Как использование CDP может решить проблемы с активацией и персонализацией данных

Технология наконец-то достигла точки, когда маркетологи могут использовать данные в реальном времени таким образом, чтобы это было полезно для клиентов и выгодно для компаний.

Мы прошли долгий путь от «людей, которые покупали это, также покупали это». Примите во внимание опыт типичного покупателя, которого мы назовем Джейн. Состоятельная, замужняя мать и домовладелец, Джейн делает покупки в национальных магазинах одежды в Интернете, в магазине, а иногда и через приложение. При посещении веб-сайта продавца в поисках спортивной одежды она находит варианты стиля на основе предыдущих покупок, покупок клиентов с такими профилями, как ее профиль, и стилей спортивной одежды, наиболее часто покупаемых по выходным. Она добавляет одну из предлагаемых тренажеров в корзину и оформляет заказ.

За исключением последующего электронного письма, на этом заканчивается большая часть взаимодействия с клиентом. Но вот как выглядит этот пример, когда мы активируем данные Джейн: через три дня после ее онлайн-покупки продавец отправляет Джейн электронное письмо на тему здоровья. Заинтригованная, она переходит по ссылке и смотрит видео о воспитании здоровых детей. Неделю спустя она получает сообщение на iPhone, которое побуждает ее использовать мобильное приложение магазина, чтобы получить 15-процентную однодневную скидку на оборудование для тренировок. Хотя она никогда не покупала такие вещи в этом магазине, Джейн пользуется предложением и покупает новую спортивную сумку. То, что начиналось как простая задача по покупке спортивной одежды, в конечном итоге оказалось гораздо более увлекательным занятием.

Такой маркетинг на основе данных, основанный на потребностях, интересах и поведении человека в реальном времени, представляет собой важную часть нового горизонта роста. Он может увеличить общий объем продаж на 15–20 процентов, а цифровые продажи - еще больше, при этом значительно повысив рентабельность инвестиций на маркетинг по всем маркетинговым каналам: от веб-сайтов и мобильных приложений до - в не столь отдаленном будущем - гарнитур виртуальной реальности и подключенных автомобилей.

Платформа клиентских данных: решение постоянной проблемы настоящей персонализации

Компании регулярно экспериментируют с тестированием влияния различного клиентского опыта, но делают это изолированно. Когда они все же пытаются расширить масштабы, они сталкиваются с проблемой понимания того, что им следует расставить по приоритетам.

Это проблема, которая продолжает преследовать маркетологов, несмотря на многообещающие решения, такие как управление взаимоотношениями с клиентами (CRM), управление основными данными (MDM) и управление маркетинговыми ресурсами (MRM). Эти решения могут помочь компаниям консолидировать и оптимизировать данные, управлять сегментацией, организовывать рабочий процесс и улучшать отношения с клиентами. Но они не в полной мере используют преимущества цифровых сигналов, предоставляемых потребителями. Вместо этого они полагаются на устаревшие методы «вытягивания списков», базовую сегментацию и кампании, в которых отсутствует автоматизированное принятие решений, адаптивное моделирование и быстрое использование данных для масштабирования персонализированного взаимодействия.

Войдите в платформу клиентских данных (CDP) - платформу обнаружения данных и «принятия решений» (т. Е. Автоматизированного принятия решений). CDP позволяет маркетологам масштабировать взаимодействие с клиентами на основе данных в режиме реального времени. И хотя CDP на самом деле не вошел в Gartner Magic Quadrant или Forrester Wave, он постепенно становится отраслевым стандартом, и появляется небольшое, но растущее число сторонних платформ, которые вскоре сформируют категорию.

Четыре шага для эффективной активации ваших данных

Внедрение CDP в вашу организацию - будь то использование существующей системы управления основными данными или отношениями с клиентами или начало с нуля - требует владения четырьмя областями:

1. Основа данных: построение комплексного представления о клиенте

Многие компании уже имеют элементы относительно полного представления о клиенте. Но они находятся в отдельных карманах по всей компании. Только когда данные подключены, они становятся готовыми к использованию. CDP берет данные, которые уже есть в компании, объединяет их для создания значимого профиля клиента и делает его доступным для всей организации.

«Кормление» CDP начинается с объединения как можно большего количества данных и их дальнейшего развития. Для создания моделей, объединяющих профили клиентов, которые ведут себя и создают ценность аналогичным образом, требуется расширенная аналитика для обработки данных и машинное обучение для их уточнения. Со временем, когда система «учится», этот подход порождает все более детализированные подсегменты клиентов. Сигналы, которые оставляет после себя потребитель (например, посещение сайта, покупка в приложении, интерес, выраженный в социальных сетях), могут затем расширить набор данных, позволяя компании реагировать в режиме реального времени и снова обдумывать новые способы взаимодействия. Более того, полученные идеи выходят за рамки реакции клиента на конкретную кампанию, например, путем более целенаправленной разработки продукта.

2. Принятие решений: анализ данных, чтобы действовать в соответствии с сигналами.

