Bir CDP kullanmak, veri etkinleştirme ve kişiselleştirmedeki zorlukları nasıl çözebilir?

Teknoloji sonunda pazarlamacıların gerçek zamanlı verileri hem müşteriler için anlamlı hem de şirketler için karlı olacak şekilde kullanabileceği bir noktaya geldi.

“Bunu alan bunu da aldı” noktasından çok yol kat ettik. Jane diyeceğimiz temsilci bir müşterinin deneyimini düşünün. Varlıklı, evli bir anne ve ev sahibi olan Jane, çevrimiçi olarak, mağazada ve bazen de uygulama aracılığıyla ulusal bir giyim perakendecisinden alışveriş yapar. Spor kıyafeti aramak için perakendecinin web sitesini ziyaret ettiğinde, önceki alışverişlerine, kendisininki gibi profillere sahip müşterilerin alışverişlerine ve hafta sonları en sık satın alınan spor giyim stillerine dayalı stil seçenekleri buluyor. Alışveriş sepetine sunulan spor salonu üstlerinden birini ekler ve kontrol eder.

Bir takip e-postası dışında, müşteriyle olan etkileşimlerin çoğu burada durur. Ancak Jane'in verilerini etkinleştirdiğimizde bu örnek şöyle görünür: çevrimiçi satın alma işleminden üç gün sonra perakendeci Jane'e sağlık temalı bir e-posta gönderir. İlgisini çeker, bağlantıya tıklar ve sağlıklı çocuklar yetiştirmeyle ilgili bir video izler. Bir hafta sonra, egzersiz ekipmanında bir günlük yüzde 15 indirimin kilidini açmak için mağazanın mobil uygulamasını kullanmaya teşvik eden bir iPhone mesajı alır. Bu satıcıdan bu tür ürünleri hiç satın almamış olmasına rağmen, Jane tekliften yararlanır ve yeni bir spor çantası satın alır. Basit bir spor kıyafeti satın alma görevi olarak başlayan şey, çok daha ilgi çekici bir deneyim haline geldi.

Bir kişinin gerçek zamanlı ihtiyaçlarına, ilgi alanlarına ve davranışlarına dayanan bu tür verilerle etkinleştirilen pazarlama, yeni büyüme ufkunun önemli bir bölümünü temsil ediyor. Toplam satışları yüzde 15 ila 20 oranında artırabilir ve dijital satışları daha da artırırken, web siteleri ve mobil uygulamalardan çok uzak olmayan bir gelecekte VR kulaklıklarına ve bağlantılı arabalara kadar pazarlama kanallarındaki pazarlama harcamalarının yatırım getirisini önemli ölçüde artırır.

Müşteri veri platformu: Devam eden gerçek kişiselleştirme sorununu çözme

Şirketler, çeşitli müşteri deneyimlerinin etkisini test etmeyi düzenli olarak deniyor, ancak bunu ayrı ayrı yapıyorlar. Ölçeklendirmeye çalıştıklarında, neye öncelik verilmesi gerektiğini anlama zorluğuna karşı çıkıyorlar.

Bu, müşteri ilişkileri yönetimi (CRM), ana veri yönetimi (MDM) ve pazarlama-kaynak yönetimi (MRM) gibi çözümlerin vaadine rağmen pazarlamacıları rahatsız etmeye devam eden bir zorluktur. Bu çözümler, şirketlerin verileri birleştirmesine ve düzenlemesine, segmentasyonu yönetmesine, iş akışını düzenlemesine ve müşteri ilişkilerini geliştirmesine yardımcı olabilir. Ancak müşterilerin sağladığı dijital sinyallerden tam olarak yararlanmıyorlar. Bunun yerine, tümü otomatikleştirilmiş karar verme, uyarlanabilir modelleme ve kişiselleştirilmiş etkileşimleri büyütmek için çevik veri kullanımından yoksun olan eskimiş "liste çekme işlemlerine", temel segmentasyona ve kampanyalara güveniyorlar.

Bir veri keşfi ve "karar verme" (yani otomatik karar verme) platformu olan Müşteri Veri Platformu'na (CDP) girin. CDP, pazarlamacıların veriye dayalı müşteri etkileşimlerini gerçek zamanlı olarak ölçeklendirmesini mümkün kılar. Ve CDP, Gartner Magic Quadrant veya Forrester Wave'e tam olarak girmemiş olsa da, yakında kategoriyi şekillendirecek olan küçük ama büyüyen bir üçüncü taraf platform kadrosuyla yavaş yavaş endüstri standardı bir konsept haline geliyor.

