berarti bagi pelanggan dan menguntungkan bagi perusahaan.

Kami telah datang jauh dari "orang yang membeli ini, juga membeli itu." Pertimbangkan pengalaman pelanggan representatif yang kami sebut Jane. Seorang ibu dan pemilik rumah yang kaya dan sudah menikah, Jane berbelanja di pengecer pakaian nasional secara online, di toko, dan kadang-kadang melalui aplikasi. Saat mengunjungi situs web pengecer untuk mencari pakaian olahraga, dia menemukan pilihan gaya berdasarkan pembelian sebelumnya, pembelian pelanggan dengan profil seperti miliknya, dan gaya pakaian olahraga yang paling sering dibeli pada akhir pekan. Dia menambahkan salah satu atasan gym yang ditawarkan ke keranjang belanjanya dan check out.

Kecuali email tindak lanjut, sebagian besar interaksi dengan pelanggan berhenti di situ. Tapi inilah contoh yang terlihat saat kami mengaktifkan data Jane: tiga hari setelah pembelian online-nya, pengecer mengirimi Jane email bertema kesehatan. Penasaran, dia mengklik tautan dan menonton video tentang membesarkan anak-anak yang sehat. Satu minggu kemudian, dia menerima pesan iPhone yang mendorongnya untuk menggunakan aplikasi seluler toko untuk membuka diskon 15 persen satu hari untuk peralatan olahraga. Meskipun dia belum pernah membeli barang seperti itu di pengecer ini, Jane memanfaatkan tawaran itu dan membeli tas olahraga baru. Apa yang dimulai sebagai tugas sederhana untuk membeli pakaian olahraga akhirnya menjadi pengalaman yang jauh lebih menarik.

Pemasaran yang diaktifkan data seperti itu berdasarkan kebutuhan, minat, dan perilaku seseorang secara real-time merupakan bagian penting dari cakrawala pertumbuhan baru. Ini dapat meningkatkan total penjualan sebesar 15 hingga 20 persen, dan penjualan digital lebih banyak lagi sambil secara signifikan meningkatkan ROI pada pengeluaran pemasaran di seluruh saluran pemasaran: dari situs web dan aplikasi seluler hingga—dalam waktu yang tidak terlalu lama—headset VR dan mobil yang terhubung.

Platform data pelanggan: Memecahkan tantangan personalisasi sejati yang sedang berlangsung

Perusahaan secara teratur bereksperimen dengan menguji dampak dari beragam pengalaman pelanggan, tetapi mereka melakukannya secara terpisah. Ketika mereka mencoba untuk meningkatkan, mereka menghadapi tantangan untuk memahami apa yang harus diprioritaskan.

Ini adalah tantangan yang terus mengganggu pemasar, meskipun ada janji solusi seperti manajemen hubungan pelanggan (CRM), manajemen data master (MDM), dan manajemen sumber daya pemasaran (MRM). Solusi ini dapat membantu perusahaan mengkonsolidasikan dan merampingkan data, mengelola segmentasi, mengatur alur kerja, dan meningkatkan hubungan pelanggan. Tetapi mereka tidak memanfaatkan sepenuhnya sinyal digital yang disediakan pelanggan. Sebaliknya, mereka mengandalkan "tarik daftar", segmentasi dasar, dan kampanye kuno, yang semuanya tidak memiliki pengambilan keputusan otomatis, pemodelan adaptif, dan pemanfaatan data yang gesit untuk meningkatkan interaksi yang dipersonalisasi.

Masuk ke Platform Data Pelanggan (CDP)—platform penemuan data dan "pengambilan keputusan" (yaitu, pengambilan keputusan otomatis). CDP memungkinkan pemasar untuk mengukur interaksi pelanggan berbasis data secara real time. Dan sementara CDP belum benar-benar masuk ke dalam Gartner Magic Quadrant atau Forrester Wave, secara bertahap menjadi konsep standar industri, dengan kader platform pihak ketiga yang kecil namun berkembang yang akan segera membentuk kategori tersebut.