Функция принятия решений позволяет маркетологам решить, какой контент лучше всего отправлять конкретному покупателю в течение определенного времени и канала. Клиенты оцениваются на основе их потенциальной ценности. Затем набор бизнес-правил и регрессионных моделей (все чаще реализуемых с помощью машинного обучения) сопоставляет конкретные сообщения, предложения и впечатления с оценками клиентов и определяет приоритеты того, что и когда будет доставлено. Это позволяет компаниям значительно улучшить то, как они взаимодействуют со своими клиентами, развивая более релевантное, персонализированное взаимодействие в рамках одного или нескольких каналов на основе поведенческих сигналов клиента. Эти сигналы могут быть простыми, например «корзина брошена» или «просмотрели, но не покупали», или более детализированными, например активность по сегментам и времени суток, полученным из данных о клиентах. По сути, эти сигналы становятся триггерами, вызывающими действие. Механизм принятия решений вырабатывает набор триггеров и результатов на основе сигналов и действий, предпринимаемых компанией в ответ.

Более продвинутые компании создают модель принятия решений, которая работает по всем каналам сбыта. Для этого требуются передовые методы моделирования и аналитики, чтобы определить влияние одного канала на другой по мере того, как клиент продвигается по пути принятия решения. Недавно одна туристическая компания применила этот подход и увидела, что согласование сообщений по каналам приводит к 10–20-процентному приросту коэффициента конверсии и пожизненной ценности клиентов.

Эффективное принятие решений основано на повторном тестировании, которое проверяет и уточняет гипотезы и результаты. Со временем они могут становиться все более сложными, поскольку модели и алгоритмы дополняют друг друга.

3. Дизайн: быстрое создание правильных предложений, сообщений и впечатлений.

Понимание ваших клиентов и того, как их привлечь, мало что значит без контента, который им нужно доставить. Однако разработке хороших предложений мешает тот факт, что функции и отделы внутри компаний, как правило, работают как мини-вотчины. Владельцы каждого канала тестируют и привлекают потребителей исключительно на своем собственном канале. Реальные выгоды могут быть получены только тогда, когда компании переходят в «боевые комнаты», объединяя людей из соответствующих функций (маркетинг, цифровые, юридические, мерчендайзинг и ИТ / DevOps), которые сосредоточены на определенных потребительских сегментах или направлениях.

Эти команды четко осознают приоритеты потребителей и несут ответственность за их выполнение. Межфункциональная команда постоянно разрабатывает новые идеи, разрабатывает гипотезы о том, как привлечь клиентов, придумывает эксперименты и создает предложения и активы. Аналитика помогает оценивать возможности, тестировать влияние и извлекать аналитические данные из тестов. Затем этот контент маркируется, чтобы его можно было связать с триггером и быть готовым к работе, когда это необходимо.

4. Распространение: предоставление опыта на разных платформах.

Системы распространения представляют собой простые «каналы», по которым отправляется реклама или сообщение, которое попадает в них. Часто они могут быть полностью ручными и просто доставлять сообщения широким слоям людей с небольшими затратами. Но подключите механизм CDP с его предопределенными триггерами и тегированным контентом к этой системе распространения, и ранее грубый маркетинговый инструмент станет гораздо более направленным, отправляя конкретные сообщения отдельным подсегментам клиентов по всем адресуемым каналам.

Эта система распространения часто представляет собой платформу, которая находится в облаке. Другие «точечные» решения (маркетинговые технологические решения для конкретной задачи) также могут быть подключены к CDP. Лучшие платформы распространения создают цикл обратной связи, который отправляет данные об ответах, взаимодействии и конверсии клиентов обратно в CDP. Этот механизм позволяет CDP расти и развиваться (например, реагируя на изменение бизнес-правил или оценок склонности клиентов), улучшая успешные результаты и устраняя неудачные. Помните Джейн? Если она получила больше, чем определенное количество касаний в течение недели, бизнес-правила подавили бы дополнительные сообщения, чтобы защитить ее опыт и отношение к бренду.

Реализация фреймворка активации данных

В отличие от оптовой трансформации ИТ, развертывание CDP - это не замена существующих систем данных о клиентах, а, скорее, оперативное решение, которое может быть совмещено с существующими системами. По нашему опыту, многие маркетологи уже владеют значительной частью уравнения маркетинг-технология; они просто не используют его должным образом. Обещание персонализированного маркетинга, активируемого данными, не только возможно, но и в настоящее время все чаще ожидается от сегодняшних клиентов. Теперь это ключ к превращению простых клиентских транзакций в прочные отношения.

Кай Воллхардт является партнером европейской практики маркетинга и продаж McKinsey и руководит работой по глобальному обслуживанию клиентов и персонализации в масштабе. В этом качестве он обслуживает клиентов в основном в Европе и Северной Америке по вопросам стратегии, коммерческих преобразований и оптимизации пути к покупке.

* Автор хотел бы поблагодарить Жюльена Буде, Брайана Грегга, Джейсона Хеллера и Кэролайн Таффт из McKinsey & Company за их вклад в эту статью.