Verilerinizi etkin bir şekilde etkinleştirmek için dört adım

Bir CDP'yi kuruluşunuza dahil etmek, ister mevcut bir ana veri yönetimi veya müşteri-ilişkileri-yönetim sistemi üzerine bindirme ister sıfırdan başlayarak, dört alanda ustalık gerektirir:

1. Veri temeli: Müşteriye ilişkin zengin bir görünüm oluşturmak

Birçok şirket, müşterinin nispeten eksiksiz bir görünümünün unsurlarına zaten sahiptir. Ancak şirket genelinde ayrı ceplerde bulunurlar. Yalnızca veriler bağlandığında kullanıma hazır hale gelir. CDP, bir şirketin zaten sahip olduğu verileri alır, anlamlı bir müşteri profili oluşturmak için birleştirir ve kuruluş genelinde erişilebilir hale getirir.

CDP'yi "beslemek", mümkün olduğu kadar çok veriyi birleştirerek ve zaman içinde bunun üzerine inşa ederek başlar. Benzer şekilde davranan ve değer yaratan müşteri profillerini kümeleyen modeller oluşturmak, verileri işlemek için gelişmiş analitik ve bunları iyileştirmek için makine öğrenimi gerektirir. Zamanla, sistem "öğrendikçe" bu yaklaşım, her zamankinden daha ayrıntılı müşteri alt segmentleri oluşturur. Tüketicinin geride bıraktığı sinyaller (ör. bir site ziyareti, bir uygulamadan satın alma, sosyal medyada ifade edilen ilgi) daha sonra veri setini genişleterek şirketin gerçek zamanlı olarak yanıt vermesini ve yeniden etkileşim kurmanın yeni yollarını düşünmesini sağlayabilir. Ayrıca, toplanan içgörüler, örneğin daha hedefli ürün geliştirmeyi teşvik ederek, bir müşterinin belirli bir kampanyaya verdiği yanıtın ötesine geçer.

2. Karar verme: Sinyallere göre hareket etmek için verileri benimseyin

Karar verme işlevi, pazarlamacıların belirli bir zaman ve kanal için belirli bir müşteriye gönderilecek en iyi içeriğin ne olduğuna karar vermelerini sağlar. Müşteriler potansiyel değerlerine göre puanlanır. Bir dizi iş kuralı ve regresyon modeli (giderek artan şekilde makine öğrenimi yoluyla yapılır) daha sonra belirli mesajları, teklifleri ve deneyimleri bu müşteri puanlarıyla eşleştirir ve neyin ne zaman teslim edileceğine öncelik verir. Bu, şirketlerin, bir müşterinin davranışsal ipuçlarına dayalı olarak tek bir kanal içinde veya kanallar arasında daha alakalı, kişiselleştirilmiş etkileşim geliştirerek müşterileriyle nasıl etkileşim kurduklarında önemli iyileştirmeler yapmalarına olanak tanır. Bu sinyaller, "arabayı terk etti" veya "göz atıldı, ancak satın alınmadı" gibi temel olabilir veya müşteri verilerinden toplanan, segmente ve günün saatine göre etkinlik gibi daha nüanslı olabilir. Aslında, bu sinyaller bir eylemi başlatan tetikleyiciler haline gelir. Bir karar verme motoru, şirketin yanıt olarak aldığı sinyallere ve eylemlere dayalı olarak bir dizi tetikleyici ve sonuç geliştirir.

Daha sofistike şirketler, tüm dağıtım kanallarında çalışan bir karar verme modeli oluşturur. Bu, müşteri karar yolculuğunda ilerlerken bir kanalın diğeri üzerindeki etkisini belirlemek için gelişmiş modelleme ve analitik teknikleri gerektirir. Bir seyahat şirketi yakın zamanda bu yaklaşımı benimsedi ve kanallar arasındaki koordinasyon mesajlarının dönüşüm oranlarında ve müşteri yaşam boyu değerinde yüzde 10 ila 20'lik bir artış sağladığını gördü.

Etkili karar verme, hipotezleri ve sonuçları doğrulayan ve iyileştiren tekrarlanan testlere dayanır. Modeller ve algoritmalar birbiri üzerine inşa edildikçe, zamanla bunlar giderek daha karmaşık hale gelebilir.