Empat langkah untuk mengaktifkan data Anda secara efektif

Memasukkan CDP ke dalam organisasi Anda—apakah membonceng sistem manajemen data master yang ada atau sistem manajemen hubungan pelanggan atau memulai dari awal—membutuhkan penguasaan empat bidang:

1. Fondasi data: Membangun pandangan pelanggan yang kaya

Banyak perusahaan sudah memiliki elemen pandangan yang relatif lengkap tentang pelanggan. Tapi mereka berada di kantong terpisah di seluruh perusahaan. Hanya ketika data terhubung, itu menjadi siap digunakan. CDP mengambil data yang sudah dimiliki perusahaan, menggabungkannya untuk membuat profil pelanggan yang bermakna, dan membuatnya dapat diakses di seluruh organisasi.

“Memberi makan” CDP dimulai dengan menggabungkan sebanyak mungkin data dan membangunnya dari waktu ke waktu. Membuat model yang mengelompokkan profil pelanggan yang berperilaku dan menciptakan nilai dengan cara yang serupa memerlukan analitik tingkat lanjut untuk memproses data dan machine learning untuk menyempurnakannya. Seiring waktu, saat sistem "belajar", pendekatan ini menghasilkan subsegmen pelanggan yang semakin terperinci. Sinyal yang ditinggalkan konsumen (misalnya, kunjungan situs, pembelian di aplikasi, minat yang diungkapkan di media sosial) kemudian dapat memperluas kumpulan data, memungkinkan perusahaan untuk merespons secara real time dan memikirkan cara baru untuk terlibat lagi. Selanjutnya, wawasan yang diperoleh melampaui tanggapan pelanggan terhadap kampanye tertentu, misalnya dengan mendorong pengembangan produk yang lebih bertarget.

2. Pengambilan keputusan: Tambang data untuk bertindak berdasarkan sinyal

Fungsi pengambilan keputusan memungkinkan pemasar untuk memutuskan konten terbaik apa yang akan dikirim ke pelanggan tertentu untuk waktu dan saluran tertentu. Pelanggan dinilai berdasarkan nilai potensial mereka. Serangkaian aturan bisnis dan model regresi (yang semakin banyak dilakukan melalui pembelajaran mesin) kemudian mencocokkan pesan, penawaran, dan pengalaman tertentu dengan skor pelanggan tersebut, dan memprioritaskan apa yang dikirim dan kapan. Hal ini memungkinkan perusahaan untuk membuat peningkatan besar dalam cara mereka terlibat dengan pelanggan mereka dengan mengembangkan keterlibatan yang lebih relevan dan dipersonalisasi, dalam satu saluran atau lintas saluran, berdasarkan isyarat perilaku pelanggan. Sinyal tersebut dapat berupa sinyal dasar, seperti "keranjang ditinggalkan" atau "dijelajahi tetapi tidak membeli", atau lebih bernuansa, seperti aktivitas menurut segmen dan waktu, yang diperoleh dari menambang data pelanggan. Akibatnya, sinyal-sinyal ini menjadi pemicu yang memicu suatu tindakan. Sebuah mesin pengambilan keputusan mengembangkan serangkaian pemicu dan hasil berdasarkan sinyal dan tindakan yang diambil perusahaan sebagai tanggapan.

Perusahaan yang lebih canggih membangun model pengambilan keputusan yang bekerja di semua saluran distribusi. Itu membutuhkan teknik pemodelan dan analitik tingkat lanjut untuk mengidentifikasi dampak dari satu saluran di saluran lain saat pelanggan melanjutkan perjalanan keputusannya. Sebuah perusahaan perjalanan mengambil pendekatan ini baru-baru ini dan melihat koordinasi pesan di seluruh saluran mendorong peningkatan 10 hingga 20 persen dalam tingkat konversi dan nilai umur pelanggan.

Pengambilan keputusan yang efektif didasarkan pada pengujian berulang yang memvalidasi dan menyempurnakan hipotesis dan hasil. Seiring waktu, ini bisa menjadi semakin canggih karena model dan algoritma saling membangun.

3. Desain: Membuat penawaran, pesan, dan pengalaman yang tepat dengan cepat

Memahami pelanggan Anda dan cara melibatkan mereka tidak banyak berarti tanpa konten untuk disampaikan kepada mereka. Merancang penawaran hebat, bagaimanapun, terhambat oleh fakta bahwa fungsi dan departemen dalam perusahaan cenderung beroperasi sebagai wilayah kekuasaan mini. Pemilik setiap saluran menguji dan melibatkan konsumen secara eksklusif di dalam saluran mereka sendiri. Manfaat nyata hanya dapat terjadi ketika perusahaan beralih ke “ruang perang”, menyatukan orang-orang dari fungsi yang relevan (pemasaran, digital, hukum, merchandising, dan TI/DevOps) yang berfokus pada segmen atau perjalanan konsumen tertentu.

Tim ini memiliki kepemilikan yang jelas atas prioritas konsumen dan tanggung jawab untuk mewujudkannya. Tim lintas fungsi terus mengembangkan ide-ide baru, merancang hipotesis tentang cara melibatkan pelanggan, merancang eksperimen, dan membuat penawaran dan aset. Analytics membantu mengukur peluang, menguji dampak, dan memperoleh wawasan dari pengujian. Konten tersebut kemudian diberi tag sehingga dapat dikaitkan dengan pemicu dan siap digunakan saat dibutuhkan.

4. Distribusi: Memberikan pengalaman lintas platform

Sistem distribusi adalah "pipa" sederhana yang mengirim iklan atau pesan yang dimasukkan ke dalamnya. Seringkali, mereka bisa sangat manual dan hanya menyebarkan komunikasi ke segmen orang yang luas dengan sedikit penyesuaian. Tetapi hubungkan mesin CDP, dengan pemicu dan konten yang telah ditentukan sebelumnya, ke sistem distribusi itu dan instrumen pemasaran yang sebelumnya tumpul menjadi alat yang jauh lebih terarah dengan mengirimkan pesan spesifik ke subsegmen pelanggan yang berbeda di semua saluran yang dapat dialamatkan.

Sistem distribusi itu seringkali merupakan platform itu sendiri yang hidup di cloud. Solusi "titik" lainnya (solusi teknologi pemasaran untuk tugas tertentu) juga dapat dihubungkan ke CDP. Platform distribusi terbaik membuat loop umpan balik yang mengirimkan respons pelanggan, keterlibatan, dan data konversi kembali ke CDP. Mekanisme tersebut memungkinkan CDP untuk tumbuh dan berkembang (misalnya, dengan menanggapi perubahan aturan bisnis atau skor kecenderungan pelanggan), menyempurnakan hasil yang berhasil dan menghilangkan yang tidak berhasil. Ingat Jane? Jika dia menerima lebih dari jumlah sentuhan tertentu selama periode seminggu, aturan bisnis akan menekan pesan tambahan untuk melindungi pengalaman dan sentimennya terhadap merek tersebut.

Menerapkan kerangka aktivasi data

Tidak seperti transformasi TI grosir, penerapan CDP bukanlah penggantian sistem data pelanggan saat ini, melainkan solusi operasional yang dapat mendukung sistem yang ada. Dalam pengalaman kami, banyak pemasar telah memiliki sebagian besar persamaan teknologi pemasaran di dalam perusahaan; mereka hanya tidak menggunakannya dengan benar. Janji pemasaran satu-ke-satu yang diaktifkan data tidak hanya mungkin tetapi sekarang semakin diharapkan oleh pelanggan saat ini. Sekarang ini adalah kunci untuk mengubah transaksi pelanggan yang sederhana menjadi hubungan yang langgeng.

Kai Vollhardt adalah Partner di McKinsey's European Marketing & Sales Practice, dan memimpin pengalaman pelanggan global dan pekerjaan personalisasi @ skala. Dalam kapasitas ini, ia melayani klien terutama di Eropa dan Amerika Utara dalam hal strategi, transformasi komersial, dan pengoptimalan perjalanan pelanggan.

* Penulis ingin mengucapkan terima kasih kepada Julien Boudet, Brian Gregg, Jason Heller dan Caroline Tufft dari McKinsey & Company atas kontribusi mereka pada artikel ini.