3. Tasarım: Doğru teklifleri, mesajları ve deneyimleri hızla hazırlamak

Müşterilerinizi anlamak ve onlarla nasıl etkileşim kuracağınızı anlamak, onlara sunacak içerik olmadan çok az önemlidir. Bununla birlikte, büyük teklifler tasarlamak, şirketler içindeki işlevlerin ve departmanların küçük departmanlar olarak faaliyet gösterme eğiliminde olması nedeniyle engelleniyor. Her kanalın sahipleri, tüketicileri yalnızca kendi kanalları içinde test eder ve etkileşime geçer. Gerçek faydalar ancak şirketler, belirli tüketici segmentlerine veya yolculuklarına odaklanan ilgili işlevlerden (pazarlama, dijital, hukuk, satış ve BT/DevOps) insanları bir araya getiren “savaş odalarına” geçtiğinde ortaya çıkabilir.

Bu ekipler, tüketici önceliklerine ve bunları gerçekleştirme sorumluluğuna net bir şekilde sahiptir. Çapraz işlevli ekip sürekli olarak yeni fikirler geliştirir, müşterilerle nasıl etkileşim kurulacağına ilişkin hipotezler tasarlar, deneyler geliştirir ve teklifler ve varlıklar oluşturur. Analytics, fırsatların boyutlandırılmasına, test etkisinin test edilmesine ve testlerden içgörülerin elde edilmesine yardımcı olur. Bu içerik daha sonra bir tetikleyiciyle ilişkilendirilebilmesi ve gerektiğinde kullanıma hazır olması için etiketlenir.

4. Dağıtım: Platformlar arasında deneyimler sunma

Dağıtım sistemleri, kendilerine beslenen reklamı veya mesajı gönderen basit “borulardır”. Çoğu zaman, oldukça manuel olabilirler ve çok az terzilik ile geniş insan segmentlerine iletişimi patlatabilirler. Ancak, önceden belirlenmiş tetikleyicileri ve etiketlenmiş içeriği ile CDP motorunu bu dağıtım sistemine bağlayın ve önceden kör bir pazarlama aracı, adreslenebilir tüm kanallarda farklı müşteri alt bölümlerine özel mesajlar gönderen çok daha yönlendirilmiş bir araç haline gelir.

Bu dağıtım sistemi genellikle bulutta yaşayan bir platformun kendisidir. Diğer "nokta" çözümler (belirli bir görev için pazarlama teknolojisi çözümleri) de CDP'ye bağlanabilir. En iyi dağıtım platformları, müşteri yanıtı, katılım ve dönüşüm verilerini CDP'ye geri gönderen bir geri bildirim döngüsü oluşturur. Bu mekanizma, CDP'nin büyümesine ve gelişmesine (örneğin, değişen iş kurallarına veya müşteri eğilim puanlarına yanıt vererek), başarılı sonuçları iyileştirmeye ve başarısız olanları ortadan kaldırmaya olanak tanır. Jane'i hatırlıyor musun? Bir hafta boyunca belirli bir sayıda dokunuştan daha fazlasını aldıysa, iş kuralları, deneyimini ve markaya karşı duyarlılığını korumak için ek mesajları gizleyecektir.

Veri etkinleştirme çerçevesini uygulama

Toptan bir BT dönüşümünün aksine, bir CDP'nin devreye alınması, mevcut müşteri veri sistemlerinin değiştirilmesi değil, daha ziyade mevcut sistemlerde geri adım atabilecek operasyonel bir çözümdür. Deneyimlerimize göre, birçok pazarlamacı, pazarlama-teknoloji denkleminin büyük bir bölümünü zaten kendi bünyesinde bulunduruyor; sadece doğru kullanmıyorlar. Veriyle etkinleştirilen, bire bir pazarlamanın vaadi yalnızca mümkün değil, aynı zamanda günümüz müşterileri tarafından giderek daha fazla bekleniyor. Artık basit müşteri işlemlerini kalıcı ilişkilere dönüştürmenin anahtarıdır.

Kai Vollhardt, McKinsey'nin Avrupa Pazarlama ve Satış Uygulamasında Ortaktır ve küresel müşteri deneyimi ve kişiselleştirme @ ölçek çalışmasına yardımcı olur. Bu sıfatla, başta Avrupa ve Kuzey Amerika'daki müşterilere strateji, ticari dönüşümler ve müşteri yolculuğu optimizasyonu konularında hizmet vermektedir.

*Yazar, bu makaleye katkılarından dolayı McKinsey & Company'den Julien Boudet, Brian Gregg, Jason Heller ve Caroline Tufft'a teşekkür eder.